用
mTogether
帮助我们背单词
,
应用示例
最近写了一个开源软件
,
叫做
mTogether,
它是一款专注于帮助我们背单词的字典软件
.
针对我们输入的单词
,
他会给我们一些建议
,
告诉我们某个单词跟另外哪些内容一起背诵
,
效果会更好
.
他跟其他的字典软件以及背单词软件确实有一些不同
(所以mTogether和他们是一种互补的关系)
,
事实上
,
我正是因为没有找到类似的软件
,
所以才动手开发了
mTogether. (如果您知道, 请告诉我, 谢谢.)
我把它托管到了这里, 关于下载, 安装和使用后面还有详细的说明.
http://code.google.com/p/mtogether/
本文是介绍他的开发目的
,
背景
,
以及他的应用实例
.
还有他是如何帮助我们背单词
,
以及他为什么可以帮助我们背单词
.
简介:
既然叫做字典软件, 首先要具备的功能就是要能查单词.
然而mTogether
的特色在于
,
帮助我们发现单词之间的关联
.
帮助我们把长的象的单词放到一起
, 以熟悉的代词带动生词,
帮助我们记忆
.
mTogether
的安装和配置请参考这篇博客
, 最近google经常上不去, 所以下面的博客中提供了javaeye的下载地址.
mTogether
的搜索方法请参考这篇博客
:
他的主界面如下
(
它有两个试图
,
分别是
plain view
和
full view):
界面的搜索结果主要有三列
.
第一列是一个数字
,
它表明我们搜索的目标和搜索结果之间的相似程度
.
简单的说
,
这个数字越小
,
目标与结果就越相似
,
我们也就越可以把这些单词放在一起背诵
.
更准确的说他代表着目标与结果之间的距离
.
第二列是目标单词
.
第三列是搜索出来的相似单词
.


下面便开始介绍
mTogether
的开发目的
,
以及如何使用他来帮助我们背单词
,
以及相关示例
.
一.
开发目的
众所周知
,
我们大脑里面记忆的东西
,
是一个相互关联的网状结构
.
当我们想要记住一个新东西的时候
,
如果这个东西和我们已经掌握的知识网络毫无瓜葛
,
那么记忆的过程就相对困难
.
相反
,
如果它和我们已经掌握的东西存在着某种很强的联系
,
那么它将越好记忆
.
背单词也是一样
,
比如有一个单词叫
ransom,
是赎金的意思
.
我们打眼一看
,
没有发现什么规律
,
这个时候
,
我们想记住这个单词就相对比较困难
.
但是如果有人告诉我们他和
random
只相差了一个字母
,
然后继续告诉我们一个口诀说
:
我是来拿
ransom,
要给多少
random. (
我是来拿
ransom
的
,
要给多少你随意
)
如此一来
,
我相信大家应该一下子就会记住
ransom
这个单词
注
: random
做随机讲
,
在计算机领域他表示随机数
,
对于学计算机的人
,
这个例子应该很有共鸣
,
如果您对这个例子感触不强
,
请参考后面的例子
.
为了便于后文的叙述
,
这里我们暂且假设大家都认识
random.
认识
random
并不困难
,
困难的是当他想要背诵
ransom
的时候
,
他很难想到
, ransom
这个单词竟然和
random
只差一个字母
(
如果他能发现这个规律
,
我相信他会很轻松地搞定这个单词
).
之所以很难把这两个单词联系在一起
,
是因为我们的大脑本身不擅长做这样的事情
.
试想
,
如果一个人能够建立起来这种联系
,
首先它的思维要够发散
,
其次它的英语底子要够好
(
他应该有很好的词汇网
,
这种人可能已经不需要再背单词了
)
那些大脑不善于做的事儿
,
统统交给计算机吧
!
让mTogether为我们的大脑, 再添一双想象的翅膀!
这正是
mTogether
的开发目的
.
当我们要背诵一个单词的时候
,
我们把这个单词输入
mTogether,
然后
mTogether
给我们返回一组与输入相关的结果
.
然后在结果中
,
我们会有这样的发现
: “
哇
!
这个生词
,
他和我认识的这个单词这么像
!”
于是我们就把这组单词都记住了
.
把单词放到一起记忆
,
memorize words together,
这就是
mTogether.
不仅仅是单词
,
我时常有这样的体会
,
很多时候我们想记住一个东西很难
,
但是把这个东西放到一个更大的环境下
,
和一组相关的东西一起对比理解记忆
,
反而更简单
.
这真是一件好事儿
,
我对此非常感恩
.
