導語：如何才能寫好一篇鱷魚眼淚，這就需要搜集整理更多的資料和文獻，歡迎閱讀由公務員之家整理的十篇范文，供你借鑒。

篇1

1、鱷魚眼淚：傳說鱷魚在吞食人畜時，邊吃邊流眼淚。比喻惡人的假慈悲。例句：他終于擠出了幾滴鱷魚眼淚。

2、鯨波鱷浪：猶驚濤駭浪。出自清代南荃居士的《海僑春傳奇·瘋訴》：望鯨波鱷浪連天涌，莽天涯沓沓蒙蒙。

（來源：文章屋網 ）

篇2

【關鍵詞】主題爬蟲；特征提取；文本分類；向量空間模型

1.引言

隨著互聯網的大規模普及和各行業信息化程度的提高，與行業領域相關的Web文本信息快速積累，如何從這些海量信息中定向提取符合需要的知識，是當前信息處理研究領域的一個研究熱點，該問題涉及到對領域Web文本信息的采集和對采集到的信息進行處理和數據挖掘兩方面的內容。在采集領域相關網頁的過程中，主題描述及網頁內容的相關性判斷，都需要用到文本預處理技術，信息采集成功后，又需要通過文本預處理和分類技術對領域文本進行分類。本文對系統設計中的一些關鍵問題進行了研究，并以機械領域挖掘機為主題，實現了一個機械領域Web文本采集與分類原型系統。

2.主題爬蟲的主題確立

對領域Web文本的采集，其實質就是設計針對某一領域的網絡爬蟲。專業領域用戶一般只關心與其領域相關的一些資源，垂直搜索，專精化，行業化。主題爬蟲技術可根據一定的分析方法和搜索策略，選擇性的獲取與主題相關的Web頁面。主題爬蟲系統一般包括種子模塊、主題確立模塊、爬蟲爬行模塊和主題相關性分析模塊四個部分。設計高質量主題爬蟲的關鍵問題是如何保證抓取的網頁中與主題無關的網頁盡可能的少，對待抓取的主題的準確描述是設計主題網絡爬蟲的首要任務，也是一項關鍵任務，這點對于主題相關性判斷影響重大。常用的主題描述方法一般有兩種，一種是根據人工經驗，由用戶直接給出一組關鍵字來描述主題，這種方式簡單，也比較準確，但是對用戶的專業領域知識要求較高。

另外，當知識更新較快時，極有可能出現漏選的情況。另一種方法為主題代表性文檔特征抽取。通過用戶提供或者選擇一些相關主題的實例文檔，由爬蟲從中提取用戶主題，其實質是通過學習相關領域文檔并進行自動特征提取的過程。優點是定義精確，但要求所選取的文檔和頁面必須具有代表性和概括性，否則可能出現偏差。

3.網頁正文提取研究

網頁正文提取是網頁解析模塊的一個難點，也是最為核心的部分。大多數網頁中除了包含有用信息（正文）外，還包含網站導航信息、廣告、腳本語言等許多噪聲信息，如果提取不當，則提取結果可能慘不忍睹，根本沒有使用價值。只有真正提取出的正文文本，才是最有價值的，后續的網頁相關性判別和網頁文本分類才更加準確。

目前已存在一些網頁正文提取的方法，比較典型的有基于Dom樹；基于數據挖掘或機器學習；基于模板、規則；基于網頁內容分塊等。Dom樹方法雖直觀有效，但其樹的建立，要求html必須合乎規范，且時空復雜度高，樹的遍歷方法也不具通用性，需根據html標簽的不同而變化。用數據挖掘或機器學習的方法來解決該問題，又把簡單問題復雜化了。總體來說，這些方法大多不具備通用性，或實現起來較為復雜，準確度不高。

4.領域文本分類

領域文本具有不同于普通文本的特點。1）分詞困難。領域文本專業性較強，常常包含大量的專業詞匯，這使得領域文本的分詞較普通文本而言更具復雜性。如何設計分詞算法，使得專業詞匯能夠盡可能小的不被劃分開來，對后續操作影響重大。通過設計專業詞庫可以解決這一問題。專業詞庫的制定應確保其權威性和完整性。本文中所采用的機械專業詞庫中的詞條主要來源于機械專業詞典、由機械設計制造研究人員收工錄入，還有部分來源于搜狗實驗室，經過選擇，去重得到的。2）已標記樣本較少。在機械類別的文本中，由于沒有通用的用于機械領域文本分類研究的實驗語料，本研究主要的語料來源為主題爬蟲程序所采集到的網頁文本，一部分專業文檔資料和少量電子版用戶需求文檔。

5.領域web文本采集與挖掘系統設計

根據上述研究內容，本文設計了一個面向機械領域產品用戶需求信息的web文本采集與挖掘系統。系統結構如圖1所示。

5.1 機械產品信息的主題描述

本系統主題描述步驟如下：

Step1.由領域專家人工給出一組主題詞及其對應權值（t1，ω1：t2，ω2：……：tn，ωn）。本文附錄給出了一個由領域研究人員提供的機械領域專業關鍵詞庫，可以直接從里面篩選。

Step2.收集有代表性的主題相關度較高的文本文檔，進行文本預處理，采用向量空間模型將文本表示出來，對這些文本資料進行特征選擇，獲得共同擁有的特征作為主題特征詞集合。這里的特征選擇方法采用基于關聯規則的專業特征選擇方法，通過改進的灰色關聯公式進行關聯度計算將多個文檔表示信息組合在一起，計算非專業術語與專業術語的灰色關聯度，獲得專業術語的關聯度矩陣；對關聯度矩陣進行加權計算，提取出需求的專業術語得到專業的需求描述。

Step3.爬蟲程序根據主題詞ti進行爬行，采集與之相關的網頁，對這些網頁進行文本特征提取，選擇出權重高的特征詞，判斷是否已包含在專業特征詞庫中，若沒有，則加入專業特征詞庫。即更新主題候選詞集。

Step4.將得到的主題詞存放在topic.txt中。

通過以上步驟，得到主題特征。整個過程是一個不斷學習更新的過程，從而實現對主題詞集合的不斷擴充，提高主題描述的精確度。

5.2 頁面采集模塊

通過HTTP，HtmlParser，Parser類對從待爬隊列waitingQueue取得的URL對應的網頁解析，得到網頁上的所有鏈接并通過循環對鏈接對應的網頁解析。首先通過MannerGahter類進行禮貌采集判斷，服務器允許采集則可解析出網頁上的對應P標簽和Title標簽的文檔信息，然后通過Segment類對文檔分詞。

對標題及正文的特征項的選取是通過分詞后與主題集合匹配，并通過詞頻計算特征選擇來得到與主題向量維數相等的標題向量和正文向量。

計算相關性。首先公式1計算兩個表示文本的向量之間的相似度。

公式1

分別計算出主題和標題、主題和正文的相關度，然后標題與正文以4：1的比重計算出整個網頁與主題的相關度，即4*主題和標題的相關度+1*正文與主題相關度。通過詳細計算，設定相關度閾值為75%，網頁與主題的相關度大于75%則認為該網頁是與主題相關的。最后系統運行界面如圖2所示。

6.結語

本文探討了面向領域的Web文本采集與分類問題，對主題網絡爬蟲設計中的主題確定，種子URL選擇、相關性分析、網頁解析與正文提取和搜索策略等問題予以研究，分析行業領域文本的特點，進行恰當的主題描述，選擇KNN算法來構造領域文本分類器，設計并實現了一個機械主題Web文本采集與分類原型系統。

參考文獻

[1]J.Han et al..Mining frequent patterns without candidate generation.In Proceedings of the 2000 ACM SIGMOD Conference on Management of Data，Dallas，TX，2000：1-12.

[2]魏松，鐘義信，王翔英.中文Web文本挖掘系統WebTe-xtMiner開發[J].計算機應用研究，2005（6）211-213.

[3]沈記全，唐菁，楊炳儒.Web文本挖掘系統及其分類算法的研究與實現[J].計算機工程，2009.03（2）：13-14.

[4]CHAKRABARTI S，BERG DEN VAN M.Focused Crawling：A new approach to Topic-Specific Web Resourse Discovery[C].In Proceedings of the 8th International WWW conference，Toronto，Canada，1999.

[5]劉國靖，康麗，羅長壽.基于遺傳算法的主題爬蟲策略[J].計算機應用，2007，27（12）：172-179.

[6]Chakrabati S，Punera K，Subram anyam M.Accelerated focused crawling through online relevance feedback，WWW2002，May 7-11，2002，Honolulu，Hawaii，USA.http//csberkeley.edu/-soumen/doc/www2002m/p336-chakrabarti.pdf（Accessed Nov.8，2006）

[9]M.Ehrig，A.Maedche.Ontology-focused Crawling of Web Documents.In Proceedings of the 2003 ACM symposium on Applied computing，Melbourne，Florida，June 2003：1174-1178.

