Learning Rules for Chinese Prosodic Phrase Prediction
Learning Rules for Chinese Prosodic Phrase Prediction ?Zhao Sheng ?Tao Jianhua§Cai Lianhong
Department of Computer Science and Technology
Tsinghua University, Beijing, 100084, China
?szhao00@https://www.wendangku.net/doc/8e3190395.html, {?jhtao, §clh-dcs}@https://www.wendangku.net/doc/8e3190395.html,
Abstract
This paper describes a rule-learning approach towards Chinese prosodic phrase prediction for TTS systems. Firstly, we prepared a speech corpus having about 3000 sentences and manually labelled the sentences with two-level prosodic structure. Secondly, candidate features related to prosodic phrasing and the corresponding prosodic boundary labels are extracted from the corpus text to establish an example database. A series of comparative experiments is conducted to figure out the most effective features from the candidates. Lastly, two typical rule learning algorithms (C4.5 and TBL) are applied on the example database to induce prediction rules. The paper also suggests general evaluation parameters for prosodic phrase prediction. With these parameters, our methods are compared with RNN and bigram based statistical methods on the same corpus. The experiments show that the automatic rule-learning approach can achieve better prediction accuracy than the non-rule based methods and yet retain the advantage of the simplicity and understandability of rule systems. Thus it is justified as an effective alternative to prosodic phrase prediction.
1 Introduction
Prosodic phrase prediction or prosodic phrasing plays an important role in improving the naturalness and intelligence of TTS systems. Linguistic research shows that the utterance produced by human is structured in a hierarchy of prosodic units, including phonological phrase, intonation phrase and utterance. (Abney, 1995) But the output of text analysis of TTS systems is often a structure of syntactic units, such as words or phrases, which are not equivalent to the prosodic ones. Therefore the object of prosodic phrasing is to map the syntactic structure into its prosodic counterpart.
A lot of methods have been introduced to predict prosodic phrase in English text such as Classification and Regression Tree (Wang and Hirschberg, 1992), Hidden Markov Model (Paul and Alan, 1998). For Chinese prosodic phrasing, the traditional method is based on handcrafted rules. Recurrent Neural Network (Ying and Shi, 2001) as well as POS bigram and CART based methods (Yao and Min, 2001) is also experimented recently. Due to the difference in training corpus and evaluation methods between researchers, these results are generally less comparable.
In this paper, a rule-learning approach is proposed to predict prosodic phrase in unrestricted Chinese text. Rule-based systems are simple and easy to understand. But handcrafted rules are usually difficult to construct, maintain and evaluate. Thus two typical rule-learning algorithms (C4.5 induction and transformation-based learning) are employed to automatically induce prediction rules from examples instead of human. Generally speaking, automatic rule-learning has two obvious advantages over the previous methods:
1) Statistical methods like bigram or HMM
usually need large training corpus to
avoid sparse data problem while
rule-learning doesn’t have the restriction.
In the case of prosodic phrase prediction,
the corpus with prosodic labelling is often
relatively small. Rule-learning is just
suitable for this task.
2) CART, RNN or other neural network
methods have good learning ability but
the learned knowledge is represented as
trees or network weights, which are not so
much understandable as rules.
Once rules are learned from examples, they can be analyzed by human to check if they agree with the common linguistic knowledge. We can add prediction rules converted from our linguistic knowledge to the rule set, which
is especially useful when the training corpus doesn’t cover wide enough phenomena of prosodic phrasing. Furthermore, we can try to interpret and understand rules learned by
machine so as to enrich our linguistic knowledge. Hence rule-learning also helps us mine knowledge from examples.
Since features related to prosodic phrasing come from various linguistic sources, several comparative experiments are conducted to select the most effective features from the candidates. The paper also suggests general evaluation parameters for prosodic phrase prediction. With these parameters, our methods are compared with RNN and bigram based statistical methods on the same corpus. The experiments show that the automatic rule-learning approach can achieve better prediction accuracy than the non-rule based methods and yet retain the advantage of the simplicity and understandability of rule systems. The paper proceeds as follows. Section 2 introduces the rule-learning algorithms we used. Section 3 describes prosodic phrase prediction and its evaluation parameters. Section 4 discusses the feature selection and rule-learning experiments in detail. Section 5 reports the evaluation results
of rule based and none-rule based methods. Section 6 presents the conclusion and the view
of future work.
2 Rule Learning Algorithms
Research on machine learning has concentrated in the main on inducing rules from unordered set of examples. And knowledge represented in a collection of rules
is understandable and effective way to realize some kind of intelligence. C4.5 (Quinlan, 1986) and transformation-based learning (Brill, 1995) are typical rule-learning algorithms that have been applied to various NLP tasks such as part-of-speech tagging and named entity extraction etc.
Both algorithms are supervised learning and can be used to induce rules from examples. But they also have difference from each other. Firstly the C4.5 rule induction is a completely automatic process. What we need to do is to extract appropriate features for our problem. As to transformation-based learning (henceforth TBL), transformation rule templates, which determine the effectiveness
of the acquired rules, have to be designed manually before learning. Thus TBL can only be viewed as a semi-automatic method. Secondly the induction of C4.5 rules using a divide-and-conquer strategy is much faster than the greedy searching for TBL ones. In view of the above facts, C4.5 rules are induced from examples first in our experiments. And then the rules are used to guide the design of rule templates for TBL. See section 4.8 for detail.
3 Prosodic Phrase Prediction
3.1 The Methodology
Linguistic research has suggested that Chinese utterance is also structured in a prosodic hierarchy, in which there are mainly three levels of prosodic units: prosodic word, prosodic phrase and intonation phrase (Li and Lin, 2000).. Figure 1 shows the prosodic structure of a Chinese sentence. In the tree structure, the non-leaf nodes are prosodic units and the leaves are syntactic words. A prosodic phrase is composed of several prosodic words, each of which in turn consists of several syntactic words. Since intonation phrase is usually indicated by punctuation marks, we only need to consider the prediction of prosodic word and phrase.
U
PP PP
#§
PW
PW PW
??Zò
:$?
PW
J
PW PW PW
t?Z?èS W:JêFigure 1: Two-level prosodic structure tree (U
for intonation phrase, PP for prosodic phrase,
PW for prosodic word)
Suppose we have a string of syntactic words
i.e.
n
w
w
w,...
