ترغب بنشر مسار تعليمي؟ اضغط هنا

الملامح السيميائية في النص الأوغسطيني

The Semiotic Features in the Augustian's text

1361   0   16   0 ( 0 )
 تاريخ النشر 2017
  مجال البحث فلسفة
والبحث باللغة العربية
 تمت اﻹضافة من قبل Shamra Editor




اسأل ChatGPT حول البحث

يتناول هذا البحث الملامح السيميائية في النص الأوغسطيني محاولاً الكشف عن طبيعتها و دلالتها. فيعرض بداية موضوع السيمياء و مفهومه و علاقته بالواقع السيمواجتماعي و السيموثقافي لدى السيميائين المعاصرين. ثم يناقش مفهوم العلامة و علاقتها بالتأويل في النص الأوغسطيني مظهراً ما يتميز به هذا الأخير من لغة رمزية, و هذا ما دفعنا إلى الخوض في عمق هذا النص محاولين فتح آفاق أوسع عن طريق البحث في عمق الوجود من أجل استخراج المعاني الخفية للرموز التي يتضمنها الوجود الخارجي للأشياء. كما يناقش خصوصية العلامة عند أوغسطين و التي لعبت فيها النظرة اللاهوتية للكون الدور الأساس, و كذلك يسعى لتحديد نقاط الالتقاء و الاختلاف مع بعض السيميائين المعاصرين, ليصل إلى الحديث عن أنواع العلامة عند أوغسطين, محاولاً في النهاية تقديم بعض النتائج في تحديد الملامح السيميائية في النص الأوغسطيني.

المراجع المستخدمة
MASIH,Y. Acritical History of Western philosophy ( creek, Mediev and Modern).india1993
STUMPH,SAMUALE .Philosophy,History and problem.New Yourk,Mcg raw-Hill,Inc,1994,p.996
قيم البحث