篇3

你好！

在茫茫的人生海洋上，會遇到無數挫折，你像一艘船，乘風破浪，勇敢向前。

但最近你遇到了海上的一簇暗礁，你停止了行進，陷入了沉思。事情是這樣的：黑板報的組長——你，有權力管組員，組員分配好了，但沒有人把水倒掉，你隨便點了一位同學把水倒掉，那個矮矮胖胖的袁斌就是不倒。當老師走進教室，見一桶臟水在墻角，就厲聲問：“金瀟逸，這是怎么回事？”你惱怒地說：“袁斌，他～”袁斌當場抵賴，無奈無辜的你又遭老師訓斥：“為什么沒倒掉，你身為組長，沒有分配好！即使袁斌不倒，你也可以倒掉！”你氣得似狂怒的獅子，兩滴委曲的淚珠兒滑落下來，袁斌卻露出狡獪的笑。

朋友，不要煩惱，惡人會有惡報的！放開心胸，讓小船重新啟航，重新啟航！這只是生活中一個小小的挫折，讓它遠去吧！遼遠的人生之海，等待你的挑戰！

瞧，你的學習成績不是很好嘛！袁斌和你比真是天差地別，他是個無賴，以干壞事出名，不要跟他賭氣，放開點兒吧，朋友。

那艘船仍行駛在生活之海中，忽然，海上刮起一陣風，掀起的浪花搖動著船身，原來勇敢的你被風的巨大和海的氣魄所壓抑，你又一次停止了行進……

王超是班上有名的“傻蛋”，眼睛一大一小，身上有股狐臭，是班中的“臭屁精”。你，是班上的“諸葛亮”，學習甭說，身體也不錯，就是喜歡和人對峙，愛把事弄得亂七八糟。可這卻招來“天災”，王超竟主動和你交手，他還有個綽號“罵人王”，你怎能和這種人接軌？？？他罵人時總把人罵個狗血淋頭，而且用魯迅的那套“罵法”罵人，把人罵哭了，還說他（她）是鱷魚眼淚，我看他把學習的力氣都用在罵人上了！你準備戰斗，上課時，他輕輕地罵你，你馬上重重地反擊，卻被教師叫住，說‘上課不許交頭接耳’，你冤啊，很冤啊！！！卻是啞巴吃黃連——有苦難言。其實，你也有錯，這能怪誰呢？你為什么不能控制自己呢？這也是一個生活插曲，一個小小的挫折，你挺過去了。

海上風停了，浪退了，金黃的太陽射出萬丈光芒，你又哼著歌兒遠行！你知道前面還會有暗礁，有旋渦，但我相信你定會有勇氣闖過去，去迎接光輝燦爛的明天！

祝你：

快樂，永遠快樂！

你的朋友：影子

篇4

關鍵詞：數據挖掘；簇；聚類算法

中圖分類號：TP301.6文獻標識碼：A文章編號：1672-7800（2012）010-0033-03

基金項目：湖南省大學生研究性學習和創新性實驗計劃項目（JSU-CX-2011-28）

作者簡介：張露（1991-），女，吉首大學軟件服務外包學院學生，研究方向為計算機科學；張彬連（1978-），女，吉首大學軟件服務外包學院講師，研究方向為計算機科學。

0引言

隨著信息和科學技術的高速發展，各行業積累的數據量迅速增長，而更重要的是如何從大量的、不完全的數據中提取出有用的信息。而在數據挖掘中充當重要角色的就是聚類，它在識別數據的內在結構方面具有獨到的作用。而數據挖掘工具以及工具提供的可選擇的算法是實現數據挖掘目的的墊腳石。數據的類型、聚類的目的應用決定了選擇哪一類聚類算法，其中聚類是把物理或者抽象對象分組成為由類似對象構成的多個簇的過程，即把數據對象分成多個類或簇，在同一個簇中的對象具有較高的相似度，而不同簇中的對象差異較大。它對未知數據的分析和劃分能起到非常有效的作用。此外，通過聚類，能夠識別密集和稀疏的區域，發現全局的分布模式，以及數據屬性之間的相互關系等。為了找到效率高、通用性強的聚類方法，人們從不同角度提出了許多種聚類算法，大致可分為層次方法、劃分方法、基于密度的方法、基于網格的方法和基于模型的方法這五大類。

1典型聚類算法分類及其優缺點分析

1.1基于劃分的聚類算法

首先，給定一個樣本為n的數據集，然后根據給定要創建劃分的數目k，將數據劃分為k個組（kn），每個組相應地表示一個簇，同時滿足以下的條件：①每個組至少包含一個樣本；②每個樣本屬于且僅屬于一個簇。算法要事先給出要創建的劃分的數目k，創建一個初始劃分，然后采用循環定位技術，通過根據簇類之間的差異把對象從一個劃分移動到另一個劃分的方法來改善劃分質量。評價劃分的好壞的標準一般是在同一個類中的對象盡可能“接近”，而不同類中的對象盡可能“遠離”。為達到全局最優的目的，基于劃分的聚類會要求窮舉所有可能的劃分。其中包括以下典型的劃分方法：k-平均、k-中心點、CLARA、CLARANS等。

1.1.1基于簇的重心技術：k-平均算法

（2）k-平均算法的優缺點：①優點：當滿足結果簇是緊湊的，并且簇與簇之間明顯分離式的前提條件，k-平均算法能發揮較好的效果，而且在處理大數據集時，是有相對可伸縮的和有效率的；②缺點：該算法有其限制條件，只有在簇的平均值被定義的基礎上才能使用，這就使得可能不適應某些應用的數據，要求用戶必須事先給出k的取值。在大部分實際應用中，最終的聚類數量并不能得到一個確切的數目，且該算法遇到非凸面形狀的簇，或者遇到在大小上存在很大差別的簇時，聚類效果不明顯。而且，它對于帶有“噪聲”的空間數據和離群數據是敏感的。該算法經常止于局部最優。

1.1.2基于有代表性的對象的技術：k-中心點方法

1.1.3基于選擇的k-中心點CLARANS方法

（1）CLARANS方法的處理流程：首先，不考慮整個數據集合，用實際數據的抽樣來作為數據的樣本；然后，用PAM方法從樣本中選擇中心點；返回最好的聚類結果作為輸出。

（2）CLARANS方法的優缺點：①優點：該算法的效率較高，能夠發現最“自然的”結果簇數目，且能夠檢測離群點，且相應地拓展了數據處理量的伸縮范圍；②缺點：該方法的聚類質量對采取的抽樣方法依賴性強，且最中心點的要求較高。而且對于大數據量、時間復雜度和空間復雜度都很大。

1.2基于層次的聚類算法

根據樹的形成過程，層次分解的方向的不同可以分為以下兩種類型：

（1）自底向上（凝聚）聚類方法。該方法一開始將每個對象作為單獨的一個組，然后繼續與相近的對象或組合并，直到所有單獨的組都被合并，成為一個整體，或者達到一個終止條件。

（2）自頂向下（分裂）聚類方法。與凝聚法相反，該策略先將所有對象置于一個簇中，在迭代的每一步中，在一個簇的基礎上分裂為更小的簇，直到最終每個單獨的簇中包含一個對象，或者達到一個終止條件。下面介紹其代表算法。

1.2.1BIRCH算法

（1）BIRCH算法包括階段：階段一是BIRCH掃描數據庫，建立初始化的CF樹，嘗試把數據內在的聚類結構保留下來；階段二是BIRCH算法采用某個聚類算法對CF樹的葉節點進行聚類。

（2）BIRCH算法的優缺點：①優點：引入的聚類特征樹概括了聚類的有用信息，且占用空間較元數據集合小，只需要一次性訪問數據庫，速度快，伸縮性好，對增量或動態聚類也非常有效，不需要大量遞歸運算。②缺點：由于CF樹每個節點的大小受限制，并不總是對應于用戶所認為的一個自然聚類，而且算法的工作效率依賴于簇的球形要求。

1.2.2CURE算法

（1）CURE算法工作原理：選擇了屬于聚合方法和分解的中間做法。選擇數據空間中具有代表性的點。且在選擇簇中分散的對象中產生一個簇的代表點，然后根據一個特定的分數或者收縮因子向簇心“收縮”或移動它們。

（2）CURE算法優缺點：①優點：能識別非球狀以及大小不一的聚類，能更好地處理孤立點。對于大型的數據庫，它也具有良好的伸縮性，且不影響聚類的質量；②缺點：聚類結果容易受到參數設置的影響，且CURE算法對分類屬性不進行處理工作。

1.3基于密度的聚類算法

基于密度的聚類算法并不是基于各種各樣的距離而是基于密度的。這樣就能克服基于距離的算法只能發現“圓形”類的缺點，它可以發現任意形狀類的聚類結果。該方法的思想就是，只要一個區域中的點的密度大于某個閾值，就把它加到與之相近的聚類中。以下介紹其代表算法DBSCAN算法和OPTICS算法。

1.3.1DBSCAN算法

（1）DBSCAN算法思想：首先通過檢查數據庫中每個點的ε-鄰域內的鄰居點數衡量改點所在空間的密度。來尋找聚類。如果一個點p的ε-鄰域名超過某個指定閾值MinPts個點，則建一個新簇以p作為核心對象，然后再反復地尋找從這些核心對象直接密度可達的對象，當沒有新的點可以被添加時，該過程即結束。

（2）DBSCAN算法優缺點：①優點：能夠把具有足夠高密度的區域劃分為簇，對帶有“噪聲”的空間數據比較敏感，可以發現任意形狀的聚類；②缺點：參數的設置難以確定，對參數值是非常敏感的，容易導致誤差很大的聚類結果，且全局密度參數不能刻畫其內在的聚類結構。

1.3.2OPTICS算法

（1）OPTICS算法思想：采用影響函數，即用一個數字函數來形式化地模擬每個數據點的影響；所有數據點的影響函數的總和可以由數據空間的整體密度模型化得到；可以通過確定密度吸引點來得到聚類，且此時全局密度函數在密度吸引點達到局部最大。

（2）OPTICS算法優缺點：①優點：該算法的數據基礎非常堅實，并且概括了其他的聚類算法；其良好的聚類特性在處理有大量“噪聲”的數據集合時充分體現出來了；提供了簡單而有效的數學技術給高維數據集合的任意形狀的聚類；速度較快；②缺點：聚類結果會容易受到密度參數和噪聲閾值等參數的影響。

