7、文本属性与文本表示的深度剖析

文本属性与文本表示的深度剖析

文本的交际目标与结构

书面文本如同其他形式的话语一样,具有交际意图。文本的交际目标通常由不同的子目标构成,由此可以定义出交际目标结构,也被称为言外行为结构或意向结构。文本创作者会利用话语的命题内容来表明言外行为,而言外行为是具有社会和交际目的的话语。

以“Attack Dog on Premises”这个标识为例,其主题是关于攻击犬,但它实际上是一个行为警告,而非简单描述附近动物的性质。在信息类文本中,交际目标尤为突出。

一个成功的话语中,完整文本及其组成部分都要实现其交际目标。每个文本片段都是实现整体交际目的的一个步骤。用户在阅读文本时会有特定的关注点,这可能只是创作者交际目标结构的一部分。

例如,法律文本中说明理由命令的主要交际目标是确定驳回上诉的先决条件,其主要子目标包括:
1. 确定管辖权缺陷的存在:
- 确定被上诉的命令
- 确定上诉通知针对其中一项命令提交不及时
- 确定提交上诉通知的开始日期
- 确定上诉通知的截止日期
- 确定实际提交日期
- 裁定实际提交日期晚于截止日期
2. 命令适当的制裁:
- 规定回应的时间限制
- 实施制裁
- 说明制裁的理由

交际目标和子目标通过句子中的词汇、语法表达以及文本结构来实现。文本的上层结构、修辞结构和主题结构有助于实现交际目标结构,尤其是上层结构和修辞结构与交际目标结构密切相关。若创作者和用户不理解这些话语结构,交流就难以成功。

实际的文本交流往往会偏离理想结构,会出现违反规范话语规则的情况。这些偏差具有一定的语境功能,与风格的

内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化训练,到执行分类及结果优化的完整流程,并介绍了精度评价通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者实践者。; 使用场景及目标:①在遥感影像中自动识别和提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置结果后处理环节,充分利用ENVI Modeler进行自动化建模参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值