二 .
关于背单词,
补充三两句
我们大家都知道
,
拥有
1K
词汇量的人
,
和拥有
1W
词汇量的人相比
,
显然是后者记忆一个生词更容易
.
原因在于他的
1W
生词网
,
为他记忆生词提供了更多的帮助
.
然而
1W
的单词是词汇网
, 1K
的单词也是词汇网
.
如果1W的词汇网能帮我我们记忆新单词, 那么1K的词汇网也同样可以帮助我们背单词.
这些我们辛辛苦苦记住的单词
,
我们要最大可能得发挥他们价值, 帮助我们记忆新单词.
这也是
mTogether
开发的另一个目的
,
最大限度的利用我们认识的单词
,
去攻克那些不认识的单词
! 利用掌握的
,
攻克未知的!
随着
mTogether
的使用
,
你会发现
,
在背单词的时候
, 1K
的基础词汇就已经相当管用了
.
所以自我感觉英语底子不好, 词汇量小, 背单词很头疼的同学们,
不要担心, 尽管来试, mTogether对你们也尤为适用.
在背单词的时候
, 把
mTogether
打开
, 遇到生词查一查.
虽然它不能替我们解决掉100%的单词, 它总会很奇妙的搞定那么一些.
随着你们之间的慢慢的使用与磨合
(
是的
,
记忆是需要磨合的
),
我相信
mTogether
定会带给你越来越多的喜悦
,
如同他带给我的一样
.
三 .
应用方法
我把应用方法分为正向应用和逆向应用两种
.
好比
case
工具的正向工程和逆向工程
.
所谓正向应用是指:
向
mTogether
中输入一个生词
,
然后发现一组相似的词
,
然后放在一起记忆
.
此时
,
最好的情况是
,
搜索结果中有我们已经会的单词
.
以我的经验来看
,
对于一个长度适中的生词
,
我们总能找到我们已经掌握的相似的词
.
因为英文单词就那么
26
个字母
,
翻来覆去的在组合
.
当然
,
对于相似词也都是生词的情况也不要紧
,
因为以我的经验
,
记忆效果也相当不错
.
另外
,
对于一些偏长的单词
,
如果找不到满意的相似词
,
可以先用
mTogether
对他的跟词进行搜索并记忆
,
然后用跟词
,
去记忆这个单词
.
所谓逆向应用是指:
向
mTogether
中输入一个你已经认识的一个词
,
然后发现一组生词
,
然后一起记忆
.
这个方法可以闲来无事
,
扩充词汇量时使用
.
虽然我们没有明确的目的要记住某个单词
,
但是效果也非常不错
.
因为你至少你已经掌握了一个单词
,
从他扩展到一个你认为相似的词还是蛮容易的
.
不信你可以随便搜索
rain,
game
之类试试看
~
另外
,
在
full view
有这些单词的英文解释
,
以这种词和词相关联的方式, 读一读英文字典
,
也会收获不少
~
四 .
应用示例
应用示例是这篇博客的重点
.
下面这些词是我以前整理过的
,
发生在我身上的
,
使用
mTogether
背单词的例子
.
供大家体会
,
我希望能与你共鸣
小标题是我向
mTogether
中输入的内容
后面的一个列表是我从
mTogether
选出来的结果
(
他们是适合我的大脑
,
你也许可能需要自己发现适合您自己大脑的词汇
).
再后面会有一个简短评论
,
解释了一下我如何把他们放到一起来记忆
.
funnel
·
funnel
[
ˈ
f
ʌ
n
ə
l]
n.
漏斗,烟囱
·
tunnel
[
ˈ
t
ʌ
nl]
n.
隧道,地道
漏斗是一个生词
, mTogether
会给出他的相似词
tunnel,
接下来我用
tunnel
来记忆
funnel.
tunnel
很有趣
,
比
tunnel
更有趣的是
funnel (
包含
fun)
漏斗和隧道很相似
,
他们都中空
.
thirsty
·
thirsty
[
ˈ
θ
ə
:sti]
a.
口渴的
,
渴望的,渴求的
·
thirty
[
ˈ
θ
ə
:ti]
num.
三十,三十个
输入
thirsty,
mTogether
会告诉我们相似词是
thirty,
接下来把他们放到一起记忆
.
男人三十
,
都渴望成功
,
因为大家都说三十而立
.
prize
·
price
·
prize
·
prime
·
pride
prize,
没有
price;
pride,
应该是
prime.