,
2
1
, the boundary between two neighbouring words is represented
as>
?
<+1i
i
w
w. There are total three types of
boundaries labelled as B0(
1
,
+i
i
w
w are in the same prosodic word), B1(the words are in the same prosodic phrase, but not the same prosodic word), or B2 (the words are in different prosodic phrases) respectively. Thus prosodic phrase prediction is to predict such boundary labels, which can be viewed as a classification task. We believe these labels are determined by the contextual linguistic information around the boundary. If we have a speech corpus with prosodic labelling, features related to prosodic phrasing can be extracted at each boundary and combined with the corresponding boundary labels to establish an example database. Then rule-learning
algorithms are executed on the database to induce rules for predicting boundary labels.
3.2 Evaluation Parameters
As a classification task, prosodic phrase prediction should be evaluated with consideration on all the classes. The rules induced from examples are applied on a test corpus to predict the label of each boundary. The predicted labels are compared with labels given by human, which are thought to be true, to get a confusion matrix as follows: Predicted labels True labels B 0 B 1 B 2 B 0 C 00 C 01 C 02 B 1 C 10
C 11 C 12 B 2 C 20 C 21 C 22
Table 1: Confusion matrix C ij s are the counts of boundaries whose true label are B i but predicted as B j . From these counts, we can deduce the evaluation parameters for prosodic phrasing. )2,1,0(/Re 2
==∑=i C C c j ij ii i (1) )2,1,0(/Pr 2
==∑=i C C e j ji ii i (2) )2,1,0)(Pr /(Re Pr *Re *2=+=i e c e c F i i i i i (3) ∑∑∑====202
0201/j i ij
i ii C C Acc
(4) ∑∑∑∑====+=202000212
12/)(j i ij
j i ij C C C Acc (5) i c Re defines the recall rate of boundary label B i .i e Pr defines the precision rate of B i .i F is a combination of recall and precision
rate, suggested by (Rijsbergen, 1979). 1Acc is the overall accuracy of all the labels. If we merge B 1 and B 2 into one label, which can be viewed as the prediction of prosodic word boundary, 2Acc defines the overall accuracy of this case.
4 Experiments 4.1 The Corpus
In our experiments, the speech corpus of our
TTS system is used for training and testing. The corpus has 3167 sentences, which are randomly selected from newspaper and read by a radiobroadcaster. We manually labelled the sentences with two-level prosodic structure
by listening to the record speech. For example,
the sentence in Figure 1 is labelled as “#§/ B 1
??/B 0Z /B 1ò/B 0:/B 0$?/B 2J /B 1t ?/B 0
Z /B 1?è/B 0S W /B 0:/B 1J ê/B 2”.
Preliminary tests show that manually labelling can achieve a high consistency rate among human. Therefore it is reasonable to make the
manually labelled results as the target of
learning algorithms. The sentences of the corpus are also processed with a text analyzer, where Chinese word segmentation and part-of-speech tagging are accomplished in one step using a statistical language model. The segmentation and tagging yields a gross accuracy rate over 94%. The output of the text analyzer is directly used
as the training data of learning algorithms without correcting segmentation or tagging errors because we want to train classifiers with
noisy data in the real situation.
Here are some statistical figures about the
corpus. There are 56446 Chinese characters in
the corpus, which constitute 37669 words. The number of prosodic word boundaries is 16194 and that of prosodic phrase ones is only 7231. The average length of syntactic word, prosodic word, prosodic phrase and sentence are 1.5,
2.4, 7.8 and 17.0 in character, respectively. 4.2 Candidate Features
Feature selection is crucial to the classification
of prosodic boundary labels. Linguistic
information around the word boundary is the main source of features. The features may come from different levels including syllable, word, phrase, sentence level. And the type of features may be phonetic, lexical, syntactic, semantic or pragmatic. Which features have
most close relation with prosodic phrasing and
how to represent them are still open research
problems. In our approach, we decide to list all the possible features first and figure out the most effective ones by experiments. The features we currently consider are presented in the following.
4.2.1 Phonetic information Chinese is well known as a monosyllabic,
tonal language. And phonetic study shows
sound will change in continuous speech because of context or prosodic structure. Retroflex, neutral tone and tone sandhi are important phonetic phenomena that cause sound variation. (Li and Lin, 2000). Thus phonetic information about phone and syllable
is related to prosodic phasing. There are too many tonal syllables (about 1300) in Chinese to consider. Instead, the initials and finals of the syllables (total about 60) near a word boundary are taken into accounts, which are
represented as SYIF in the following text.
Similarly the tones of the syllables, denoted by TONE, are also included as phonetic features. 4.2.2 Lexical information
Words in natural language have different occurrence frequency. And words that have high occurrence frequency may be especially important to prosodic phrasing (e.g. some functional words in Chinese, : è < etc). Therefore lexical word is treated as a candidate feature, represented as WORD.
4.2.3 Syntactic
information
Syntactic information has close relation with prosodic structure. POS, which denotes part-of-speech of words, is a basic syntactic feature much easier to obtain with automatic POS taggers. And it has been widely adopted in previous researches. Since POS tag sets varies with taggers, we try to determine the best one for predicting prosodic phrase by experiments.
4.2.4 Other
information
From the statistical figures of the corpus, both prosodic word and phrase have limitation in length. The length of syntactic word (WLEN), the length of the sentence in character (SLENC) and word (SLENW) are considered as length features. In HMM-based methods, the chain of boundary labels in a sentence is supposed to conform to Markov assumption. And according to experience, it is less possible for two boundaries with label B2 to locate very close to each other. Thus the label of previous boundaries (BTYPE) and the distances from them to current position are also possible features.
4.3 Example Database
All of the possible features are extracted from the corpus at each boundary to establish an example database. Table 2 shows parts of the example entries of two word boundaries in Figure 1. Each row is a type of feature. The row name has a format of feature name plus a number. The number indicates which word the feature comes from. And the range of the number is limited by a window size. For example, POS_0 denotes part-of-speech of the word just before the word boundary, POS_-1 denotes that of the second word previous to the boundary and POS_1 denotes that of the word just after the boundary. The rest may be deduced by analogy. BTYPE_0 is the label of current boundary and also the target to be predicted. Boundaries
Features
<#§—??> <$?—J>
SYIF_0 an eng SYIF_1 z b TONE_0 3 2 TONE_1 4 4 WORD_0 #§$?
