文學語言的藝術性范文

前言：我們精心挑選了數篇優質文學語言的藝術性文章，供您閱讀參考。期待這些文章能為您帶來啟發，助您在寫作的道路上更上一層樓。

第1篇

【關鍵詞】視覺藝術;文學藝術;意象;差異

文學藝術與視覺藝術都源于藝術家的心靈意象,他們的起點是相同的。但是從以上視覺藝術形象和文學藝術形象的形成過程及欣賞方式來看,兩者之間存在差異。

首先,在形成過程中采用的是不同的媒介。視覺藝術形象必須通過視覺元素,利用顏色、形體等因素的組合創造有悖于原始自然狀態的具體視覺造型來傳達;而文學藝術形象是通過文字這種抽象性的語言符號,經過閱讀而在腦海里形成的,本身更具有思維成分的參與。

其次,在欣賞過程中,由于視覺藝術形象的傳達過程的具象性,導致其欣賞過程是在直接的視覺感受過程中完成,有明顯的直接感受的特性,是直接的觀看過程;而文學藝術形象必須在閱讀過程中以各自的想象力去領會,其魅力來源于在頭腦中形成的潛象的不確定性和模糊性。它相對于直接的觀看多了一個理解和想像的程序。

在這種差異中,我們更有必要區分的是在欣賞視覺藝術形象和欣賞文學藝術形象的過程中,應該以什么樣的方式來對待。因為生活中長期對語言文字的學習和使用,使我們比較習慣性地用文字理解的方式去理解周圍的事物,在認知過程中,基本以接受到訊息然后在腦中進行一個思維和認知的過程這種方式來形成理解。而在視覺藝術形象欣賞中,更注重的是直接的視覺感官的感受,此時是否有良好的直接視覺感受力更加重要,而一般理解語言文字的能力可以影響但并不能起到決定性的作用。

就藝術欣賞和批評來看,藝術家是將心象外化為藝術形式,而讀者歷經的心理過程則相反,是從作品一路而上直溯藝術家的內心情感,并按照自身的經驗理解描述出深層含義。但文學欣賞在讀者頭腦中催生形成的潛象不具可視性,而視覺藝術欣賞則需要讀者用眼睛感受、讀取圖像的圖形和色彩形式,是充分可視、直觀的。文字語言方便傳達,結構組合彈性自如、可繁可簡,是人類進行信息交流和思維的主要形式;圖像語言關照視覺感官,具有直觀性和具象性特征,但對概念和邏輯的傳達有不可逾越的障礙。由于傳達方式和途徑的不同,兩種方式各有傳遞過程的信息缺失現象,二者也因此具有不可替代的互補性。

文學家在描述一件視覺藝術作品時,也會加入自己的理解和認識。但是文字閱讀產生的效果,依然無法在視覺欣賞中獲得,而視覺欣賞產生的感受也同樣無法在文字閱讀中感受,這就是文學和藝術不能互通的部分。因此某些藝術品為了完整表達而使用了書畫結合的方式來互為補充?！啊渲心承┮幝筛嗟亟y轄著畫,而另一些規律卻更多地統轄著詩;在后一種情況之下,詩可以提供事例來說明畫,而在前一種情況之下,畫也可以提供事例來說明詩?！贝颂帉Ρ鹊氖窃姾彤嬤@兩種藝術形象,詩屬于文學藝術形象,畫屬于視覺藝術形象?？梢妰烧叽嬖诘幕パa性早已被認識。此種互補性也很早就被中國人運用在了中國畫的藝術表現上。