奖品没价格
,
自尊最重要
我最开始不是很确定
prize
的拼写
,
当我把它跟
price
关联上之后
,
便轻松消除了这个问题
.
acquire + .*quire
·
inquire :
第一次讯问是打听
·
require :
第二次讯问是请求
·
acquire :
一再的讯问就获得
经过了
inquire,
和
require,
终于
acquire
了
.
对应的词根为
:
quest,quir, quis, quer= seek, search,
表示”寻求
,
询问”
accuse + .*cuse
·
accuse [
əˈ
kju:z] vt.
指控,控告,指责
·
excuse : vt
原谅
, n
接口
休想让我
excuse,
我要坚决
accuse
plate
·
plate [pleit] n.
盘子
,
棋盘
·
late
注视着棋盘
,
生怕少看一步就会为时太晚
(
输掉比赛
),
怕
late,plate
也可以想成
:
盯着盘子里面的食物
,
生怕自己下手太晚
.
devisc
·
devise [di
ˈ
vaiz] vt.
发明,策划,想出
·
device [di
ˈ
vais] n.
装置,设备
devise
一个
device /
发明一个设备
sculpt, sculpture
·
script / scripture / manuscript
·
sculpt / sculpture
作为程序员的我
,
脚本可以帮我解决很多问题
,
当然也包括
…
写个脚本
,
帮我雕塑
ransom
·
ransom [
ˈ
ræns
ə
m] n.
赎金
vt.
赎出,赎回
·
random [
ˈ
rænd
ə
m] a.
任意的,随机的
我是来拿
ransom,
你给多少
random(
你随意
)
vocation
·
vocation [v
ə
u
ˈ
kei
ʃə
n] n.
职业;禀性
·
vacation [vei'kei
ʃә
n] n.
假期
,
休假
·
location [l
ə
u
ˈ
kei
ʃə
n] n.
位置,场所
有光就有影
,
想要休假
,
就要有职业
.
五 .
关于将来的版本
基于我以前学习英语和日语的经验
,
关于语言学习
,
我还有其他一些想法
.
我会把他们陆续的整理出来
,
并融入到
mTogether
中
.
这将是
mTogether
的开发中心
,
主要是两个方面
:
一个方面是提供更好的
,
从生词到我们自身词汇网的映射
,
通过这种以熟词带生词的方式帮助我们
together
的记忆单词
.
另一方面则不仅仅提供词到词的映射
,
而是充分发掘一个英语单词
,
与我们脑海中的
,
任何我们已知的
,
能够帮助我们记忆这些单词的内容之间的映射关系
,
将单词与我们脑海中的更广阔的内容关联在一起
,
帮助我们
together
的背单词
.
如果我还有精力
,
我会改善页面的易用性
.
届时我会写一个
roadmap
的文档
.
另外
,
我会开发手机版本
.
因为我希望学生们可以很容易的把这个软件带到自习室中去
.
有更新我会在博客和google code上面更新.
欢迎你提供反馈以及使用感受
.
也欢迎提出你的宝贵意见
.
如果你有好的学习想法
,
但苦于没有合适的软件支持
,
也欢迎和我联系.
wangqiansheng AT gmail DOT com
分享到:
相关推荐
NULL 博文链接:https://wjason.iteye.com/blog/1738953
Alibaba_Java_Coding_Guidelines-2.2.3.0x
【ABB机器人】-IRB460机器人维护信息V1.pdf
内容概要:本文详细介绍了新能源汽车VCU(车辆控制单元)控制器的开源项目,涵盖从应用层代码到底层代码、原理图、PCB设计、通信协议及控制策略等多个方面。应用层代码展示了如何根据电池电量调整车辆行驶模式,底层代码涉及硬件驱动如GPIO控制和ADC采样配置。硬件设计部分包括详细的原理图和PCB布局,确保系统的稳定性和可靠性。通信协议采用CAN网络,确保数据可靠传输,控制策略则涵盖了能量回收、扭矩控制等关键技术。丰富的文档资料和测试用例为开发人员提供了宝贵的学习和开发资源。 适合人群:新能源汽车开发人员、硬件工程师、嵌入式软件工程师、学生及研究人员。 使用场景及目标:帮助开发人员深入了解新能源汽车VCU控制器的工作原理和技术细节,加速项目开发进程,降低开发难度。无论是初学者还是有经验的专业人士,都可以从中受益。 其他说明:该项目不仅提供了完整的源代码和硬件设计文件,还包括详细的测试用例和故障处理方案,使得VCU开发变得更加透明和可复现。