WORD_1 ??J
POS_0 vn v POS_1 v c POS_-1 w u WLEN_0 2 2 WLEN_1 2 1 BTYPE_0 B1B2
Table 2: Example database entries
4.4 Feature Selection Experiments
Once the example database is established, we can begin to induce rules from it with rule learners. If all the features were used in one experiment, the feature space would get too large to learn rules quickly. Moreover we want
to eliminate less significant features from the database. A series of comparative experiments
is carried out to figure out the effective features. C4.5 learner is used to perform the learning task in the following experiments.
4.4.1 Baseline experiment (No.1)
Since POS features are widely used, a baseline experiment is performed with only two POS features that are POS_0 and POS_1. The POS
tag set has total 30 tags from the tagger.
4.4.2 POS window-size (No.2-9)
The window size determines the number of words whose features are considered. Suppose the window size is L+R, which means the features of L words left to the boundary and R words right to it are used. We design experiments with the combination of different value of L and R to find the best window of POS features. The features in the window are denoted by POS{-L+1, R} in a range form.
4.4.3 POS set (No.10-11)
Experiments are conducted on three POS sets, which are BSET, LSET and CSET. BSET is the basic POS set from the tagger. LSET is an enlarged version of BSET, which includes the most frequent 100 words as independent tags. CSET is built with clustering technique. Each POS in the BSET is represented as a
6-dimension vector, whose components are the probabilities of the boundary labels after and before that POS. Then these vectors are clustered into 10 groups. The window size used is 1+1.
4.4.4 Other experiments (No.12-17) WORDLEN and SLEN are added into the baseline system to investigate the importance of length features in No.12 and 13. SYIF, TONE features of syllables around the boundary are considered in No.14. Previous boundary labels (BTYPE_-1, BTYPE_-2) are tested in the experiments No.15 and 16. WORD features are used in No.17 to find if there exist some words that have special prosodic effects.
No. Features POS tag set F0F1 F2 Acc1 Acc2
1 POS{0,1} BSET
0.69 0.72 0.76 0.72 0.79 2 POS{0,0} BSET
0.57 0.53 0.14 0.50 0.64 3 POS{-1,0} BSET
0.55 0.59 0.37 0.54 0.68 4 POS{0,2} BSET
0.70 0.72 0.76 0.72 0.79 5 POS{-1,1} BSET
0.71 0.71 0.76 0.72 0.79 6 POS{-1,2} BSET
0.71 0.70 0.75 0.71 0.79 7 POS{-2,1} BSET
0.71 0.70 0.75 0.71 0.79 8 POS{-2,2} BSET
0.70 0.70 0.75 0.71 0.79 9 POS{-3,3} BSET
0.71 0.70 0.74 0.71 0.79 10 POS{0,1} LSET
0.72 0.74 0.77 0.74 0.81 11 POS{0,1} CSET
0.67 0.67 0.73 0.68 0.75
12 POS{0,1},WLEN{0,1} BSET 0.81 0.77 0.76 0.79 0.86
13 POS{0,1},WLEN{0,1},SLEN BSET 0.82 0.76 0.74 0.78 0.87
14 POS{0,1},TONE,SYIF BSET 0.71 0.72 0.75 0.72 0.79
15 POS{0,1},BTYPE_-1 BSET
0.75 0.74 0.76 0.75 0.82
16 POS{0,1},BTYPE_{-1,-2} BSET 0.75 0.73 0.76 0.74 0.82
17 POS{0,1},WORD{0,1} BSET 0.64 0.72 0.72 0.70 0.78
Table 3: Results of feature selection (F0, F1, F2,Acc1, Acc2 are defined in section 3.2)
4.5 Feature selection results
The results of these experiments are listed in Table 3. From the evaluation figures in the table, we can draw the following conclusions on the effect of the features on prosodic phrase prediction:
1) Part-of-speech is a basic and useful
feature. A window size of 2+1 is already
enough. Larger window size will greatly
lengthen the time of training but make no
significant improvement on the accuracy
rate.
2) The largest POS set LSET performs better
than smaller ones like BSET and CSET.
That’s because small POS sets lead to
small feature space, which may be not big
enough to distinguish the training examples.
3) Length features are beneficial to prosodic
phrase prediction.
4) Phonetic features are less useful than what
we think before.
5) Former boundary information is also
useful. When training, the former and
latter boundary labels are both known, but
when testing, exact former boundary
labels do not exist. We can use the
boundary labels that are already predicted
to help make decision on current label.
Although the error prediction of former
labels may lead to error of current prediction, the result shows the accuracy
rate is improved.
6) WORD feature is not appropriate to use,
since the using of it greatly enlarges the
feature space and needs more training
examples.
4.6 C4.5 Experiments
According to the feature selection results, we know some features are effective to prosodic phrase prediction but some are not. And the solely using of effective features doesn’t result in a high enough accuracy rate. In order to improve the prediction accuracy, we combine the effective features such as WLEN{-1, 1}, BTYPE{-1}, SLEN and POS{-1,1} in LSET tag set together to induce C4.5 rules.
4.7 Examples of C4.5 Rules
As mentioned above, rule systems have the advantage of simplicity and understandability. We examine the rules learned by C4.5 and find they certainly reflect the usage of prosodic structure in some sense. Here are some rules followed by example sentences with the current boundary labels in bold:
1) if POS_1 == Z then BTYPE_0 = B0
?/B0 /B1``/B0Z/B1|=á/B2
2) if POS_1 == :then BTYPE_0 = B0
:?/B0:/B1S W/B1áí/B2
3) if POS_0 == áthen BTYPE_0 = B0
n$/B1á/B05/B2
4) if POS_0 == v && POS_1 == b then
BTYPE_0 = B0
a/B1ó/B0b/B11998H/B2
5) if POS_1 == c && WLEN_0 > 2 then
BTYPE_0 = B2
?ó/B2J/B1KY/B1·%/B2
M/ B1J/B0á/B1?/B09/B2
6) if POS_-1 == n && POS_0 == &&
BTYPE_-1 == B0 then BTYPE_0 = B2
?/B0 /B2ó?/B0:/B0? /B2
Rule 1, 2 and 3 shows the special prosodic effect of functional words such as “Z”, “:”, “á”, which tends to adhere to prosodic words in the sentences. Rule 4 exemplifies that the syntactic structure “Verb+b” usually acts as a prosodic word. Rule 5 concerns the conjunction word, the boundary before which would be B2 (prosodic phrase boundary) if the previous word had a length above 2. The B2 boundary is thought to accentuate the word before the conjunction. Rule 6 deals with the structure “Noun+ ”. We can see that these rules coincide with the experience of prosodic phrasing by human.