中國畫的表現形式一直流行于文人士大夫階層,詩與畫共同成為體現中國式哲學的典型表現形式。中國畫的藝術表達建立在中國文人墨客對于生存哲學的理解基礎上,此哲學謂之“道”。因此中國畫的表現形式一直以客觀現實為基礎,“外師造化,中得心源”(唐 張b),將畫面的表現重點放在畫家自身對事物的認識和修養上,由內觀外。中國畫從一開始就沒有嚴肅追究所描繪物像的形體精準,而是“道法自然”,追求畫面對“境界”的表達。由于研究畫的階層均為上層的文人士大夫,于是書畫在中國畫中是不分家的,文字作為款識與畫同時出現在一幅作品中,起著互相補充的作用。在大多數的中國畫中,款識都起到了對畫面的補充作用,人們在欣賞國畫時,同時通過對款識的解讀,進一步理解畫者的畫中之意以及畫外之意,包括作者的心境、觀點等等的認識。而在我國古代就出現了很多能寫擅畫的文人,有名的諸如唐代的王維,他的詩家喻戶曉,而從他對于詩和畫這兩種形式的表達上來說,也達到了一個很高的水準 。

如《王維詩意圖》,取的就是他詩中“閉戶著書多歲月,種松皆作老龍鱗?！边@兩句詩。畫面事實上表現了深山中、泉水邊、老松下的清幽生活場景,而這兩句詩將畫面之外的含義點出,提示觀者畫面中更深的一層意味,體現出畫家向往一種隱居生活和高尚的精神追求。

鄭板橋的《竹石圖》中,描繪的是生長在巖石旁的幾棵瘦竹,畫面上比較特別的是,在石頭上題了款識,寫到:“文與可畫竹胸有成竹,板橋畫竹胸無成竹。與可之有成竹,所謂渭川千畝在胸中也。板橋之無成竹,如雷霆霹靂,草木怒生,有莫知其然而然者,蓋大化之流行其道如是。與可之有,板橋之無,是一是二解人會之?！痹谶@幅畫作里,文字不僅補充說明了畫家本人的個性,讓人了解這幅畫的深層精神內涵,也對于畫面的構圖起到了填補改善的作用,讓畫面的視覺效果更加突出。

從國畫例子中可看出,中國人追求的畫面效果并非完全寫實的風景人物,而是一種精神境界的視覺體現。這種追求體現在視覺造型藝術形象上,是抽象而又具體的。文字和圖像都屬于宣揚自己精神追求的一種表達方式,而且這兩種表達方式既有各自的差異又能互相補充。由這種“圖文并茂”的藝術表現形式來看,中國人其實很早就意識到了文字和圖畫的差異,并且加以利用了。

【參考文獻】

[1] 《中國畫論輯要》周積寅 編著 江蘇美術出版社2005年7月第1版

[2] 《齊白石談藝錄》王振德 李天庥 編著 河南美術出版社1998年10月第1版

[3] 《美學是什么》周憲 著 北京大學出版社2002年1月第1版

[4] 《中國美術簡史》中央美術學院美術史系中國美術教研室 編著 中國青年出版社2002年5月第1版

第2篇

一、利用課堂范讀語言，變純文本語言為傳遞情感的語言

在課堂上，教師不是不注重范讀，而是往往把范讀當成了教學的一個環節。這就使得范讀語言的功效在不知不覺地缺失。事實是，文本語言魅力的顯示，離不開范讀語言的有效轉化、恰當體現，尤其在小學階段。換句話說，范讀語言沒有藝術性，則文本語言本身的魅力只能在靜止中存在。如果教師把范讀語言當成一種有效轉化、恰當體現文本語言的課堂語言，那么，課堂語言的藝術性就會在教師的范讀中得以體現。