1.4基于網格的聚類算法

基于網格的聚類方法采用的數據結構是一個多分辨率的網格。它將數據空間分為有限數目的單元，形成網結構，所有的處理對象是單個的數據單元，這種處理方法與目標數據庫中記錄的個數并不存在很大的關系。以下介紹其中的STING算法。

（1）STING算法工作原理：STING是一種基于網格的多分辨率聚類技術，它將空間區域劃分為矩形單元，通常存在多個級別的矩形單元，這些單元形成了一個層次結構：高層的每個單元由多個低一層的單元組成，且事先計算和存儲關于每個網格單元屬性的統計信息，在查詢處理時就能使用這些統計參數，達到不一樣的效果。

（2）STING算法優缺點：①優點：基于網格的計算與查詢是相對獨立的；在處理數據和增量更新方面能夠更加方便；效率較高；②缺點：最底層的粒度影響算法的質量，且該算法在構建一個父單元時，忽略了子單元與相鄰單元間的關系，導致結果簇的形狀的邊界不穩定。

1.5基于模型的聚類算法

基于模型的聚類算法嘗試優化給定的數據和某些數學模型之間的適應性，是基于“數據是根據潛在的概率分布生成的”這一假設而提出的。該方法主要包括統計學方法和神經網絡方法這兩大類。以下介紹其中的COBWEB算法。

（1）COBWEB算法工作原理：COBWEB算法采用分類屬性-值對來描述其輸入對象，以一個分類樹的形式來構造層次聚類，并且在啟發式估算度量方法以及分類效用的指導下開展樹的構建工作。

（2）COBWEB算法優缺點：①優點：對劃分過程中類的數目能自動修正，不需要用戶提供這樣的輸入參數，可以找到分類對象的最好結點；②缺點：該算法基于的“每個屬性上的概率分布式彼此獨立的”假設不總是成立的；更新和存儲聚類代價相當高，可能導致時間和空間復雜性發生劇烈的變化。

2結語

分層聚類的突出亮點是它能夠生成比較規整的類集合，聚類結果不依賴元素的初始排列或輸入次序，與聚類過程的先后次序并沒有直接的關系，聚類結果相對穩定，不易導致類的重構。但它也存在著部門缺點，如計算開銷較大，對異常數據比較脆弱。劃分聚類的優點是運算量小，能運用于處理龐大的樣本數據，也為實時處理提供了一定的可能性。但要求用戶必須預先給出聚類的參數，還要靠度量函數來判定所給出解的優劣程度。網格聚類處理速度快，處理時間與數據對象的數目無關，聚類時間獨立于數據規模和數據次序，伸縮性極好。缺點是只能發現邊界是水平或垂直的聚類，不能檢測到斜邊界，也不適用于高維情況，并存在量化尺度的問題。密度聚類多用于時空信息處理、消除奇異值，并且可以在帶有“噪聲”的空間數據庫中發現形狀任意、個數不定的聚類，適合大型、高維數據集等方面具有較好的特性。對于所提到的上述聚類算法，可以從可伸縮性、處理不同類型屬性的能力、發現任意形狀的簇、處理噪聲數據的能力、對輸入順序的敏感性、處理高維數據的能力、需要決定的輸入參數最少以及對輸入記錄順序不敏感這些方面來進行比較分析，以更好地了解這些聚類算法。

參考文獻：

[1]HUANGZX，MICHAELK.Anoteonk-modesclustering[J].JournalogClassification，2003（2）.

[2]PELLEGD，MOOREA.X-meansextendingk-meanswithefficientestimationofthenumberoftheclusters[C].Proceedingsofthe17thIC-ML，2000.

[3]ERTOZL，STEINBACHM，KUMARV.Findingclustersofdifferentsizes，shapesanddensitiesinnoisy，highdinensionaldata[R].MinneapolisUniversityofMinnesota，2002.

[4]MARQUESJP，WRITTEN，WUYF，etal.PatternRecognitionConcepts，MethodsandApplications（2nded）[M].Beijing：TsinghuaUniversityPress，2002.

[5]DHILONI.Co-clusteringDocumentsandwordsusingbipartitespec-tralgraphpartitioning[C].SanDiegaProceedingsofthe7thACMSIGKDD，2001.

[6]SAMBASIVAMS，THEODOSOPOULOSN.AdvanceddataclusteringminingWebdocuments[J].IssuesinInformingScienceandInformationTechnology，2006（3）.

[7]NANNIM，PEDRESCHID.Time-Focusedclusteringoftrajectoriesofmovingobjects[J].JournalofIntelligentInformationSystems，2006（3）.

[8]BIRANTD，KUTA.ST-DBSCAN：ANalgorithmforclusteringspatial-temporaldata[J].Data&KnowledgeEngineering，2007（1）.

[9]CRISTOFORD，SINOVICIDA.Aninformation-theoreticalapproachtoclusteringcategoricaldatabasesusinggeneticalgorithms[C].ArlingtonThe2ndSIAMICDM，WorkshoponClusteringHighDinen-sionalData，2001.