4.8 TBL Experiments
A general TBL toolkit (Grace and Radu, 2001) is used in our TBL experiments. The analysis on C4.5 rules casts lights on the design of the transformation rule templates of TBL. Since the same features as C4.5 learning are used in the rule templates, linguistic knowledge, which has been embodied by C4.5 rules, should also be captured by transformation rule templates. Suppose a C4.5 rule, “if (POS_0 == n && POS_1 == u) then BTYPE_0 = B0”, has a high prediction accuracy, it is reasonable to make this rule as an instantiation of TBL rule templates. Table 4 lists some of the rule templates used in TBL experiments.
POS_0 POS_1 => BTYPE_0
POS_-1 POS_0 POS_1 => BTYPE_0
BTYPE _0 POS_0 POS_1 => BTYPE_0
BTYPE _0 POS_-1 POS_0 POS_1 => BTYPE_0
POS_0 POS_1 WLEN_0 WLEN_1=> BTYPE_0
WORD_0 POS_0 POS_1 => BTYPE_0
WORD_0 POS_-1 POS_0 POS_1 => BTYPE_0
BTYPE_0 WORD_0 POS_0 POS_1=>BTYPE_0 ......
Table 4: Rule templates for TBL
The left part of a rule template is a list of features, and the right is the target, BTYPE_0. For example, “POS_0 POS_1 => BTYPE_0”, which is a short form of “if (POS_0 == X && POS_1 == Y) then BTYPE_0 = Z”, means if current POS were X and the next POS were Y, the boundary label would be Z. X, Y, Z are template variables. Let X=n Y=u Z=B0, the template is instantiated into the C4.5 rule above.
Due to the mechanism of TBL rules, there exist rule templates like “BTYPE_0 POS_0 POS_1 => BTYPE_0”, in which the former BTYPE_0 is the label before applying the rule and the latter is after applying it. That’s actually what transformation means. When training, the initial boundary labels are all set to B1. At each step, the algorithm tries all the possible values for template variables to find an instantiated rule that can achieve the best score. When testing, the initial boundary labels are set the same way, and then transformation rules are applied one by one.
5 Evaluation Results
To evaluate the generalization ability of the acquired rules, 5-fold cross validation tests are executed on the corpus for both C4.5 and TBL. We reimplemented the RNN algorithm and POS bigram statistical model to predict prosodic word boundary on the same corpus for comparison. Since our corpus is not large enough for HMM training and the CART method is also decision-tree based as C4.5, we didn’t realize them in our experiments. The evaluation results are shown in Table 5.
Both the C4.5 rules and the TBL rules outperform the RNN algorithm and POS bigram method because the overall accuracy rates Acc2 of the rule based methods are higher. TBL achieves comparable accuracy with C4.5 induction, which demonstrates that the design of transformation rule templates is successful. Comparing Acc1and Acc2 in Table 5, we discover that prosodic word boundaries can be more accurately predicted than prosodic phrase ones. It can be explained as follows. Prosodic word is the smallest prosodic unit in the prosodic hierarchy, which has more relation with the word level features such as POS, word length etc. Prosodic phrase is a larger prosodic unit less related to word level features, thus it cannot be predicted accurately using these features.
Tests Rec o Pre0F0 Rec1 Pre1F1 Rec2 Pre2F2 Acc1 Acc2
C4.5 0.914 0.837 0.874 0.814 0.822 0.818 0.712 0.829 0.766 0.829 0.904 TBL 0.849 0.884 0.866 0.782 0.848 0.814 0.851 0.613 0.713 0.818 0.895 bigram 0.653 0.746 0.696 0.874 0.816 0.844 N/A N/A N/A N/A 0.793 RNN 0.764 0.803 0.783 0.883 0.857 0.870 N/A N/A N/A N/A 0.837
Table 5: Evaluation results
6 Conclusion and Future Work
In this paper, we describe an effective approach to generate rules for Chinese prosodic phrase prediction. The main idea is to extract appropriate features from the linguistic information and to apply rule-learning algorithms to automatically induce rules for predicting prosodic boundary labels. C4.5 and TBL algorithms are experimented in our research. In order to find the most effective features, a series of feature selection experiments is conducted. The acquired rules achieve a best accuracy rate above 90% on test data and outperform the RNN and bigram based methods, which justifies rule-learning as an effective alternative to prosodic phrase prediction.
But the problem of prosodic phrase prediction is far from solved. The best accuracy rate got by machine is still much lower than that by human. In our future work, the study on this problem will go more deep and wide. Other machine learning methods will be experimented and compared with C4.5 and TBL. Features from deep syntactic, semantic or discourse information will be paid more attention to (Julia and Owen, 2001). And the speech corpus will be enlarged to cover more types of text and speaking styles. Acknowledgements
Our work is sponsored by 863 Hi-Tech Research and Development Program of China (No: 2001AA114072). We also would like to thank the anonymous reviewers of the First SigHAN Workshop for their comments. References
Abney Steven. (1995) Chunks and dependencies: bringing processing evidence
to bear on syntax. Computational Linguistics and Foundations of Linguistic Theory, CSLI.
Eric Brill. (1995) Transformation-Based Error –Driven Learning and Natural Language
Processing: A Case Study in Part-of-Speech Tagging. Computational Linguistics 21(4):543- 565.
C.J. van Rijsbergen. (1979) Information Retrieval. Butterworths, London.
Grace Ngai and Radu Florian. (2001) Transformation-Based Learning in the Fast Lane. Proceedings of the 39th ACL Conference.
Julia Hirschberg, Owen Rambow. (2001) Learning Prosodic Features using a Tree Representation. Eruospeech2001.
Li Aijun, Lin Maocan. (2000) Speech corpus
of Chinese discourse and the phonetic research. ICSLP2000.
Michelle Wang and Julia Hirschberg. (1992) Automatic classication of intonational phrase boundaries. Computer Speech and Language 6:175–196.