就課堂范讀語言而言，教師的范讀要情真意切，變純文本語言為傳遞情感的語言，“感人心者，莫先乎情?！薄白x到忘我之境時，師生往往投入其中，學生、教師、文本一切地融為一體。”在小學語文教學中，聽說讀寫的核心是讀。對于教師而言，“讀”是轉化純文本語言為情感語言的一種方式。正確、流利是對“讀”的淺層次要求，有感情、有節奏是對“讀”的高層次要求。讀正確是指不添字、不漏字、不讀錯字。讀流利是說不一字一頓、不拿腔作勢、不上氣不接下氣。這些是課堂對范讀語言的最基本的要求，一般教師都能做到。文本中的情感，是喜，是怒，是哀，是樂？是單一的，復雜的？是淡淡的，濃烈的？文本中的節奏，是抑揚頓挫的，是流暢自然的？文本中的語言，是樸素自然的，華美歡快的，還是意味悠長的？同樣是課文中的字字句句，通過藝術性的課堂范讀，在教師的口中，必須把靜態的文本語言幻化成令學生聽來樂則開懷，悲則嗚咽的動態的課堂語言。這是多么的美妙！讀《十里長街送總理》，學生在教師飽含深情的范讀語言中體會人們翹首盼望總理的焦急；讀《吃水不挖打井人》，學生在教師情感的洋溢中感受鄉親們對的崇敬之情。這種范讀帶來的美妙，不就是范讀語言藝術性的體現嗎？極具感染力的課堂范讀語言，不僅僅是一種課堂教學的修飾，也不僅僅是一種課堂朗讀的技巧，它更是一種體現課堂語言藝術性的方式，更是一種此情此境的感染、潛移默化的熏陶。藝術化的范讀語言，讓學生心動，讓學生情生。

二、課堂口頭語言要靈活，各盡其妙顯個性

課堂口頭語言關聯于文本語言的意思是指它與文本語言并行為理解文本語言而用，是課堂主導、引導、激勵、評價者主導、引導、激勵、評價學生學習文本語言的主導語、引導語、激勵語、評價語等等。為此，課堂口頭語既是具有個性色彩的和教師教學風格相一致的課堂口語，又是極具感染力的和教學內容相一致的課堂“臺詞”。

第3篇

【關鍵詞】網絡安全 生物認證 擊鍵動力學 鍵紋識別

生物認證就是利用人體生物學特征來識別用戶身份的安全認證技術，常見的有指紋、聲紋、筆跡、虹模等。生物認證在很多領域得到成功的運用，但現有生物特征認證存在兩個無法克服的問題：一是需要成本相對較高的生物特征提取設備；二是需要用戶當面認證，無法實現遠程自動認證。

早在人工摩爾斯電報時代，1895年研究人員就發現發報人員的擊鍵模式特征與發報人員是一一對應，熟練的收報員能夠通過發報人員的擊鍵特征遠程確定發報人員的身份，現代電腦鍵盤的使用與之相似，上世紀九十年代美國華盛頓科學基金會（The Nation Science Foundation， Washington D.C.）就研究證實人們敲擊鍵盤的動力特征有唯一性[1]。對于信息系統來說這種唯一性就是來自鍵盤輸入信號特征的唯一性，過去很多文獻將這一特征叫擊鍵動力學特征，我們認為，既然鍵盤輸入特征和指紋一樣對于用戶唯一確定，更確切地應該將這一特性取名為鍵紋。

運用鍵紋作為生物特征識別用戶身份有以下特點：首先它以鍵盤作為特征提取設備簡單可靠、成本低廉；其次它將用戶身份識別與信息系統登錄、認證過程有機結合，可以實現遠程身份識別，用戶甚至感覺不到它的存在。

具體說來，用戶在敲擊鍵時有各自不一樣的特征。例如在使用拼音輸入“中國”二字時，一些人會以zh-ong-guo的方式打入字母，停頓在聲母和韻母以及字的中間；另一些人則會以zhon-gg-uo的方式，將兩個g字母并在一起快速輸入。這些特征是人在長期的打字實踐中潛移默化形成無法隨意改變。利用這些打字特征來識別用戶不僅可以識別用戶身份，還可以實現遠程在線識別大大提高了信息系統的安全性。在己往的研究中對鍵紋的識別方法主要使用模板匹配法、模糊邏輯識別法、神經網絡等，這些方法往往較為復雜，需要相對深奧的數學模型和相對大量的數據進行機器學習。本文研究提出一種較為簡便的數學模型，較好的反映了擊鍵組合產生的鍵紋特征，且計算較為簡便、易于實現。