篇5

眼淚的成語

1、淚眼汪汪 熱淚盈眶 嚎天動地 飲恨吞聲

2、號G大哭 喜極而泣 淚如泉滴 街號巷哭

3、鬼哭狼嗥 牛農對泣 痛哭流涕 呼天喚地

4、泣下沾襟 淚如泉涌 涕淚交流 涕淚交零

5、哭天抹淚 催人淚下 嚎天喊地 泣不成聲

6、涕泗交頤 泣涕如雨 觸目慟心 鬼哭神驚

7、號啕大哭 神愁鬼哭 鬼抓狼嚎 涕淚交加

8、淚如雨下 抱頭大哭 淚流滿面 以淚洗面

9、聲淚俱下 淚迸腸絕 擂天倒地 啼天哭地

10、行號巷哭 淚下如雨 老淚縱橫 鳥哭猿啼

11、死聲G氣 鬼哭天愁 行號臥泣 枕戈泣血

12、呼天號地 潸然淚下 凄然淚下 梨花帶雨

13、淚干腸斷 嗚嗚咽咽 神號鬼泣 涕淚交垂

14、涕淚交集

眼淚的成語解釋

1、潸然淚下：潸然：流淚的樣子。形容眼淚流下來。

2、感激涕泗：涕：眼淚；泗：鼻涕。感激得掉下眼淚。形容極度感激。

3、眼淚洗面：淚流滿面。形容極端悲痛。

4、愁眉淚眼：皺著眉頭，掉下眼淚。形容愁苦悲傷的樣子。

5、飲血崩心：血：血淚；飲血：形容極度悲憤。血淚滿面，心為之碎。形容極度悲痛。

6、涕零如雨：涕零：流淚。眼淚象雨水一樣往下淌。形容思念的感情極深。

7、凄然淚下：凄然：寒涼。形容凄涼悲傷。

8、血淚斑斑：血與淚俱在實證物。

9、吞聲忍淚：形容強忍悲傷。

10、吞聲飲淚：吞聲：咽下哭聲；飲淚：忍住淚水。眼淚只能往肚里流，不敢哭出聲來。形容受壓迫時，忍受痛苦，不敢公開表露。

11、一副急淚：指為了對付應急需要而驟然擠出來的一串眼淚。

12、涕淚交下：鼻涕眼淚同時流下，形容極度哀痛。同“涕淚交零”。

13、鱷魚眼淚：鱷魚：一種生性兇殘，捕食人、畜的爬行動物。傳說鱷魚在吞食人畜時，邊吃邊流眼淚。比喻惡人的假慈悲。

14、熱淚盈眶：盈：充滿；眶：眼眶。因感情激動而使眼淚充滿了眼眶，形容感動至極或非常悲傷。

15、雨泣云愁：淚下如雨，愁多如云。形容憂愁深重。

16、淚迸腸絕：指悲痛得淚涌腸斷。

17、泣數行下：眼淚接連不斷的往下掉。形容非常悲傷。

18、愴然淚下：愴然：傷感的樣子。傷感地流淚不止。形容非常悲痛。

19、慟哭流涕：慟：哀痛；涕：眼淚。形容極其悲痛傷心。

20、涕淚交零：鼻涕眼淚同時流下，形容極度哀痛。

21、涕泗流漣：鼻涕眼淚直往下流。形容痛哭流涕。

22、涕泗縱橫：眼淚鼻涕滿臉亂淌。形容極度悲傷。同“涕泗橫流”。

23、淚眼汪汪：汪汪：滿眼淚水的樣子。兩眼充滿淚水。

24、涕淚交加：猶涕淚交零。

25、涕泗交下：眼淚鼻涕一起流下。形容痛哭的樣子。同“涕泗交流”。

26、泣下如雨：眼淚象雨一樣。形容傷心到極點。

27、流涕痛哭：涕：眼淚。形容傷心到極點。

28、奪眶而出：眶：眼眶。眼淚一下子從眼眶中涌出。形容人因極度悲傷或極度歡喜而落淚。

29、涕泗滂沱：滂沱：雨下得很大。雨下得很大的樣子。形容哭得很厲害，眼淚鼻涕象下雨一樣。

30、淚如泉滴：形容觸動傷心事，眼淚象泉水一樣流出。

31、潸然淚下：潸然：流淚的樣子。形容淚流不止。

32、濕哭干啼：濕哭：有眼淚地啼哭；干啼：沒有眼淚地啼哭。形容哭哭啼啼的樣子。也泛指因苦楚而呈現出的各種表情。

33、揮涕增河：抹下來的眼淚可以增添河水的分量。比喻行為對個人有損而對國家也無所補益。

34、哭天抹淚：形容哭哭啼啼。

35、涕淚交垂：鼻涕眼淚同時流下，形容極度悲哀。

36、淚出痛腸：痛遙：傷痛的內心。指因心里難過而流出了眼淚。

37、淚如泉涌：眼淚象泉水一樣直往外涌。形容悲痛或害怕之極。

38、干啼濕哭：干啼：沒有眼淚地啼哭；濕哭：有眼淚地啼哭。形容哭哭啼啼的樣子。也泛指因苦楚而呈現出的各種表情。

39、淚干腸斷：形容傷心到極點。

40、泣涕如雨：泣：低聲哭；涕：鼻涕。眼淚像雨一樣。形容極度悲傷。

41、吞聲忍泣：吞聲：咽下哭聲；忍泣：忍住淚水。眼淚只能往肚里流，不敢哭出聲來。形容受壓迫時，忍受痛苦，不敢公開表露。

42、涕泗橫流：眼淚鼻涕滿臉亂淌。形容極度悲傷。

43、愴然涕下：愴然：傷感的樣子；涕：眼淚。傷感地流淚不止。形容非常悲痛。

44、涕淚交流：鼻涕眼淚同時流下，形容極度哀痛。同“涕淚交零”。

45、奪眶而出：奪：用力沖開；眶：眼的四周。指眼淚無法控制地從眼里流出，形容心情非常激動。

46、垂涕而道：涕：眼淚，鼻涕；道：講。流著眼淚說話。形容十分沉痛地懇切陳詞。

47、悲愁垂涕：垂：垂下。涕：淚。因為悲哀、愁苦而落淚。

48、催人淚下：催：催促，促使。形容事跡十分感人，使人不禁流下眼淚。

49、破涕為歡：涕：眼淚。一下子停止了哭泣，露出笑容。形容轉悲為喜。

50、愁眉淚眼：愁眉：緊皺眉頭。皺著眉頭，掉下眼淚。形容愁苦悲傷的樣子。

51、催人淚下：催：催促，促使。形容事跡等十分感人，使人不禁流下眼淚。

52、涕泗交頤：眼淚鼻涕流滿臉頰。形容哀慟哭泣。

53、斷線珍珠：比喻眼淚像斷了線的珍珠一般紛紛落下。

54、吞聲飲泣：吞聲：咽下哭聲；飲泣：忍住淚水。眼淚只能往肚里流，不敢哭出聲來。形容受壓迫時，忍受痛苦，不敢公開表露。

55、忍淚含悲：忍著眼淚，含著悲痛。形容勉強克制著悲傷。

56、感極涕零：感激之極而流下眼淚。形容極為感激。

57、涕泗交流：眼淚鼻涕一起流下。形容痛哭的樣子。

58、垂涕而道：涕：鼻涕，眼淚。流著眼淚說話。比喻十分沉痛地懇切陳詞。

59、感激流涕：涕：眼淚。感激得掉下眼淚。形容極度感激。

60、柔腸粉淚：指女子柔弱的心腸和含情的眼淚。形容女性的纏綿情意。

61、一字一淚：一個字就仿佛是一滴眼淚。形容文字寫得凄楚感人。亦作“一言一淚”。

62、飲泣吞聲：泣：無聲的哭；吞聲：不敢出聲。眼淚只能往肚里流，不敢哭出聲來。形容忍受痛苦，不敢公開表露。

63、肚里淚下：眼淚往肚里流。形容有苦說不出。

64、淚下如雨：淚水如同雨水一樣流下來，形容十分悲傷。

65、噫嗚流涕：噫嗚：哭聲。噫噫嗚嗚哭著流淚。

66、淚河東注：眼淚似向東的的河流一樣。比喻人極度悲痛。

67、愁眉淚眼：皺著眉頭，含著眼淚。形容悲苦的樣子。

68、抹淚揉眵：眵：眼屎，此指眼睛。擦著眼淚，揉著眼睛。形容落淚傷心的樣子。

69、淚下如雨：眼淚象雨水似的直往下流。形容悲痛或害怕之極。

70、以淚洗面：拿眼淚來洗臉。形容極度憂傷悲痛，終日流淚。

71、拋珠滾玉：拋：拋擲。形容眼淚如同珠玉般滾落。

72、揉眵抹淚：眵：眼屎，此指眼睛。擦著眼淚，揉著眼睛。形容落淚傷心的樣子。

73、涕淚交集：眼淚和鼻涕一起流著。形容悲痛到了極點。亦作“涕淚交加”。

74、聲淚俱下：一邊說一邊哭。形容極其悲慟。

75、淚如雨下：眼淚象雨水似的直往下流。形容悲痛或害怕之極。

76、眼淚汪汪：眼中飽含淚水。形容人十分激動或悲痛。

77、飲泣吞聲：飲泣：忍住淚水；吞聲：咽下哭聲。眼淚只能往肚里流，不敢哭出聲來。形容受壓迫時，忍受痛苦，不敢公開表露。

78、血淚盈襟：血淚：悲痛的眼淚；盈：滿。眼淚流濕了衣襟。形容非常悲痛。

79、破涕為笑：涕：眼淚。一下子停止了哭泣，露出笑容。形容轉悲為喜。

80、痛哭流涕：涕：眼淚。形容傷心到極點。

篇6

【關鍵詞】拉米夫定；替比夫定；恩替卡韋；HBeAg定量；療效

【中圖分類號】R512 【文獻標識碼】A 【文章編號】1004-7484（2014）02-0704-02

抗病毒治療是慢性乙型肝炎（chronic hepatitis B，CHB）治療的關鍵，應用核苷類似物抗病毒治療，有作用快，不良反應少，服用方便的優點，目前應用核苷類似物治療慢性乙型肝炎的患者為數眾多。但核苷類似物普遍存在只能抑制病毒復制，未達到血清學轉換不能停藥，長期使用還有出現病毒變異和耐藥的風險，因此尋找恰當的臨床監測指標預測療效，[1-2]并根據患者應答反應及時調整治療方案是目前慢性乙型肝炎患者抗病毒治療的熱點和難點問題。我們選擇我院66例服用核苷類似物治療的HBeAg陽性的慢性乙型肝炎患者，觀察治療過程中HBeAg、HBVDNA定量的變化，發現可以根據HBeAg的變化來預測核苷類似物的療效。現將有關內容報告如下：

1 材料與方法

病例來源2010年1月至2012年12月門診及住院的66例HBeAg陽性慢性乙型肝炎患者，男45例，女21例，年齡18-36歲，中位年齡為25歲，診斷符合2010年修訂的《慢性乙型肝炎防治指南（2010年版）》診斷標準（3），排除甲型肝炎（HAV）、丙型肝炎（HCV）、戊型肝炎（HEV）、人類免疫缺陷病毒（HIV）等其他病毒感染，既往未應用抗病毒治療及免疫調節劑。66例患者分為三組，應用拉米夫定治療的36人，替比夫定18人，恩替卡韋治療的12人，三組患者的性別、年齡差異無統計學意義。

治療方法 拉米夫定 （賀普丁，葛蘭素史克制藥（蘇州）有限公司） 100 mg，每日1次口服，替比夫定（素比伏，北京諾華制藥有限公司）600 mg，每日1次口服，恩替卡韋（博路定，中美上海施貴寶制藥有限公司 ）0.5 mg，每日1次口服， 根據患者肝功能情況適當應用保肝藥物，ALT > 5倍正常值應用甘草酸二銨注射液250 ml靜脈滴注每日1次，肝功能好轉改為甘草酸二銨腸溶膠囊口服100毫克每日3次，肝功正常再減量為100毫克日2次鞏固2周停服保肝藥物；ALT < 5倍正常值應用甘草酸二銨腸溶膠囊口服150毫克，每日3次，肝功能好轉后減量為100毫克，每日3次，肝功正常再減量為100毫克，每日2次，鞏固2周停保肝藥物。抗病毒治療時間觀察至2年。

檢測方法 使用促凝管抽取5 ml靜脈血，立即分離血清，置于2～8 ℃ 保存。HBV DNA定量采用聚合酶鏈反應（PCR-熒光探針法）（深圳市匹基生物工程有限公司生產的乙型肝炎病毒核酸擴增熒光定量檢測試劑盒），檢測下限為500拷貝/ml。HBeAg定量采用化學發光法（LiCA）（博陽生物科技有限公司生產的儀器及配套試劑），HBeAg檢測范圍為0～65 PEIU/ml。

觀察指標 觀察三組治療前、治療24周、52周、72周、104周的HBeAg、 HBVDNA定量，分析早期HBeAg定量的變化與耐藥發生的相關性，預測遠期療效。

療效評價 72周時，HBV DNA低于檢測下限并HBeAg消失或血清學轉換為有效，否則為無效，72周內再次出現HBV DNA高于檢測下限為病毒學突破

統計學方法 應用SPSS 13.0軟件分析，計量資料以 ± s表示，組間采用t檢驗進行比較，P < 0.05為差異有統計學意義。

結果：拉米夫定組、恩替卡韋組未見明顯不良反應，替比夫定組有4例出現肌酸激酶增高，其中一例CK最高達1025u/L，均無明顯肌肉酸痛，囑其減少運動量并密切觀察，未予停藥， 2周后化驗CK下降，之后定期檢測CK未再出現明顯增高情況。66例患者中有效25例，無效41例，24周內所有患者HBV DNA轉陰，未發現有原發耐藥病例，隨訪至104周，后期HBeAg變化不顯著，病毒耐藥病例未有增多。

篇7

關鍵字：數據挖掘；Web數據挖掘；聚類分析；聚類算法

一、引言

隨著計算機技術、數據庫技術、網絡技術的飛速發展，各種信息知識可以在網絡上獲得。網絡在給人們帶來便利的同時也帶來了不少弊端，造成了知識的"污染"，面臨信息的海洋，呼喚一種從數據海洋中去粗取精、去偽存真的技術來準確、快速地獲取有用的、隱含的信息，在這種形勢下，Web數據挖掘技術應運而生。