Paul Taylor and Alan W Black. (1998) Assigning phrase breaks from part-of-speech sequences. Computer Speech and Language v12.
Quinlan,J.R. (1986) Induction of decision trees. Machine Learning, 1(1):81-106.
Yao Qian, Min Chu, Hu Peng. (2001) Segmenting unrestricted chinese text into prosodic words instead of lexical words. ICASSP2001.
Zhiwei Ying and Xiaohua Shi. (2001) An RNN-based algorithm to detect prosodic phrase for Chinese TTS. ICASSP2001.
尊重的素材
尊重的素材（为人处世） 思路 人与人之间只有互相尊重才能友好相处 要让别人尊重自己，首先自己得尊重自己 尊重能减少人与人之间的摩擦 尊重需要理解和宽容 尊重也应坚持原则 尊重能促进社会成员之间的沟通 尊重别人的劳动成果 尊重能巩固友谊 尊重会使合作更愉快 和谐的社会需要彼此间的尊重 名言 施与人，但不要使对方有受施的感觉。帮助人，但给予对方最高的尊重。这是助人的艺术，也是仁爱的情操。—刘墉 卑己而尊人是不好的，尊己而卑人也是不好的。———徐特立 知道他自己尊严的人，他就完全不能尊重别人的尊严。———席勒 真正伟大的人是不压制人也不受人压制的。———纪伯伦 草木是靠着上天的雨露滋长的，但是它们也敢仰望穹苍。———莎士比亚 尊重别人，才能让人尊敬。———笛卡尔 谁自尊，谁就会得到尊重。———巴尔扎克 人应尊敬他自己，并应自视能配得上最高尚的东西。———黑格尔 对人不尊敬，首先就是对自己的不尊敬。———惠特曼
每当人们不尊重我们时，我们总被深深激怒。然而在内心深处，没有一个人十分尊重自己。———马克·吐温 忍辱偷生的人，绝不会受人尊重。———高乃依 敬人者，人恒敬之。———《孟子》 人必自敬，然后人敬之；人必自侮，然后人侮之。———扬雄 不知自爱反是自害。———郑善夫 仁者必敬人。———《荀子》 君子贵人而贱己，先人而后己。———《礼记》 尊严是人类灵魂中不可糟蹋的东西。———古斯曼 对一个人的尊重要达到他所希望的程度，那是困难的。———沃夫格纳 经典素材 1元和200元 （尊重劳动成果） 香港大富豪李嘉诚在下车时不慎将一元钱掉入车下，随即屈身去拾，旁边一服务生看到了，上前帮他拾起了一元钱。李嘉诚收起一元钱后，给了服务生200元酬金。 这里面其实包含了钱以外的价值观念。李嘉诚虽然巨富，但生活俭朴，从不挥霍浪费。他深知亿万资产，都是一元一元挣来的。钱币在他眼中已抽象为一种劳动，而劳动已成为他最重要的生存方式，他的所有财富，都是靠每天20小时以上的劳动堆积起来的。200元酬金，实际上是对劳动的尊重和报答，是不能用金钱衡量的。 富兰克林借书解怨 （尊重别人赢得朋友）
关于毕业演讲稿
关于毕业演讲稿 尊敬的各位领导、各位老师、各位同学： 大家好！我是06级2班的争气的败家子，非常荣幸代表我们班48名毕业生发言。四年过去了，学校的学习和生活为我们奠定了坚实的基础，明天我们就要离开曾经憧憬向往的大学生涯，走向我们的最终归宿——社会。服务社会才是我们的最终目标，我们会投身在社会的大课堂中不断进步，在社会的大舞台上大展鸿图。再此，我代表我们班的全体毕业生，感谢母校四年来对我们的培养和教育，感谢各位领导和老师对我们的关爱和教诲，感谢家人对我们的付出和鼓励，感谢身边朋友带给我们的快乐和帮助。 毕业，就像一个大大的句号。从此，我们告别了一段纯真的青春，一段年少轻狂的岁月，一个充满幻想的时代……毕业前的这些日子，时间过的好像流沙，想挽留，一伸手，有限的时光却在指间悄然溜走，毕业答辩，散伙席筵，举手话别，各奔东西……一切似乎都预想的到，一切又走的太过无奈。 还记得入学第一天我们的自我介绍么？ 还记得为次日的比赛挑灯做准备么？ 还记得我们一起逛街，一起喝酒，一起聊天，一起唱歌么？ 自习室、野游、考试、获奖……一幕幕的场景就像一张
张绚烂的剪贴画，串连成一部即将谢幕的电影，播放着我们的快乐和忧伤，记录着我们的青春和过往，也见证着我们的情深义重。从大一开始第一次上讲台的激动，第一次加入社团的好奇，第一次考试的紧张……到此时在为工作各种选择里彷徨，每一个人都忙忙碌碌，一切仿佛一首没写完的诗，匆匆开始就要匆匆告别。这些岁月里，大学是我们的资本，也是我们的慰藉。 班级聚餐的时候，所有的同学都在那里举杯，为过去的日子和情感，为将来的分别和感伤。昔日笑声不断的整个宿舍楼就这样在几天之内变回空楼，变成一个无限伤感的符号。想起四年以前，我们拎着简单的行李来到这里，而明天，我们重新拎起新的行李，将要开始下一站的生活。 再见了，我的宿舍，再见了，我的兄弟，再见了，我的青春，再见，我的大学。 毕业，又像一个长长的省略号。青春散场，我们等待下一场开幕。等待我们在前面的旅途里，迎着阳光，勇敢地飞向心里的梦想；等待我们在前面的故事里，就着星光，回忆这生命中最美好的四年，盛开过的花……道一声离别，送一声祝福，无论再过多少年，无论我们走到哪里，我们也不会忘记，曾经孕育过我们的这一片深情的土地。 大学时光只是人生路途中的一个小小的驿站，毕业并不代表结束，而是欢呼开始，不是庆祝完成，而是宣布进步。