详解DeepSeek的十个安全问题.pdf
《网络传播技术与实务》第10章-握在手中的网络——移动通信与无线网络技术.ppt
《计算机专业英语》chapter9-Communication-by-Avatars.ppt
性能测试工具Xrunner的使用手册
内容概要:本文深入探讨了基于自抗扰控制(ADRC)的永磁同步电机(PMSM)矢量控制调速系统的仿真方法及其优势。首先介绍了模型搭建,包括DC直流电压源、三相逆变器、永磁同步电机、采样模块、Clark、Park、Ipark以及SVPWM等关键组件。接着详细解析了ADRC在电流环和转速环中的应用,展示了其通过扩张状态观测器(ESO)实现的高精度扰动观测与补偿机制。文中还提供了部分MATLAB代码示例,如SVPWM模块和ADRC控制器的具体实现。仿真结果显示,ADRC相比传统PI控制器,在突加负载时表现出更好的稳定性和更快的响应速度,且不存在积分饱和问题。此外,文章讨论了一些实际应用中的注意事项和技术挑战。 适合人群:从事电机控制领域的研究人员、工程师及高校相关专业师生。 使用场景及目标:适用于希望深入了解和掌握现代先进电机控制技术的研究人员和工程师。目标是通过仿真平台验证ADRC的有效性,并为实际工程项目提供理论支持和技术指导。 其他说明:尽管ADRC具有诸多优点,但在实际应用中仍需注意参数选择和硬件条件限制等问题。
《网络设备安装与调试(锐捷版)》项目1-配置交换机设备-优化网络传输.pptx
内容概要:本文详细介绍了如何使用Fortran语言在ABAQUS中开发UMAT(用户材料子程序)和VUMAT(显式用户材料子程序),以实现材料损伤断裂弹塑性的自定义建模。文章首先阐述了材料损伤断裂弹塑性的重要性和应用场景,强调了自定义材料子程序在处理复杂材料行为方面的优势。接着,分别展示了UMAT和VUMAT的基本代码结构及其核心计算步骤,如材料参数读取、弹性刚度矩阵初始化、塑性应变增量计算以及应力更新等。此外,还讨论了DISP模型的应用,提供了具体的损伤演化和应力折减方法,并分享了一些实用的调试技巧和注意事项。 适合人群:具备一定ABAQUS使用经验和Fortran编程基础的研究人员和技术人员,尤其是从事材料力学、结构工程等领域的工作人士。 使用场景及目标:适用于需要对特定材料进行精确建模的工程项目,如航空航天、土木建筑等。通过自定义UMAT和VUMAT子程序,能够更好地模拟材料在复杂载荷条件下的损伤演化与断裂过程,提高结构安全性和可靠性评估的准确性。 其他说明:文中不仅提供了详细的代码示例,还分享了许多实践经验,帮助开发者避免常见错误并优化性能。同时提醒读者关注材料参数的正确配置、雅可比矩阵的对称性等问题,确保计算稳定可靠。
V1_3_example.ipynb
安川机器人DX100操作要领书 通用-搬运用途-E.0.pdf
这个是完整源码 SpringBoot + vue 实现 【java毕业设计】SpringBoot+Vue图书馆(图书借阅)管理系统 源码+sql脚本+论文 完整版 数据库是mysql 随着社会的发展,计算机的优势和普及使得阿博图书馆管理系统的开发成为必需。阿博图书馆管理系统主要是借助计算机,通过对图书借阅等信息进行管理。减少管理员的工作,作,同时也方便广大用户对所需图书借阅信息的及时查询以及管理。 阿博图书馆管理系统的开发过程中,采用B / S架构,主要使用Java技术进行开发,结合最新流行的springboot框架。使用Mysql数据库和Eclipse开发环境。该阿博图书馆馆管理系统的开发过程中,采用B / S架构,主要使用Java技术进行开发,结合最新流行的spri管理系统包括用户和管理员。其主要功能包括管理员:首页、个人中心、用户管理、图书分类管理、图书信息管理、图书借阅管理、图书归还管理、缴纳罚金管理、留言板管理、系同时也方便广大用户对所需图书借阅信息的及时查询以及管理。 阿博图书馆管理系统的开发过程中,采用B / S架构,主要使用Java技术进行开发,结合最新流行的springboot框架。使用Mysql数据库和Eclipse开发环境。该阿博图书馆管理系统包括用户和管理员。其主要功能包括管理员:首页、个人中心、用户管理、图书分类管理、图书信息管理、图书借阅管理、图书归还管理、缴纳罚金管理、留言板管理、系统管理,用户:首页、个人中心、图书借阅管理、图书归还管理、缴纳罚金管理、我的收藏管理,前台首页;首页、图书信息、公告信息、留言反馈、个人中心、后台管理等功能。 本论文对阿博图书馆管理系统的发展背景进行详细的介绍,并且对系统开发技术进行介绍,然后对系统进行需求分析,对阿博图书馆管理系统业务流程、系统结构以及数据都进行详细说明。用户可根据关键字进行查找自己想要的信息等。