近年來，時空數據挖掘已受到國際學術界和工業界的廣泛關注，時空信息的認知和數據模型的研究進展是時空數據挖掘研究的基礎，時空數據挖掘的理論研究主要受到空間數據挖掘和時態數據挖掘研究的影響，并以經典的數據挖掘理論為基礎，挖掘時空知識或規則。

時空聚類分析作為時空數據挖掘的一個主要研究內容，是計算機科學與地球信息科學領域交叉研究中的一個最前沿、最具挑戰的研究課題。時空聚類分析旨在從時空數據庫中發現具有相似特征的時空實體結合（即時空簇），亦是傳統的聚類分析從空間域到時空域的進一步擴展。時空聚類在全球氣候變化、公共衛生安全、地震檢測分析以及犯罪熱點分析等領域具有重要應用價值，有助于更好地發現和分析地理現象發展變化的趨勢、規律與本質特征。

本文把時空聚類分析應用在Web數據挖掘中，具有很強的現實意義與理論價值。一方面，通過聚類挖掘可以找空間實體即水性漆生產商的地理分布規律，幫助決策者更快地找到所需的信息；另一方面，對行業數據重新組織，讓相鄰、相近的數據盡量編排在一塊，可以提高訪問速度，對于預測整個水性漆行業的發展動態有積極的意義。

二、國內外研究現狀及分析

國內外學者已經針對時空聚類分析開展了初步的研究，現有的時空聚類方法主要包括時空掃描統計方法、基于密度的方法以及基于時空距離的方法。最近， Kisilevich[1] 等對時空聚類分析方法進行了較為系統的闡述。時空聚類分析研究雖然已經取得一定成果，但依然面臨兩方面難點： （1） 時空數據具有時空耦合的特點。 時空數據是空間維與時間維的有機組合， 空間數據與時序數據的一些性質并不能直接推廣到時空域。 例如， 空間數據不存在過去、現在、將來的區別， 而時空數據卻具有這種特性；（2） 時空數據具有時空相關性與時空異質性兩個重要性質。 時空數據的分布在時間和空間上具有關聯性， 也會隨著時間和空間的變化而產生差異。 此外， 當前的時空聚類分析研究仍沒有形成一套具有普適性的理論方法框架。

現有的時空聚類方法主要包括時空掃描統計方法、基于密度的方法以及基于時空距離的方法。 最近， Kisilevich 等對時空聚類分析方法進行了較為系統的闡述，其主要思想是采用一個預設的時空掃描窗口， 即由空間距離定義半徑、時間間隔定義高度的圓柱體， 以每個時空實體為中心進行掃描， 借助統計檢驗的方法確定疾病爆發的聚集區域。 該方法一方面需要預先假定數據的概率分布模型， 且結果受掃描窗口的影響較大， 另一方面不能詳細描述時空簇的位置和形狀信息。最近， Pei 等發展了一種基于窗口鄰近的時空聚類方法， 其主要思想是定義一個圓柱形的時空鄰近域， 在每個時空鄰域內區分聚集部分和噪聲部分， 并采用 DBSCAN 密度相連的策略將聚集部分連接成時空簇。 該方法只能針對僅存在兩種 Poisson 分布（簇與噪聲） 的時空數據進行時空聚類操作， 且無法顧及時空實體的非空間屬性。 基于時空距離的方法可以區分為兩類， 一類是從時間、空間兩個角度分別定義時空鄰近實體； 另一類是綜合定義時空耦合距離， 這類方法主要用于地震序列的時空聚集性發現， 在實際中時空屬性的融合比較困難。

綜上分析， 可以發現目前尚缺乏一種能夠同時顧及時空實體的非空間屬性和時空實體時空耦合特性的時空聚類方法。 為此， 下面將發展一種時空聚類分析的新策略。

三、時空聚類分析在Web數據挖掘中的研究與應用

1.研究目標：本課題通過在研究空間數據挖掘、XML 數據挖掘、時空數據挖掘基礎上，對時空聚類的關鍵技術進行分析，設計出適合Web數據挖掘的時空聚類挖掘的算法并構建原型系統，實現對行業網站數據時空聚類挖掘。

2.研究內容：（1） 數據的聚集趨勢估計，即判斷數據能否進行聚類分析； （2） 聚類方法設計； （3） 聚類結果有效性評價。在地理空間中，時間和空間上的相關性是時空實體的基本特征，也是進行時空聚類分析的前提。若實體間沒有相關性，則不會產生明顯的聚集現象。時空聚類旨在將時空相關性較強的時空實體聚在同一簇，時空聚類過程中必須充分考慮實體間的相關性。因此，時空聚類分析可以歸納為 3 個步驟。

首先，需要對時空數據進行探索性分析，掌握時空數據的特性。其主要包括： （1） 時空相關性分析，判斷時空數據是否可以進行時空聚類分析；（2） 時空平穩性分析，分析時空數據的時空異質特征。

其次，根據時空數據的具體特點發展專門性的時空聚類方法。

最后，需要對時空聚類分析的結果進行分析和評價。

擬解決的關鍵問題：從時空數據的基本特征出發，建立一套時空聚類分析的理論方法框架，并提出一種時空一體化的時空聚類方法，應用于中國水性漆網的Web數據庫，確認其有效性。

3.項目研究方案：

第一步：時空聚類分析：包括時空數據探索性分析、時空鄰近域構建和時空聚類方法。

第二步：中國水性漆網站數據時空聚類分析，包括數據描述與預處理：選取中國水性漆網站數據庫進行實例分析；時空數據探索性分析：首先對數據的空間相關性進行檢驗，這里借助變差函數來分析空間相關性。進而，采用普通 Kriging方法進行插值；一種基于 LINQ 查詢與 K-Means 結合的時空聚類算法：在分析、比較經典聚類算法的基礎上，結合水性漆網站時空數據的特點，提出了一種將擴展的 XML 文檔查詢語言LINQ與經典的K-Means聚類算法相結合的算法，通過實驗驗證該算法的有效性及優越性。

時空聚類原型體系結構及設計實現：為驗證算法的實用性，基于 ArcEngine采用 C#語言開發了水性漆網站數據時空聚類原型系統。

四、結束語

本文提出了時空聚類分析的理論方法框架， 該框架易于推廣用于其他類型的時空數據， 具有很強的普適性；很好地顧及了時空數據的時空耦合、時空相關與時空異質特征， 避免了過多人為主觀因素的干擾， 時空聚類結果具有較好的可靠性。

參考文獻：

[1] 陸玉昌。數據挖掘與知識發現[M]。成都：西南交通大學出版社，2005

[2] 金艷云。Web數據挖掘綜述[J]。現代計算機，2012（11）

[3] 莊怡雯。基于聚類算法的Web日志挖掘應用研究[D]。東華大學，2010

[4] 劉小利，劉小輝。數據聚類算法在Web數據挖掘中的應用[J]。科技創新導報，2012（31）

篇8

【關鍵詞】 類風濕關節炎；證候；BP神經網絡；非線性建模

證候是一個非線性復雜系統，中醫證候的診斷過程，實質上是由臨床收集到的各種癥狀，通過分析歸納，獲得證型診斷的過程，這個過程，可以看作是一個從觀察指標到證型診斷的非線性映射過程，用非線性數學模型可以充分模擬。基于黑箱結構的人工神經網絡(Artificial Neural Networks，ANN)具有強大的非線性擬合能力，能夠任意精度逼近非線性函數，因此，我們將其用于類風濕關節炎(rehumatoid arthritis，RA)證候的非線性建模研究。

1 臨床資料

本研究采用中國中醫科學院望京醫院提供的765例RA臨床證候資料。參考《中藥新藥臨床研究指導原則(試行)》[1]、文獻整理結果及專家經驗，制定臨床觀察表。共觀察183個癥狀、體征，每個癥狀按無、輕、中、重分別記為0、1、2、3分；并同時給出肝腎不足證、寒濕阻絡證、瘀血阻絡證、氣血兩虛證、痰瘀阻絡證、陰虛內熱證、熱毒蘊結證、寒熱錯雜證、脾腎陽虛證等10個基本證型的診斷。從上述病例中抽取臨床癥狀和證型診斷構成樣本集合，作為神經網絡的學習和測試樣本。在神經網絡的訓練過程中，癥狀向量作為神經網絡的輸入向量，證型診斷分別對應網絡的輸出向量。

2 研究方法

2.1 數據預處理及病例分組

先對所有數據進行歸一化處理，使處理后的輸入輸出信息均在(0，1)區間。對上述數據進行主成分分析，主成分的選擇標準定為95%。數據經過主成分分析，前98個主成分的貢獻率涵蓋了總共183個指標的95.035%的信息，故我們取前98個主成分作為進一步分析的指標。通過主成分分析，輸入向量從183個減至98個。可見原始數據有很大的冗余。

將765例樣本隨機分為A、B、C 3組，每組255例。依次選取其中兩組作為訓練集，另一組作為測試集，共循環3次。

2.2 建立基于共軛梯度下降算法的類風濕關節炎證候BP網絡模型

2.2.1 類風濕關節炎證候BP神經網絡的結構

在MATLAB7.0環境下，建立基于共軛梯度下降算法的三層前向BP神經網絡模型。該模型包括輸入層、隱層和輸出層，其中輸入層包含183個輸入神經元；隱層有2個，各包含100個神經元；輸出層包含10個輸出神經元。兩個隱層之間通過正切S型傳遞函數(tansig)連接，隱層與輸出層之間用對數S型傳遞函數(logsig)連接。設定該網絡的系統誤差小于0.01，最大迭代次數500次。