有关六年级毕业演讲稿集锦5篇(最新)
有关六年级毕业演讲稿集锦5篇 尊敬的学校领导、老师，亲爱的同学们： 大家好！ 我是六年级82班的杨茜。今天，我代表我们全班43位同学，向在场的各位恩师，致以最崇高的敬意！ 六年前，是您，敬爱的老师，将我们领进知识的大门，不仅让我们领略了知识的无穷魅力，更教会了我们做人的道理。我们就是您亲手栽种的桃李。在您谆谆的教导下，我们一天比一天懂事，一天比一天成熟，一天比一天勇敢！ 六载春秋，两千多个日日夜夜，恩师如山啊！您阳光雨露般的教育，给予了我们生命的色彩，让我们收获了生命的精彩！这些，我们都将一辈子铭记于心！请允许我们道一声：“老师，您辛苦了！” “六年磨一剑”再过两周，我们就要迎来人生中的第一次大项的考试——小学毕业考试。这次考试既是献给母校最好的礼物，又是自己学习道路上的小结，更是一张成为合格初中生的名片。我们深知，它的重要性不亚于中考，甚至是高考。 为了能给母校献上一份最美的答卷，为了给自己的人生打下坚实的基础，我们要发扬百米赛跑冲刺的精神，努力奋斗，潜心复习，力争考出六年来最优异的成绩！ 如何在短时间内有针对性地进行复习，提高成绩呢？我们准备从下面几点入手： 一、全面研读教材 我们的考试内容都来自教材，从教材的第一页到最后一页，每个部分都可能考到。我们只有充分准备，在考试时才能游刃有余。 二、善于总结 就是在仔细看完一篇教材的前提下，我们一边看书，一边作总结性的笔记，把教材中的要点列出来，从而让厚书变薄，并理解其精华所在。 三、对症下猛药 在老师、同学的指导下，我们要找出自己在学习上的薄弱环节，集中精力，重点攻破。这样就能以较小的投入获得较大的考试收益，在考试中力于不败之地。
小学生毕业演讲稿范文合集5篇【精品】
小学生毕业演讲稿合集5篇 演讲稿具有逻辑严密，态度明确，观点鲜明的特点。在快速变化和不断变革的新时代，演讲稿对我们的作用越来越大，那么问题来了，到底应如何写一份恰当的演讲稿呢？下面是收集整理的小学生毕业演讲稿5篇，希望对大家有所帮助。 尊敬的老师，亲爱的同学： 大家好! 我是六(4)班xx同学，很高兴能在开学典礼上发言。 高效课堂，既然是高效，那么高效课堂之效高在哪里?我认为高效课堂是面对所有学生的课堂，是老师讲得好、学生学得好、学生有热情、学生满意。第一、要使一节课成为一节高效课堂,我觉得首先课前的准备是最重要的。“台上一分钟，台下十年功”，要实现课堂高效，必须下足课前准备功夫。第二、优化时间安排，努力创建学习型课堂。时间就是效率。抓紧时间，用好时间才能保证课堂的高效率。 高效课堂就是指高效率，高效益，高效果的课堂。就是要改变一块黑板，一张嘴，一支粉笔，一讲到底。 (1)三高：高效率、高效益、高效果 (2)三动：身动、心动、神动 (3)三量：思维量、信息量、训练量 (4)三特点：立体式、快节奏、大容量 (5)三学：肯学、想学、会学 (6)减负：轻负担、高质量;低耗时、高效益 通过一年的学习，我们收获到的有哪些呢? 1、学会评价别人; 2、学会认识自己的不足; 3、学会与别人合作。然后取长补短，相得益彰。打造出一个更优秀的自己。我认为，高效课堂就是让课堂成为学生的讲台，让教室成为学生的天下。 以上是我的开学典礼发言，谢谢大家! 尊敬的各位家长、老师们，亲爱的同学们：你们好！今天，我们欢聚在这美丽的校园举行20xx届小学毕业典礼。向为了同学们健康成长而奉献心血与智慧的老师们和家长们致以崇高的敬意！
与毕业有关的经典演讲稿
与毕业有关的经典演讲稿 与毕业有关的经典演讲稿1 尊敬的各位领导、各位老师、各位同学： 大家好!我是06级2班的争气的败家子，非常荣幸代表我们班48名毕业生发言。四年过去了，学校的学习和生活为我们奠定了坚实的基础，明天我们就要离开曾 经憧憬向往的大学生涯，走向我们的最终归宿——社会。服务社会才是我们的最 终目标，我们会投身在社会的大课堂中不断进步，在社会的大舞台上大展鸿图。 再此，我代表我们班的全体毕业生，感谢母校四年来对我们的培养和教育，感谢 各位领导和老师对我们的关爱和教诲，感谢家人对我们的付出和鼓励，感谢身边 朋友带给我们的快乐和帮助。 毕业，就像一个大大的句号。从此，我们告别了一段纯真的青春，一段年少轻狂 的岁月，一个充满幻想的时代……毕业前的这些日子，时间过的好像流沙，想挽留，一伸手，有限的时光却在指间悄然溜走，毕业答辩，散伙席筵，举手话别， 各奔东西……一切似乎都预想的到，一切又走的太过无奈。 还记得入学第一天我们的自我介绍么? 还记得为次日的比赛挑灯做准备么? 还记得我们一起逛街，一起喝酒，一起聊天，一起唱歌么? 自习室、野游、考试、获奖……一幕幕的场景就像一张张绚烂的剪贴画，串连成 一部即将谢幕的电影，播放着我们的快乐和忧伤，记录着我们的青春和过往，也 见证着我们的情深义重。从大一开始第一次上讲台的激动，第一次加入社团的好奇，第一次考试的紧张……到此时在为工作各种选择里彷徨，每一个人都忙忙碌碌，一切仿佛一首没写完的诗，匆匆开始就要匆匆告别。这些岁月里，大学是我 们的资本，也是我们的慰藉。 班级聚餐的时候，所有的同学都在那里举杯，为过去的日子和情感，为将来的分 别和感伤。昔日笑声不断的整个宿舍楼就这样在几天之内变回空楼，变成一个无 限伤感的符号。想起四年以前，我们拎着简单的行李来到这里，而明天，我们重 新拎起新的行李，将要开始下一站的生活。 再见了，我的宿舍，再见了，我的兄弟，再见了，我的青春，再见，我的大学。