内容概要:本文详细介绍了一个基于YALMIP和MATLAB的微电网优化调度模型,旨在帮助新手理解和应用微电网优化调度的基本概念和技术。模型综合考虑了蓄电池管理、市场购电售电约束以及功率平衡等因素,以实现系统总费用最低为目标。文中提供了详细的MATLAB代码示例,涵盖变量定义、约束条件建立、目标函数设定及优化求解过程,并附带了调试建议和可视化方法。此外,还讨论了一些常见的错误及其解决办法,如充放电互斥约束、功率平衡约束等。 适合人群:对微电网优化调度感兴趣的初学者,尤其是有一定MATLAB基础的学生或研究人员。 使用场景及目标:适用于希望快速掌握微电网优化调度基本原理的学习者,通过动手实践加深对相关理论的理解。具体应用场景包括但不限于:学术研究、课程作业、个人兴趣项目等。 其他说明:该模型不仅有助于理解微电网的工作机制,还可以为进一步探索复杂的微电网优化问题奠定坚实的基础。
内容概要:本文详细介绍了如何利用MATLAB搭建卷积神经网络(CNN),用于处理具有10个输入特征和3个输出变量的数据预测任务。首先进行数据预处理,包括数据读取、归一化以及训练集和测试集的划分。接着设计了一个包含多个卷积层、批量归一化层、ReLU激活函数层和全连接层的网络架构,确保能够有效提取特征并完成多输出预测。训练过程中采用Adam优化算法,并设置了合理的超参数如最大迭代次数、批次大小和初始学习率等。最终通过预测和反归一化步骤得到模型性能评价指标MAE和R²,展示了良好的预测效果。 适合人群:具有一定MATLAB编程基础和技术背景的研究人员或工程师,尤其是那些从事数据分析、机器学习领域的专业人士。 使用场景及目标:适用于需要解决多输入多输出预测问题的实际项目中,比如工业生产过程监控、设备故障诊断等领域。目的是帮助用户掌握使用MATLAB实现CNN的方法论,从而提高工作效率和解决问题的能力。 其他说明:文中提供了完整的代码片段供读者参考实践,同时针对可能出现的问题给出了实用性的建议,如调整批量大小、降低学习率等方法来应对训练不稳定的情况。此外还提到了一些改进方向,例如改变卷积核尺寸或者引入空洞卷积以增强模型表现。
机器人概要(外形图、目录的阅读方法)20120428.ppt
《计算机程序设计(C语言)》第7章-第2节-函数的定义.ppt
《网络工程设计与项目实训》02-交换机及其基本配置.ppt
内容概要:本文档详细介绍了将服务迁移到Nacos注册与配置中心的具体步骤,包括pom文件中依赖包的更新、启动类注解的添加以及详细的nacos客户端和服务配置文件设置。在pom文件中,需要移除旧的服务发现工具(如Eureka)相关依赖并引入特定版本的nacos-client及相关starter组件,确保springboot版本不低于2.2.3。启动类需添加`@EnableDiscoveryClient`注解以启用服务发现功能。配置文件中,明确指定了服务的基本信息(如端口、应用名称)、nacos服务器地址、命名空间、分组等关键参数,并强调了配置文件格式为YAML的重要性。对于已存在的服务,仅需完成前三个步骤,而对于新的服务,则还需进行配置文件的导入工作。 适合人群:对微服务架构有一定了解,特别是正在考虑或已经决定从其他服务发现工具迁移至Nacos的企业级开发者或运维人员。 使用场景及目标:①帮助团队将现有基于其他服务发现机制的应用程序平滑迁移到Nacos平台;②确保新开发的服务能够正确地注册到Nacos并使用其提供的配置管理功能;③通过合理的配置减少服务间的耦合度,提高系统的可维护性和扩展性。 阅读建议:由于涉及到具体的版本号和配置细节,在实际操作过程中应严格按照文档指导执行,同时关注官方最新动态,确保所使用的版本是最稳定且符合项目需求的。此外,建议在非生产环境中先行测试,验证配置无误后再推广到生产环境。