2.2.2 類風濕關節炎證候BP網絡的輸出方式

將具有肝腎不足證、寒濕阻絡證、瘀血阻絡證、氣血兩虛證、痰瘀阻絡證、陰虛內熱證、熱毒蘊結證、寒熱錯雜證、脾腎陽虛證等10種證型診斷樣本的期望輸出值分別定為(0，1，0，0，0，0，0，0， 0，0)，……，(0，0，0，0，0，0，0，0，0，1)。預測整合輸出值為(0， 0.2，0.4，0.6，0.8，1)，這6個數值分別對應原始輸出值的(0－0.1，0.1－0.3，0.3－0.5，0.5－0.7，0.7－0.9，0.9－1)區間的數值。整合輸出值≤0.4為診斷不成立，≥0.6為診斷成立。

2.2.3 基于共軛梯度下降算法的類風濕關節炎證候BP神經網絡模型的訓練

網絡參數的初始值取為[-0.5，+0.5]上均勻分布的隨機數，利用train函數對網絡進行訓練，第1次訓練經過89次迭代以后，網絡的系統誤差降至0.009 450 59；第2次訓練經過56次迭代后，網絡的系統誤差降至0.009 423 47；第3次訓練經過58次迭代以后，網絡的系統誤差降至0.009 174 36。上述數值均小于規定的最小誤差0.01，提示網絡趨于穩定，網絡性能達標，訓練自動停止。

2.2.4 類風濕關節炎證候BP神經網絡模型的測試

該網絡模型的權值趨穩，訓練結束后，分3次分別對1/3測試樣本做檢驗。規定單證陽性診斷的符合情況為單證特異性；所有單證診斷的符合情況為單證準確率；病例的全部證型診斷符合情況為診斷準確率。即：單證特異性(%)＝預測輸出所有單證陽性符合例數/期望輸出所有單證陽性例數×100%；單證準確率(%)＝預測輸出所有單證符合例數/期望輸出所有單證例數×100%；診斷準確率(%)＝預測輸出符合例數/所有病例數×100%。其中，以整合輸出值的大小排序，主證為證候的前2位證類，兼證為第3位證類，第3位以后的證類忽略不計。

3 結果

測試結果顯示：3次測試的平均單證特異性為81.31%，平均單證準確率為95.70%，平均診斷準確率為90.72%。結果見表1。表1 RA證候BP神經網絡模型測試結果與臨床診斷結果的比較（略）

4 討論

ANN的一個顯著特征是它能夠通過自動學習來解決問題，對樣本的學習過程，即為對網絡中神經元間的聯系強度(即權重系數)逐步確定的過程，通過對樣本的學習，可以學會識別自變量與應變量間的復雜的非線性關系。經過充分學習后的ANN獲取了樣本的特征規則，并將這些規則以數字的形式分布存貯在網絡的連接權中，從而構成了系統的非線性映射模型。用ANN建模，可將過程或對象看成一個“黑箱”，只要測得輸入輸出數據，就可以建立相應的模型，不必象傳統的系統辨識那樣把過程或對象分為線性系統還是非線性系統，也不必對過程或對象內部進行分析，這對未知過程的系統辨識是十分方便的。

中醫證候體系具有復雜系統的非線性、開放性、層次性、涌現性和高維性特征，是一個多維多階多變量的非線性復雜系統[2-3]。中醫學辨證施治過程，實質上是對大量數據信息作出處理，提取規律的過程。如何從中醫學大量現象學描述中尋找其內在規律，是證的規范化研究之熱點和難點。以往多采用統計學方法，但效果不夠理想。ANN作為一種智能信息處理系統，能夠充分逼近任意復雜的非線性關系，獲得樣本數據的規則，較好避免數據處理中可能摻雜的主觀因素，客觀如實地反映研究對象[4]，因此，可以將其用于中醫證候的非線性建模研究。

我們在MATLAB7.0環境下，對一組RA臨床證候資料建立了基于共軛梯度算法的BP神經網絡證候模型，并用3倍交叉驗證的方法進行測試，結果顯示：該模型具有很好的診斷、預測能力。說明ANN能夠充分模擬癥狀與證型診斷之間的非線性映射關系。這是目前在不打開人體黑箱的前提下，建立非線性證候模型、反映證候的內在規律和特征的有效方法。

BP神經網絡有一個明顯的缺點是收斂速度非常慢，為此，我們基于共軛梯度學習算法，采用trainscg函數改進train函數，從而加快了神經網絡的收斂速度。我們建立的RA證候網絡模型3次訓練的迭代次數分別為89、56、58，說明通過改進的BP神經網絡具有很好的收斂性能。

另外，針對臨床證候資料多存在兼夾證以及各證型之間有主次之分的情況，我們首先將模型的輸出采用1個輸出節點對應1種證型的方式，比如，RA證候模型共有10個證型，我們將包含10個證型的輸出采用(0，1，0，0，1，0，0，0，0，0)的方式，其中，括號內每一個數值代表一種證型，“0”表示診斷不成立，“1”表示診斷成立，這樣就可以診斷兼夾證了；然后，我們將整合輸出值整理成(0，0.2，0.4，0.6，0.8，1)等6個等級的方式，這6個數值分別對應原始輸出值的(0－0.1，0.1－0.3，0.3－0.5， 0.5－0.7，0.7－0.9，0.9－1)區間的數值，并規定整合輸出值≤0.4為診斷不成立，≥0.6為診斷成立，這樣就進一步根據整合輸出值的大小直接判斷有幾個兼夾證以及各證型的主次地位了。可見，我們建立的RA證候網絡模型不僅能夠利用神經網絡的自主學習能力從大量的樣本中抽提出比較全面的證候內在規律，具有良好的診斷、預測能力，而且操作簡便，真正實現了證候診斷的智能化。ANN技術是中醫證候非線性建模的可行性方法。

雖然我們已經證實了ANN用于證候非線性建模的可行性，但是，以目前的技術，還無法從網絡的聯接權中抽提出網絡通過自動學習所獲得的證候規律，今后可以圍繞這個關鍵問題繼續開展研究。另外，證候的診斷信息具有模糊性特征，用模糊神經網絡理論應更能夠逼近證候的全貌，我們曾經試圖用模糊神經網絡進行證候的非線性建模研究，但是，目前的模糊神經網絡還無法處理證候的兼夾問題，模糊神經網絡的輸出結果只能是多類中的一類，因此，我們暫時未作。今后我們將圍繞這方面展開深入研究，力爭建立證候的模糊神經網絡模型。

總之，一門學科只有不斷地吸納先進的思想與技術，在繼承的基礎上發展創新，才能真正具有生命力。中醫證候復雜系統研究，呼喚非線性科學、人工神經網絡、計算數學、模糊數學、信息工程、醫學工程、復雜性科學等多種邊緣學科、交叉學科理論和技術方法的介入，理論上的探討和不斷切實可行的實踐探索并行，才能使中醫證候規范研究從量的積累上升到質的飛躍。

參考文獻

[1] .中藥新藥臨床研究指導原則(試行)[S].北京：中國醫藥科技出版社，2002.115－119.

[2] 白云靜，申洪波，孟慶剛，等.基于復雜性科學的中醫學發展取向與方略[J].中國中醫藥信息雜志，2005，12(1)：2－5.

[3] 白云靜，申洪波，孟慶剛，等.中醫證候復雜性特征及證候研究思路探析[J].中國中醫藥信息雜志，2004，11(9)：754－756.

[4] 白云靜，申洪波，孟慶剛，等.中醫證候研究的人工神經網絡方法探析[J].中醫藥學刊，2004，22(12)：2221－2223.

3 結果

測試結果顯示：3次測試的平均單證特異性為81.31%，平均單證準確率為95.70%，平均診斷準確率為90.72%。結果見表1。表1 RA證候BP神經網絡模型測試結果與臨床診斷結果的比較（略）

4 討論

ANN的一個顯著特征是它能夠通過自動學習來解決問題，對樣本的學習過程，即為對網絡中神經元間的聯系強度(即權重系數)逐步確定的過程，通過對樣本的學習，可以學會識別自變量與應變量間的復雜的非線性關系。經過充分學習后的ANN獲取了樣本的特征規則，并將這些規則以數字的形式分布存貯在網絡的連接權中，從而構成了系統的非線性映射模型。用ANN建模，可將過程或對象看成一個“黑箱”，只要測得輸入輸出數據，就可以建立相應的模型，不必象傳統的系統辨識那樣把過程或對象分為線性系統還是非線性系統，也不必對過程或對象內部進行分析，這對未知過程的系統辨識是十分方便的。

中醫證候體系具有復雜系統的非線性、開放性、層次性、涌現性和高維性特征，是一個多維多階多變量的非線性復雜系統[2-3]。中醫學辨證施治過程，實質上是對大量數據信息作出處理，提取規律的過程。如何從中醫學大量現象學描述中尋找其內在規律，是證的規范化研究之熱點和難點。以往多采用統計學方法，但效果不夠理想。ANN作為一種智能信息處理系統，能夠充分逼近任意復雜的非線性關系，獲得樣本數據的規則，較好避免數據處理中可能摻雜的主觀因素，客觀如實地反映研究對象[4]，因此，可以將其用于中醫證候的非線性建模研究。

我們在MATLAB7.0環境下，對一組RA臨床證候資料建立了基于共軛梯度算法的BP神經網絡證候模型，并用3倍交叉驗證的方法進行測試，結果顯示：該模型具有很好的診斷、預測能力。說明ANN能夠充分模擬癥狀與證型診斷之間的非線性映射關系。這是目前在不打開人體黑箱的前提下，建立非線性證候模型、反映證候的內在規律和特征的有效方法。