1 鍵紋識別的數學模型

在闡述算法之前，我們先定義一些名詞。用戶的打字是由一系列動作組成，這些動作包括了按下鍵和釋放按鍵。我們把按下某鍵x到放開x的時間稱為“x的滯留時間”記作Tx，從鍵入x開始到鍵入下一個按鍵y中間的時間稱為“xy的跨越時間”記作Txy。我們將一次滯留或者一次跨越統稱為一個“事件”。在用戶輸入一串文字的過程中，第i次事件記為ei，事件ei所用的時間記作ti。這里我們統一用大寫字母表示某一類事件，而用小寫字母表示某一個事件，比如我們用EA和TA表示按下A鍵和A鍵的滯留事件，而用ej和tj來表示第j個事件和其占用的時間。

我們現在來定義問題。我們希望在得知用戶輸入各個按鍵的時間情況下，判定輸入的用戶是否為特定用戶。即：已知一系列事件e1，e2，…en和其時間t1，t2，…tn，求解輸入用戶u是指定用戶u0的概率：

Pr（u=u0|e1…e2，t1…tn） （1）

我們已有的數據是用戶u0過去的輸入習慣，即我們已知用戶過去打字過程中產生的所有事件e1'，…，em'以及各事件的時間t1'，…，tm'。這里m是一個非常大的整數，因為用戶在日常生活中積累了大量的打字經歷，因而我們應該擁有大量的關于用戶過去打字的數據（即大量事件）。這意味著對于任意事件Ex，我們可以獲得以下概率：

（2）

換言之，我們有對于任意事件所耗費時間Tx的概率分布函數fx（t），使得：

（3）

實際操作時，fx（t）不是一個連續函數，（例如用戶過去在A鍵上的停留時間分別是3.5，2.2，4.3毫秒時，fx（t）在這些值上都是無窮大，而其它值上則為0），但這并不影響我們的算法，我們會在后文中再回到這點。

除了對單一事件所耗時外，只要我們有足夠數據（m中夠大），我們還有對任意多連續事件Tx1、Tx2……Txi所耗時的概率分布函數：

（4）

上式中的概率可以用（2）式一樣的方法求出或找出過去用戶u0的輸入中所有的Ex1……Exi連續事件，計算出其中多少事件符合a1，……ai，b1，……bi的約束條件即可。

我們的最終目標是利用以上概率（2）（3）（4）求出（1）的值。我們首先利用貝葉斯定理把（1）改寫成：

Pr（u=u0|e1…e2，t1…tn）

=Pr（e1…e2，t1…tn|u=u0）

（5）

上式中，Pr（e1…e2，t1…tn|u=u0） 可以用我們之前的方法求出，我們只需要找出用戶過去的輸入歷史中，該片段e1…en，t1…tn出現的概率即可。實際操作上有兩個小問題：第一用戶隨意輸入一段話e1…en時，用戶一般在過去并沒有輸入一模一樣的段落，因此我們無法簡單的通過過去的歷史直接求出這一概率。然而我們可以使用一些近似手法，假設各事件之間是獨立事件，這樣雖然會損失一些精確度，但是能給我們帶來計算概率的方法：

（6）

而乘積中的每一項都可以在過去的用戶歷史中求出。第二個問題是由于ti是實數，Pr（ei，ti|u=u0）要么是無窮大，要么是0。這是因為我們概率分布函數不連續，這個問題可以用把時間離散化的方式解決。

（5）式中的第二部分更難計算。事實上從分子分母兩式的定義來計算其值幾乎不可能，分子表示一系列事件的發生概率，而事件和用戶鍵盤輸入的具體內容有關，因輸入內容的改變而改變，無法人用戶過去的輸入習慣中獲得。分母則是該用戶為指定用戶的先驗概率，更無法從輸入習慣中獲得。

