《考拉小巫的英语学习日记》读书笔记

 对于未来 
 我只梦想最好的情况 并订下最踏实的计划
 而绝不花时间在无谓的担心上
 因为我知道
 只要把我对自己的承诺付诸实践 
 我的未来将不会只是一个梦  
                   
奋斗是为了让自己成长,
让自己变强大,
而不是为了去和他人比较;
奋斗的路途,
没有终点。

===============================================================

      • 背词的方法:    
                      1. 词根记忆法
   借助英文单词的构词词素来对单词的定义加以记忆
                      2.词缀记忆法
前缀和后缀,前缀会改变一个单词的意思,后缀改变单词的词性。
                      3.归类记忆法
按照词义归类在一起达到帮助记忆的目的,同义词、反义词等。
          4.谐音联想法
当无法用构词法记单词是,可以通过发音往他的汉语意思上靠
         5.循环往复法
循环的巩固背的内容,把单词书进行划分。标记错的单词,重复大量。
        6.语境记忆法
把单词带入到语境中,遣词造句。
      • 口语的训练:
    1. 大量的阅读和听力学习如何用最地道的英语来表达自己想表达的意思。遇到不熟悉的英文表达时,随时记录
    2. 提高口语的方式是看美剧或电影,将自己的答案和片中主人的词语进行比较。
      • 学习英语:
    1.制定合理的学习计划
制定一个合理的学习计划,已周为单位进行检验计划的实施
     2.打好坚实的学习基础
标准的发音、足够的单词量
    3.通过大量的阅读来培养英文思维和语感
    4.语言只有得到使用,才是活着的语言
写作和口语。写作可以养成每日一句话日记的习惯,慢慢增加;口语可以跟着电影练习。      

=======================================================================================================
   事情不会因为你一直担心就变简单,
反而会因为你不行动而变得更加困难。
你能做的,就是尽量不去瞎想,好好踏实行动。

      • 总结

坚持。聪明的人太多了,但大部分成功的人往往是那种能忍受寂寞、无聊的人,不断的鞭策自己,看清脚下的路。一步一步的走。不以物喜不以己悲。坚持下去我也能学好英语。

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
感谢您的问题。这是一个非常复杂的任务,需要使用自然语言处理和机器学习技术。以下是一个简单的Python实现,仅供参考。 首先,我们需要收集用户自然语言询问的数据。为了简化问题,我们可以手动构造一些句子: ``` 请给我买一张从北京到上海的火车票 我想去上海,请帮我定一张火车票 我要乘坐明天的G1234次列车,去广州 请问明天从上海到北京的火车票还有吗? ``` 然后,我们可以定义句子模板和语义槽。为了简化问题,我们只考虑出发地和目的地这两个关键词。我们可以定义以下句子模板: ``` 请给我买一张从[出发地]到[目的地]的火车票 我想去[目的地],请帮我定一张火车票 我要乘坐明天的G1234次列车,去[目的地] 请问明天从[出发地]到[目的地]的火车票还有吗? ``` 接下来,我们需要使用机器学习方法将句子中的出发地和目的地识别出来。我们可以使用基于规则的方法或基于深度学习的方法。这里我们使用基于规则的方法。我们可以定义以下规则: - 如果句子中包含“从”和“到”,则“从”和“到”之间的词是出发地和目的地; - 如果句子中包含“去”,则“去”后面的词是目的地; - 如果句子中包含“从”和“到”以及日期和车次号,且日期和车次号正确,则“从”和“到”之间的词是出发地和目的地; - 如果句子中包含“从”和“到”以及日期和车次号,但日期和车次号错误,则返回错误信息。 最后,我们可以将数据分为训练集、开发集和测试集,比例为5:3:2,并使用机器学习方法对模型进行训练和评估。 以下是一个简单的Python实现,仅供参考: ```python import re import random # 定义句子模板和语义槽 templates = [ '请给我买一张从[出发地]到[目的地]的火车票', '我想去[目的地],请帮我定一张火车票', '我要乘坐明天的G1234次列车,去[目的地]', '请问明天从[出发地]到[目的地]的火车票还有吗?' ] slots = { '出发地': ['北京', '上海', '广州', '深圳', '成都'], '目的地': ['北京', '上海', '广州', '深圳', '成都'] } # 定义规则 def extract_slots(sentence): # 如果句子中包含“从”和“到”,则“从”和“到”之间的词是出发地和目的地 if '从' in sentence and '到' in sentence: start = sentence.index('从') + 1 end = sentence.index('到') return {'出发地': sentence[start:end], '目的地': sentence[end+1:]} # 如果句子中包含“去”,则“去”后面的词是目的地 elif '去' in sentence: start = sentence.index('去') + 1 return {'目的地': sentence[start:]} # 如果句子中包含“从”和“到”以及日期和车次号,且日期和车次号正确,则“从”和“到”之间的词是出发地和目的地 elif re.search(r'\d{4}-\d{2}-\d{2}.*[GCDZTKY]\d+', sentence): start = sentence.index('从') + 1 end = sentence.index('到') return {'出发地': sentence[start:end], '目的地': sentence[end+1:]} # 如果句子中包含“从”和“到”以及日期和车次号,但日期和车次号错误,则返回错误信息 elif '从' in sentence and '到' in sentence: return {'error': 'Invalid date or train number'} # 如果句子中不包含出发地和目的地,则返回错误信息 else: return {'error': 'Missing source or destination'} # 构造数据 data = [] for i in range(1000): template = random.choice(templates) slots_values = {k: random.choice(v) for k, v in slots.items()} sentence = template for k, v in slots_values.items(): sentence = sentence.replace(f'[{k}]', v) data.append((sentence, slots_values)) # 分割数据集 train_data = data[:500] dev_data = data[500:800] test_data = data[800:] # 训练模型 def train_model(): pass # 评估模型 def evaluate_model(): pass # 使用模型进行预测 def predict(sentence): slots_values = extract_slots(sentence) if 'error' in slots_values: return slots_values else: return slots_values # 测试模型 for sentence, slots_values in test_data: predicted_slots_values = predict(sentence) print('Sentence:', sentence) print('True slots:', slots_values) print('Predicted slots:', predicted_slots_values) print('-----------------------') ```

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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