BP神經網絡有一個明顯的缺點是收斂速度非常慢，為此，我們基于共軛梯度學習算法，采用trainscg函數改進train函數，從而加快了神經網絡的收斂速度。我們建立的RA證候網絡模型3次訓練的迭代次數分別為89、56、58，說明通過改進的BP神經網絡具有很好的收斂性能。

另外，針對臨床證候資料多存在兼夾證以及各證型之間有主次之分的情況，我們首先將模型的輸出采用1個輸出節點對應1種證型的方式，比如，RA證候模型共有10個證型，我們將包含10個證型的輸出采用(0，1，0，0，1，0，0，0，0，0)的方式，其中，括號內每一個數值代表一種證型，“0”表示診斷不成立，“1”表示診斷成立，這樣就可以診斷兼夾證了；然后，我們將整合輸出值整理成(0，0.2，0.4，0.6，0.8，1)等6個等級的方式，這6個數值分別對應原始輸出值的(0－0.1，0.1－0.3，0.3－0.5， 0.5－0.7，0.7－0.9，0.9－1)區間的數值，并規定整合輸出值≤0.4為診斷不成立，≥0.6為診斷成立，這樣就進一步根據整合輸出值的大小直接判斷有幾個兼夾證以及各證型的主次地位了。可見，我們建立的RA證候網絡模型不僅能夠利用神經網絡的自主學習能力從大量的樣本中抽提出比較全面的證候內在規律，具有良好的診斷、預測能力，而且操作簡便，真正實現了證候診斷的智能化。ANN技術是中醫證候非線性建模的可行性方法。

雖然我們已經證實了ANN用于證候非線性建模的可行性，但是，以目前的技術，還無法從網絡的聯接權中抽提出網絡通過自動學習所獲得的證候規律，今后可以圍繞這個關鍵問題繼續開展研究。另外，證候的診斷信息具有模糊性特征，用模糊神經網絡理論應更能夠逼近證候的全貌，我們曾經試圖用模糊神經網絡進行證候的非線性建模研究，但是，目前的模糊神經網絡還無法處理證候的兼夾問題，模糊神經網絡的輸出結果只能是多類中的一類，因此，我們暫時未作。今后我們將圍繞這方面展開深入研究，力爭建立證候的模糊神經網絡模型。

總之，一門學科只有不斷地吸納先進的思想與技術，在繼承的基礎上發展創新，才能真正具有生命力。中醫證候復雜系統研究，呼喚非線性科學、人工神經網絡、計算數學、模糊數學、信息工程、醫學工程、復雜性科學等多種邊緣學科、交叉學科理論和技術方法的介入，理論上的探討和不斷切實可行的實踐探索并行，才能使中醫證候規范研究從量的積累上升到質的飛躍。

參考文獻

[1] .中藥新藥臨床研究指導原則(試行)[S].北京：中國醫藥科技出版社，2002.115－119.

[2] 白云靜，申洪波，孟慶剛，等.基于復雜性科學的中醫學發展取向與方略[J].中國中醫藥信息雜志，2005，12(1)：2－5.

篇9

中國式英語是一種很普遍的現象。中國學生在英語學習的過程中習慣用漢語的方式來思考問題，并把漢語的應用規律也放到所學的目的語中，母語在外語學習的過程中產生了極大的干擾作用，從而產生了一種不標準的英文變體，這種變體可以表現在語音，詞匯，句法，語篇及語用的各個方面，這就是人們俗稱的中國式英語。很多學者都認為，中國式英語是由于母語文化與目的語文化之間的差異引起的，普遍認為中國式英語是一種不規范的語言類型(morbid language)。

語言與文化有著密切的聯系，由于語言的產生和發展，人類文化才得以產生和傳承。中國是一個有著五千年悠久歷史文化的大國。中國文化對于世界的影響力自古就有。作為擁有人口數量位于世界第一的中國，語言的傳播和影響力是不容忽視的。語言既是文化的載體，又是文化的寫照。文化影響語言，語一言反映文化。由于語言和文化密不可分，語言學習和文化學習也是不可分的。語言學習在文化學習中進行。沒有語言作為正規非正規的學習手段，就決不可能學到任何文化。任何人習得一種語言的同時，也該學習該語言的文化，因為語言是一種文化的表現形式與承載形式，不了解這個民族的文化，也就無法真正學好該民族的語言。所以我們說，學習英語就需要了解英語國家的文化，傳統及風俗習慣，了解中西方文化的差異。

中國式英語最早產生是在文化傳輸的輸入中產生的，其根本原因就是缺乏西方文化知識引起的。絕大多數的中國學生都是在漢語言文化這個環境下學習英語，中西方文化差異就成為了中國學生學習英語過程中面臨的最大問題，學生在說英語或在寫英語作文的時候所犯的語言錯誤有不少其實是“文化錯誤”。所謂“文化錯誤”，是指學習者所使用的目的語不為口的語國家的人們所理解或接受。以兩個最為典型的例子來說明這種情況。

首先是打招呼。用英語打招呼最常用的的是用“hello"，"good morning"，"how are you”等用語，隨便的一點可以用“Hi"。但是很多外國友人或者外籍教師都發現中國學生不太習慣使用這些打招呼的方式。當那些學生在校園里碰到的時候，更多的是會lb]諸如:"Have you eaten?，，或者“Where are you going to?”一類的問題。這些問題讓人很尷尬，也不知道該怎么回答。事實上這些就是中國式英語的表現，中國人見面了，都會用這樣的問候語來互相打招呼。中國人無視國外保護隱私的習慣，也把這種打招呼的方法用到交流中，勢必會造成誤解。

還有一種情況是在面對別人的贊揚的反應。當英語國家的人們聽到自己的贊揚的時候，多數是回答“thank you"。但中國人聽到贊揚的時候，如果回答謝謝，別人多會認為這個人不怎么謙虛，甚至覺得太自夸了，所以中國人一定會對別人的贊揚表現為自謙或者自我否定。如果不知道中西文化的差異，問題就來了。很多學生在聽到別人的贊揚的時候，肯定就會說，"No， I am not good as you say.”等等，初到中國的不了解文化的外教也會覺得不知所云。

因此，由于缺乏跨文化意識而導致的中國式英語的例子還有很多。這一方面說明了在外來語的學習中，文化意識的培養還相當欠缺。用漢語思維來進行英語交流時普遍存在的問題。許多英語老師在講解英語語言知識和語法知識的時候很熟練，但涉及到跨文化交際能力的時候，就會出現文化知識不夠豐富，語用能力隨之較弱的情況。隨著經濟和社會的發展以及國際交往的日益頻繁，對英語的實際應用能力的要求越來越高，尊重和接納他國文化就成為交往中不可回避的內容。

在英語學習中，教師應強調英美文化的導入。學生在教師的引導下，應該逐步積累，意識到學習語言不應該只學習語法句法，更重要的是了解不同的文化，用所學語言傳承文化和表達文化，讓文化融解于語言之中。這也是為什么很多大學開設《英美文化》等課程，對學生理解所學語言的文化起到了積極的作用，同時也幫助學生更有效的使用語言。

隨著中國的改革開放和日益與世界接軌的發展進程，越來越多的外國人在與中國人的接觸中開始慢慢的接觸中國式英語，并且認可中國式英語的語法規則和意義的表達。

語言習得的完成，是某種思維方式形成的標志。德國語言學家，哲學家洪堡特認為，語言不僅有表達功能，而且還有認知功能，是“一個民族進行思維和感知的工具”，每一種語言都包含了一種獨特的世界觀。因此當中國式英語在表達中國特點具有中國特色的時候，不可避免的由操漢語的人固有的思維模式和中國特有的傳統文化影響，在英語中夾帶中國特點，這也是中國式英語的一種特別的表現形式。

要使英語和中國特有的社會和文化也絕不是一件容易的事情。中國環境有的東西要想單純通過語言讓對這一環境一無所知得人了解，往往還是要費一番周折，人們只有通過語言表層，了解其深層的社會文化內涵之后，才能進行真正的溝通和相互了解。這也是將中國傳統文化和現在的社會文化介紹并傳播的一個有效途徑。

從詞匯角度出發，中國式英語這時是一種輸出性語臺，但不可避免的將文化滲透其中，是英語帶上明顯的中國特色。諸如氣功，地方戲曲，傳統習俗和日常生活等方面的許多名稱或術語，很多是通過音譯在英語中使用。事實上，很多的漢語借詞早已進入英語辭典中，如:wushu，kungfu，quyi，erhu，yamen mahjong等等。

我國還有豐富的成語，諺語，典故和警句等，怎么樣將它們翻譯成英語是一個值得探討的問題。比如如果硬將"papertiger"翻譯為“scarecrow"就失去了“紙老虎”這一詞本身所具有的文化底蘊。這種情況很多，漢語在外來語的吸入中也注意到了。比如“特洛伊木馬”，“潘多拉盒子”，“鱷魚眼淚”之類的。這樣的互相滲透，不僅是思想的交流，也是語言的交流。

中式英語比較成熟，直接了當地說事，不拖泥帶水，早就得到國際承認，最著名的當屬long time no see。英國作家蕭伯納當年曾說過，中國的洋注洪英語no can(不能)比正宗英語unable (不能)要清晰明了，值得仿效。類似的例子還有“你問我，我問誰”=You ask me， me ask who?