尊重议论文
谈如何尊重人尊重他人，我们赢得友谊；尊重他人，我们收获真诚；尊重他人，我们自己也 获得尊重；相互尊重，我们的社会才会更加和谐. ——题记 尊重是对他人的肯定，是对对方的友好与宽容。它是友谊的润滑剂，它是和谐的调节器， 它是我们须臾不可脱离的清新空气。“主席敬酒，岂敢岂敢？”“尊老敬贤，应该应该！”共和 国领袖对自己老师虚怀若谷，这是尊重；面对许光平女士，共和国总理大方的叫了一 声“婶婶”，这种和蔼可亲也是尊重。 尊重不仅会让人心情愉悦呼吸平顺，还可以改变陌生或尖锐的关系，廉颇和蔺相如便是 如此。将相和故事千古流芳:廉颇对蔺相如不满，处处使难，但蔺相如心怀大局，对廉颇相 当的尊重，最后也赢得了廉颇的真诚心，两人结为好友，共辅赵王，令强秦拿赵国一点办法 也没有。蔺相如与廉颇的互相尊重，令得将相和的故事千百年令无数后人膜拜。 现在，给大家举几个例子。在美国，一个颇有名望的富商在散步 时，遇到一个瘦弱的摆地摊卖旧书的年轻人，他缩着身子在寒风中啃着发霉的面包。富 商怜悯地将8美元塞到年轻人手中，头也不回地走了。没走多远，富商忽又返回，从地摊上 捡了两本旧书，并说：“对不起，我忘了取书。其实，您和我一样也是商人！”两年后，富商 应邀参加一个慈善募捐会时，一位年轻书商紧握着他的手，感激地说：“我一直以为我这一生 只有摆摊乞讨的命运，直到你亲口对我说，我和你一样都是商人，这才使我树立了自尊和自 信，从而创造了今天的业绩??”不难想像，没有那一 句尊重鼓励的话，这位富商当初即使给年轻人再多钱，年轻人也断不会出现人生的巨变， 这就是尊重的力量啊 可见尊重的量是多吗大。大家是不是觉得一个故事不精彩，不够明确尊重的力量，那再 来看下一个故事吧！ 一家国际知名的大企业，在中国进行招聘，招聘的职位是该公司在中国的首席代表。经 过了异常激烈的竞争后，有五名年轻人，从几千名应聘者中脱颖而出。最后的胜出者，将是 这五个人中的一位。最后的考试是一场面试，考官们都 作文话题素材之为人处世篇：尊重 思路 人与人之间只有互相尊重才能友好相处 要让别人尊重自己，首先自己得尊重自己 尊重能减少人与人之间的摩擦 尊重需要理解和宽容 尊重也应坚持原则 尊重能促进社会成员之间的沟通 尊重别人的劳动成果 尊重能巩固友谊 尊重会使合作更愉快 和谐的社会需要彼此间的尊重 名言 施与人，但不要使对方有受施的感觉。帮助人，但给予对方最高的尊重。这是助人的艺 术，也是仁爱的情操。———刘墉 卑己而尊人是不好的，尊己而卑人也是不好的。———徐特立 知道他自己尊严的人，他就完全不能尊重别人的尊严。———席勒 真正伟大的人是不压制人也不受人压制的。———纪伯伦 草木是靠着上天的雨露滋长的，但是它们也敢仰望穹苍。———莎士比亚
关于毕业的演讲稿
关于毕业的演讲稿 ;; 老师同学们大家好，我是18级的毕业生，很荣幸在这里做我的毕业演讲，我的主题是“不忘初心，砥砺前行”。 ;;;;大学四年，我收获了许多，也成长了许多。记得初入学校的时候，我还是一个懵懵懂懂的孩子，不知道未来的方向也没有具体的目标，半年的摸爬滚打，我确定了自己的理想，有了一个清晰长远的目标，我把自己的每一天都计划好，严格按照计划表行事，这样的生活虽然紧张，但却很充实很有意义。 ;; 大一一年，我深刻的体会到了计划的重要性，上半年的时候，我整天无所事事，除了上课之外就是睡觉打游戏，期末成绩与自己的期望严重不符。在深刻的反省之后，我下学期为自己制定了明确的目标与计划，每天严格按照计划表行事，把自己的复习作业任务全部安排好，我发现这样做之后，我不但不会发现时间根本不够用，反而每天会剩出一些时间供自己支配，这样的生活让我觉得自己真正的是一个大学生了! ;;;;现在，我们的很多同学都没有自己未来明确的规划，这也不利于更加进步。我在大一下学期就制定了我的未来目标:考上天津大学的研究生。明确了目标之后，我发现我学习的动力越来越足了，因为天津大学的研究生很难考，必须为之付出百分百的努力与汗水，终于，经过三年半的不懈努力，我的梦想现在成为了现实。我十分感谢原来努力地自己。 ;;;;大学与高中的不同，有一点就表现在你可以参加很多的实践活动，你有很多表现自己的机会，只要你有魄力，你就可以成长成你自己想要的样子，因为大学，是充满了机会的。因为想要做一名教授外国人汉语的教师，我在校的时候就经常参加演讲一类的活动，培养自己的表达能力，其实我原来是一个很腼腆不敢在外人面前表现自己的姑娘，可是，经过多次的实践锻炼，我变得越发的开朗健谈。在大学，一定要充分运用已有的条件，完善自己，当时可能没有什么用处，可是日后，这些优势便会展现出来，成为你收益一生的财富。 ;; 现在的我，为自己骄傲，我的成绩对得起我的努力，我希望大家也可以为着自己的目标不断奋进，不忘初心，砥砺前行!我的演讲完毕，谢谢大家!