在實際應用中，我們并不需要用嚴謹的數學方法來計算（5）式。考慮到

是一個關于用戶的函數，我們知道對于特定類型（用戶輸入習慣類似）的文章，該值對于特定用戶應該是一個常數。

因此，我們可以用過去用戶輸入的類似類型的文章/段落等獲得該值。例如，同樣是輸入政府文件，同一用戶在不同時間輸入若干等長的文件（同取文件中隨機的1000個事件）時，該分式的值應為常數。（嚴格意義上說，只有用戶輸入同樣內容時，該值才為常數，但實際上操作上我們可以做一些近似假設）。

因此我們用過去用戶輸入的同等長度的片段來計算分式的值，我們把（5）改寫成：

（7）

既然我們能夠核實已有紀錄里輸入用戶u0的身份，我們可以令，并利用（6）中的獨立事件假設，把上式改寫成：

（8）

將（7）（8）代入（5）我們即可獲得正在輸入用戶為指定用戶u0的概率：

（9）

值得注意的是我們需要在用戶的過去輸入歷史中，隨機選取n個事件來進行這一計算，這導致計算結果并不準確。理想狀況下，如果用戶確為指定用戶u0，這一式子應等于1。

2 實驗與驗證

為了驗證本數學模型的正確性我們在Linux平臺下設計編制了一個user_name軟件，利用這個軟件對本數學模型進行了測試與驗證。我們在學生中邀請了100名實驗對象，將他們注冊成用戶進行測試。測試用戶以自己的注冊身份登錄系統，輸入統一的稿件來作為各自的鍵紋儲存在數據庫中。然后這些用戶又輸入一些隨機片段，讓計算機識別這些片段的輸入用戶，

實際測試結果，若用戶本人輸入，軟件輸出的輸入者為用戶本人的概率一般在0.01到100之間。概率不等于1的原因是算法中用隨機片段近似地計算輸入者為用戶本人的概率，因此有若干數量級的誤差。

我們再由用戶A冒充B的身份登錄系統，輸入一定長度的文章片段，實測得軟件計算出的用戶為B本人的概率往往非常小，可達到10-10到10-6之間，由此可見本數學模型有著良好的用戶身份區別作用，盡管近似算法帶來的誤差可能有正負兩個數量級，但與其用戶間的區別率高達七個數量級的識別性能來說，本算法具有很好的認證用戶的效果。

3 結論

實驗表明運用本數學模型來遠程識別用戶身份，具有簡單可靠、運算速度快的特點，不失為一種遠程登錄用戶身份識別的好方法。

參考文獻

[1]Donald R.Rules of Thumb for Biometric System.Security Management， 1995（39）：67-74.

[2]Miller B.Vital Signs of ldentity.IEEE Spectrum，1994，31（2）：22-30.

[3]Alexander T J.Biometrics on Smart Cards：An Approach to Keyboard Behavior Signature. Future Generation Commputer System，1997（13）：19-26.

[4]Ru W G，Eloff J H P.Enhanced Password Authentication Through Fuzzy Logic. IEEE Transaction on Expert，1997，12（6）：38-45.

[5]芮挺，沈春林，Qi TIAN，張金林.基于HMM的擊鍵特征用戶身份認證[J].計算機工程，2005.

[6]桑應朋，范志平，郝莉.基于Levenberg-Marquardt 算法的用戶擊鍵特征鑒別[J].計算機應用，2004.

[7]WANG Y H，TAN T N，ZHU Y.Face identification based on singular values decomposition and data fusion.Chinese -put，2000，23（6）.

[8]NEGIN M，CHMIELEWSKI T A，SALGANICOFF M G，et al.An Iris Biometric System for public and personal puter，2000，33（2）：70-75.

[9]ERN L C，SULONG G.Fingerprint Classification Approaches an Overview.Sixth International. Symposium on Signal Processing and its Applications，2001（01）：347-350.