還有些中式英語是在與時俱進的發展中產生的。截取意義完整準確的兩個英語詞匯的一部分構成新詞診釋中文時事詞匯。

篇10

關鍵詞：跨文化交際，習語，文化差異，翻譯

 

1 引言

跨文化交際學在我國的歷史很短，但是發展速度卻相當快。隨著翻譯逐漸被認同為一種跨文化交際的行為，人們也開始從跨文化交際的角度來研究翻譯。語言是文化的載體，習語是語言的精華，蘊含深厚的文化內涵。習語，是指經過人們長期使用沿襲而提煉出來的形式簡潔、意義精辟的定型詞組或短語。就廣義而言，習語包括成語、諺語、俗語、歇后語、俚語、格言等。英語和漢語是高度發展的語言，歷史悠久，蘊含著大量的習語。然而，英漢文化多方面的差異影響人們正確理解和恰當使用習語。本文將在理解英漢文化差異的基礎上淺析如何處理英漢習語中形象的翻譯方法。

2 英漢習語的特點與對應關系

習語具有以下特點：1、來自民間。具有鮮明的人民性和民族特色；2、習語是語言的重要修辭手段，也是各種修辭手段的集中體現；3、習語是語言中的特殊成分，它在意義上具有整體性，在語法和邏輯推理上有時不符合一般的規律，在用詞上保持相對固定。

根據形式和含義相似程度的不同，英漢習語主要呈現三種對應關系。

2.1 基本對應

基本對應指的是英漢習語在意義和用法上大致相同，有的內容與形式基本一致，有的內容一致，形式有所不同，但總的看來，基本對應。，跨文化交際。英漢習語的形象和比喻意相似或者甚至相同時，可采用直譯法。如：walls have ears— 隔墻有耳；as light as a feather — 輕如鴻毛；Failure isthe mother of success. — 失敗乃成功之母等。

2.2 部分對應

部分對應是指英漢習語形象不同但喻意相同或者是形象相同喻意不同。它們或多或少地反映出文化特質的相似性。翻譯時必須小心謹慎，根據隱含意思而不是字面意思翻譯。因此不能采用直譯法，形象必須改變。如：as strong as a horse — 健壯如牛；to spend moneylike water — 揮金如土；There is no smoke without fire. — 無風不起浪等。

以上英漢習語含義相似，但其中形象完全不同，其中英文習語中的“horse，water，smoke和fire”分別對應中文習語中的“牛、土、風和浪”。

2.3 基本不對應

英漢習語中有一些習語在意義和用法上沒有或很少相似。每個習語都有自己的意義和形象，并傳遞著文化色彩。若直譯，將傳遞錯誤信息并造成誤解。譯者應在完全理解習語文化內涵的基礎上采用意譯法，翻譯出隱含意思。如：talk through one’s hat — 胡言亂語；to be as poor as Job — 家徒四壁；Every dog has his day. — 人人都有得意之日等。

3 英漢習語的文化差異

習語好比是一面鏡子，反映出一個民族或一個文化的特征。理解英漢習語背后的文化差異有助于習語的理解和翻譯及跨文化交際。

3.1 生活環境

英國是一個四面環水的島國，英國人喜歡航海，因此很大一部分習語源于航海事業。如:to know the ropes （懂得秘訣）；all at sea（茫然不知）；plainsailing（一帆風順）和to rest one’s oars（暫時歇一歇）等等。

而中國自古以來長期是一個以農業為主的大國，農業人口占很大比例，長期積累了許多與農業相關的習語。如：守株待兔、拔苗助長、桃李滿天下、瑞雪兆豐年、誰知盤中餐，粒粒皆辛苦、撿了芝麻，丟了西瓜等。

3.2 風俗習慣

英漢風俗習慣的差異是多方面的，較典型的體現在對動物的態度上。英美國家把狗當作最好的朋友，狗是忠誠的象征。許多關于狗的英文習語通常帶有褒義，如：top dog — 重要的人；lucky dog — 幸運兒；to dog one’ssteps — 跟某人走；Love me, love my dog — 愛屋及烏等。

相反，漢語中狗的形象卻截然不同，通常帶有貶義。中國民間雖然有養狗的習慣，但一般在心理上卻厭惡鄙視這種動物，常用來形容和比喻壞人壞事。如：狗腿子、狗崽子、狗膽包天、狗急跳墻、狗眼看人低、狗拿耗子——多管閑事等。

3.3 宗教信仰

不同的宗教是不同文化的表現形式，反映出不同的文化特色和不同的文化背景，體現了不同的文化傳統。英文習語有不少來源于《圣經》，與基督教有關。，跨文化交際。如：Man proposes, God disposes.（謀事在人，成事在天）；Whom God wouldruin, he first deprives of reason.（傷天害理，天誅地滅）； God help those who help themselves.（自助者天助）等。

而另一方面，中國文化深受佛教、道教、儒家思想的影響，其中佛教影響最深遠。習語明顯地反映出佛教的影響。如：借花獻佛；做一天和尚撞一天鐘；苦海無邊，回頭是岸；泥菩薩過江——自身難保；一個和尚挑水吃，兩個和尚抬水吃，三個和尚沒水吃等。

3.4 歷史典故

英文和中文屬于完全不同的文化體系，發展遵循不同的歷史軌跡。不少常用習語來源于歷史事件、神話傳說、寓言故事、民間習俗等等。一些英文習語的字面意義和比喻意義都能為中國讀者所接受，只有充分理解其中歷史文化內涵才能正確翻譯。如：a Judas kiss（猶大之吻 —— 背叛行為）；crocodile tears（鱷魚眼淚 —— 假慈悲）；Trojan horse（特洛伊木馬 —— 暗藏的敵人或危險）；Towerof ivory（象牙塔 —— 比喻世外桃源）；Sphinx’sriddle（斯芬克司之謎 —— 難解之謎）等。

中文習語同樣包含提煉自歷史典故的經典形象，若不了解習語的背景歷史文化，多數人會迷惑不解，如：四面楚歌、初出茅廬、懸梁刺股、煮豆燃萁、葉公好龍、畫蛇添足、臥薪嘗膽、刻舟求劍、說曹操到曹操就到、身在曹營心在漢等等。

4 英漢習語的翻譯方法

翻譯是用一種語言把另一種語言形式里的內容重新表現出來的語言實踐活動。譯文應忠實于原語言的內容和形式，正確處理習語中包含的形象。，跨文化交際。根據以上分析的三種對應關系，本文淺析了三種針對形象處理的翻譯英漢習語的有效方法，努力再現原語習語的風格和形式。

4.1 保留形象的直譯法

英漢習語中有少數基本對應的習語，彼此在喻義上對等，形象上巧合，翻譯時可用譯語中的形象再現原語習語中的形象來直譯。如：

“Please stop throwingcold water on them”中“throw cold water”有兩種譯文：（1）潑冷水；（2）反對。，跨文化交際。在保留原語英語形象上譯文（1）明顯比（2）更好，因為“throwcold water”的隱含意思與“潑冷水”相同，且兩者的詞序完全一致。

“隔墻有耳”與“walls haveears”意思一致，都是被其他人無意中或偷聽到秘密的討論。兩者字面意和比喻意相似，且隱含意思相同，所以可以保留隱喻形象直譯。

4.2 轉換形象的意譯法

習語翻譯時需要忠實于原語習語的內容和形式，然而當無法在譯語中再現原語習語的形象時，可用符合譯語的表達習慣并為譯語讀者所熟悉的形象替換原語的形象，借助譯語中對應的形象，使讀者得到相似的理解。如：“the apple of one’s eyes”中形象“eyes和apple”可轉換為“掌上明珠”中的“掌、明珠”；“對牛彈琴”中形象“牛、琴”可轉換為“swine和pearl”正好與“cast pearls before swine”意義相近，譯文讀者能理解，也有利于中英文化交流。

4.3 舍棄形象的意譯法

有些習語的形象既無法在譯語中再現，也無法轉換到譯語中，較好的方法是舍棄原語習語中的形象，在透徹理解原語習語的基礎上用簡潔生動的語言譯出原語習語的隱喻意。如：

“During the dog days, hewanted to buy an air-conditioner.”中“dogdays”有兩種譯文：（1）像狗一樣的日子；（2）三伏天或酷熱期。很明顯譯文（2）更確切，意為一年中最熱的時期，譯文（1）的字面意思曲解了真正的含義。因此，應舍棄原語習語中“dog”的形象，采用意譯法。，跨文化交際。

再如“塞翁失馬，焉知非福”，如果保留原語形象逐字意譯為 “just like the old frontiersman losing his horse,who knows but that this may be a blessing in disguise”，不僅譯文比較長，而且如果讀者對文化背景一無所知就無法正真理解文化內涵。而意譯為 “misfortunemight be a blessing in disguise”或“a loss may turn out to be a gain”，雖舍棄形象但簡潔易懂。，跨文化交際。

5 結論

英漢習語具有鮮明的民族特色，蘊含豐富的文化內涵。通過理解英漢習語的文化差異來研究英漢習語的翻譯，有助于人們探求英漢不同的文化內涵，有利于中英跨文化交流。譯者應在充分理解習語文化內涵的基礎上，根據不同語境情況靈活處理習語中出現的形象，采用適當的翻譯方法，才能有效表達出原語的最佳意義，進行跨文化交際。

參考文獻：

[1]齊華文.論譯者的跨文化意識[J]. 東華大學學報（社會科學版），2005；5（2）

[2]包惠南，包昂.中國文化與漢英翻譯[M]. 北京：外文出版社，2004；190-197

[3]馮慶華.實用翻譯教程[M]. 上海：上海外語教育出版社，2002；1-112

[4]韓保憲.簡論英漢習語的三個對應關系[J].河南商業高等專科學校學報，2003；16（3）

[5]趙桂華.翻譯理論與技巧[M]. 哈爾濱：哈爾濱工業大學出版社，2003；181-184

[6]陳定安.英漢比較與翻譯[M]. 北京：中國對外翻譯出版公司，1998；253-255

[7]平洪，張國揚.英語習語與英美文化[M]. 北京：外語教學與研究出版社，2000；13-110