اقرأ أيضاً

طرق التعلم، وخاصة تكيف المجال، تساعد في استغلال البيانات المسمى في مجال واحد لتحسين أداء مهمة معينة في مجال آخر.ومع ذلك، لا يزال من غير الواضح العوامل التي تؤثر على نجاح تكيف المجال.نماذج الورق هذه النجاح ونجاح واختيار المجالات المصدر الأكثر ملاءمة ب ين العديد من المرشحين في تشابه النص.نستخدم معلومات المجال الوصفية ومقاييس التشابه عبر المجال كيزات تنبؤية.في الغالب إيجابية، تشير النتائج أيضا إلى بعض المجالات حيث كان من الصعب التنبؤ بنجاح التكيف.
مع وجود شعبية متزايدة للمتحدثين الذكية، مثل الأمازون اليكسا، أصبح الكلام أحد أهم طرق التفاعل بين الإنسان والحاسوب. يمكن القول إن التعرف التلقائي على التعرف على الكلام (ASR) هو العنصر الأكثر أهمية في هذه الأنظمة، حيث ينتشر أخطاء في التعرف على الكلام إ لى مكونات المصب التي تتحلل بشكل كبير من تجربة المستخدم. طريقة بسيطة وفعالة لتحسين دقة التعرف على الكلام هي تطبيق ما بعد المعالج التلقائي نتيجة التعرف. ومع ذلك، فإن التدريب على معالج ما بعد البيع يتطلب شركة موازية تم إنشاؤها بواسطة Annwotators البشرية، وهي مكلفة وغير قابلة للتحجيم. لتخفيف هذه المشكلة، نقترح النسخ الخلفي (BTS)، وهي طريقة قائمة على الدنيوية التي يمكن أن تنشئ مثل هذه الشركة دون عمل بشري. باستخدام CORPUS RAW، يقوم BTS بتلف النص باستخدام أنظمة تحويل النص إلى كلام (TTS) ونص الكلام إلى النص (STT). بعد ذلك، يمكن تدريب نموذج ما بعد المعالجة على إعادة بناء النص الأصلي مع إعطاء المدخلات التالفة. تبين التقييمات الكمية والنوعية أن المعالج بعد المعالج المدرب باستخدام نهجنا فعال للغاية في إصلاح أخطاء التعرف على الكلام غير تافهة مثل سوء الكلمات الأجنبية. نقدم Corpus الموازي الذي تم إنشاؤه ومنصة ما بعد المعالجة لجعل نتائجنا متاحة للجمهور.
هذهِ الدّراسةُ محاولةٌ لتسليطِ الضّوءِ على الأثر الذي تنتجهُ المفرداتُ النّصّيّةُ في التّشكيلِ الشعريِّ, و ممّا لاشكَّ فيه أنَّ سيميائيّةَ هذه المفرداتِ تسهمُ بشكلٍ فعّالٍ في إضفاءِ صفةِ الشعريّةِ على النّصِّ, لأنّها تمثلُ علاماتٍ تشيرُ إلى دلالاتٍ م تنوّعةٍ بتنوّعِ السياقاتِ التي تردُ فيها, كما أنَّ الدّيناميّةَ المتحقّقةَ من تفاعلاتِ المفرداتِ/ الدّوالّ في السّياق النّصيِّ تفتحُ آفاقاً جديدةً, و تمهّدُ لقراءاتٍ متنوّعةٍ وفاقاً لِنضجِ المتلقّي و حصيلتهِ اللّغويّةِ المعرفيّة, و من هنا انصبّ الاهتمام على المفردِ في البناءِ النّصّيِّ بوصفه مفتاحاً لإعادة الإنتاجِ من جديدٍ.
لقد نجحت النماذج اللغوية المدربة مسبقا للمحولات بشكل كبير في معظم مهام NLP التقليدية.لكنهم غالبا ما يكافحون في هذه المهام حيث يلزم التفاهم العددي.يمكن أن تكون بعض الأسباب المحتملة هي الأحمال وأهداف ما قبل التدريب غير المصممة خصيصا للتعلم والحفاظ على الحساب.نحن هنا التحقيق في قدرة نموذج تعلم تحويل النص إلى النصي (T5)، والذي تفوقت على أسلافه في المهام التقليدية لبرنامج التعاون الخليجي، لتعلم الحساب.نحن نعتبر أربع مهام الحسابية: التردد، تنبؤ ترتيب الحجم، والعثور على الحد الأدنى والحد الأقصى في سلسلة، والفرز.نجد أنه على الرغم من أن نماذج T5 تؤدي بشكل جيد في إعداد الاستيفاء، إلا أنهم يكافحون إلى حد كبير في إعداد الاستقراء عبر جميع المهام الأربعة.
تصف هذه الورقة مساهمتنا في المهمة المشتركة لإعادة تأييد Belz et al. (2021)، والذي يحقق في استنساخ التقييمات البشرية في سياق توليد اللغة الطبيعية. اخترنا توليد الورق من أوصاف الشركة باستخدام النماذج العميقة المفهوم إلى النص والنصوص العميقة: مجموعة الب يانات التجميع والأنظمة "(Qader et al.، 2018) وتهدف إلى النسخ المتماثل، عن كثب إلى الأصل ممكن، التقييم البشري والمقارنة اللاحقة بين الأحكام الإنسانية ومقاييس التقييم التلقائي. هنا، نقوم أولا بتحديد مهمة جيل النص في ورقة قادر وآخرون. (2018). ثم، نحن نوثق كيف اقتربنا نسخينا من التقييم البشري للورقة. نناقش أيضا الصعوبات التي واجهناها والتي كانت المعلومات مفقودة. النسخ المتماثل لدينا له علاقة متوسطة إلى قوية (0.66 سبيرمان بشكل عام) مع النتائج الأصلية للقادير وآخرون. (2018)، ولكن بسبب المعلومات المفقودة حول مدى قادير وآخرون. (2018) مقارنة الأحكام الإنسانية بدرجات متري، امتنعنا عن إعادة إنتاج هذه المقارنة.
التعليقات
جاري جلب التعليقات جاري جلب التعليقات
سجل دخول لتتمكن من متابعة معايير البحث التي قمت باختيارها
mircosoft-partner

هل ترغب بارسال اشعارات عن اخر التحديثات في شمرا-اكاديميا