关于即将毕业选择的演讲稿三篇汇总.doc
做为就业人员起初不要把自己定位太高，这样反而对自己不利，对自己的将来更不利。下面是本站为大家整理的，供大家参考。 关于即将毕业选择的演讲稿篇01 在讨论这个话题前，先听一个小故事一位智者在当地很有名，一个孩子不服气，找他挑战，他手拿一只小鸟，他问智者小鸟是死是活，假如智者回答是活，他就把它掐死，假如回答是死，那他手一松，小鸟就飞走了，所以不管智者怎样回答，都是错。知道智者怎样回答这个题目的吗?智者看穿了小孩的把戏，若有所思的说“它的命把握在你自己的手中。” 这说明一个甚么题目呢?援用到我们自己身上，我以为，它说明我们就业成功与否完全把握在自己手中。 先做一个调查，我们班想毕业后直接工作的有多少?为就业做好充分预备的又有多少? 恐怕未几吧!谁想成功就业，就仔细听我讲完，想再升学的听听也无害啊! 一学好专业知识。具有高水平的专业知识是我们就业的通行证。在应聘时，不管你无关专业知识的证书有多少，都比不上一张重量级的专业证书来得重要，所以要把专业知识学精学透。现在就业越来越讲求文凭，文凭越高越有益于就业，所以最好能进修。 二博专结合。现在社会越来需要“十”字形的人材，即在专业知识上有所建树外，还应当对其它知识举一反三，生活中很多例子向我们证明我们最初的目标与终究的结果不一定相一致，拿我们高中的地理老师来讲他最初学的是物理，到我们学校应聘时，因我们学校缺少地理老师，他本身对地理很有研究，就当了地理老师。鉴于此类情况在现实生活中大量存在，所以我们应当博专结合，成为“十”字形人材。 三培养一技之长。我们班很多人都有一技之长，比如任亮的评书，赵润佳的字，赵慧洁的舞蹈，任月姣的画。这些特长对学教育专业的我们来讲，就似乎是海上航行遇顺风，势必助我们落井下石，为甚么这么说呢?假如同时行驶在同一海面上，顺风的船与普通的穿哪? 四多参加一些课外活动课外比赛。其好处有首先，培养良好的心态，在课外比赛中常有胜败，经历活动多了就会在比赛中总结经验教训，也会在比赛中知道“胜败乃兵家常事”我们应“一切向前看”这样在应聘时才不会倍感压力而意志低沉乃至失看自杀。其次，接触更多五花八门的人，帮助我们了解社会。再次，我们在比赛中取得的证书会在应聘时给你加很多分，证明你是一个积极份子。 五培养野心。“不想当将军的兵士，不是好兵士”只有当你有足够的野心足够的动力时，你才会迎难而上，你才会“战无不胜战无不胜”，应聘工作失败是常有的事，只有你有足够的野心，你才会成功。 六把好“应聘”关。万事开头难，在踏上工作岗位这条路时，“应聘”无疑是最难，最具
尊重他人的写作素材
尊重他人的写作素材 导读：——学生最需要礼貌 著名数学家陈景润回厦门大学参加 60 周年校庆，向欢迎的人们说的第一句话是：“我非常高兴回到母校，我常常怀念老师。”被人誉为“懂得人的价值”的著名经济学家、厦门大学老校长王亚南，曾经给予陈景润无微不至的关心和帮助。陈景润重返母校，首先拜访这位老校长。校庆的第三天，陈景润又出现在向“哥德巴赫猜想”进军的启蒙老师李文清教授家中，陈景润非常尊重和感激他。他还把最新发表的数学论文敬送李教授审阅，并在论文扉页上工工整整写了以下的字：“非常感谢老师的长期指导和培养——您的学生陈景润。”陈景润还拜访了方德植教授，方教授望着成就斐然而有礼貌的学生，心里暖暖的。 ——最需要尊重的人是老师 周恩来少年时在沈阳东关模范学校读书期间 , 受到进步教师高盘之的较大影响。他常用的笔名“翔宇”就是高先生为他取的。周恩来参加革命后不忘师恩 , 曾在延安答外国记者问时说：“少年时代我在沈阳读书 , 得山东高盘之先生教诲与鼓励 , 对我是个很大的 促进。” 停奏抗议的反思 ——没有礼仪就没有尊重 孔祥东是著名的钢琴演奏家。 1998 年 6 月 6 日晚，他在汕头
举办个人钢琴独奏音乐会。演出之前，节目主持人再三强调，场内观众不要随意走动，关掉 BP 机、手提电话。然而，演出的过程中，这种令人遗憾的场面却屡屡发生：场内观众随意走动， BP 机、手提电话响声不绝，致使孔祥东情绪大受干扰。这种情况，在演奏舒曼作品时更甚。孔祥东只好停止演奏，静等剧场安静。然而，观众还误以为孔祥东是在渴望掌声，便报以雷鸣般的掌声。这件事，令孔祥东啼笑皆非。演出结束后，孔祥东说：有个 BP 机至少响了 8 次，观众在第一排来回走动，所以他只得以停奏抗议。 “礼遇”的动力 ——尊重可以让人奋发 日本的东芝公司是一家著名的大型企业，创业已经有 90 多年的历史，拥有员工 8 万多人。不过，东芝公司也曾一度陷入困境，土光敏夫就是在这个时候出任董事长的。他决心振兴企业，而秘密武器之一就是“礼遇”部属。身为偌大一个公司的董事长，他毫无架子，经常不带秘书，一个人步行到工厂车间与工人聊天，听取他们的意见。更妙的是，他常常提着酒瓶去慰劳职工，与他们共饮。对此，员工们开始都感到很吃惊，不知所措。渐渐地，员工们都愿意和他亲近，他赢得了公司上下的好评。他们认为，土光董事长和蔼可亲，有人情味，我们更应该努力，竭力效忠。因此，土光上任不久，公司的效益就大力提高，两年内就把亏损严重、日暮途穷的公司重新支撑起来，使东芝成为日本最优秀的公司之一。可见，礼，不仅是调节领导层之间关
简短的大学毕业典礼演讲稿
简短的大学毕业典礼演讲稿 You see，the part of China I grew up in was a rural village，and at that time pre-industrial。When I was born，my village had no cars，no telephones，no electricity，not even running water。And we certainly didn’t have access to modern medical resources。There was no doctor my mother could bring me to see about my spider bite。 即将离开我待了六年养我,育我的母校!!心头点点滴滴都是感谢!!回忆一切快乐与泪水的时光.我感慨万千，尤其是书!书啊书，是你给了丰富的知识，是你给了我合格的文凭，是你改变我的命运和前途，也是你让我走上了人生新的一级台阶。让我知道在知识的海洋中吸取知识的同时,让我更加懂得：知识是无穷无尽的!记得每一次获奖都感慨万千~~~感谢老师,感谢精心培育我的母校!!我觉得书是我最好的老师和朋友，它充实着我的生活，拓宽着我的视野，丰富着我的知识，提高着我的才华。困难时，它给我以提醒和帮助;顺利时，它给我加油和鼓掌，是它伴随着我一步步走向成功。 亲爱的同学们、老师们、朋友们： 天下无不散的筵席，自来到x院那一刻起，我们看着一届又一届的学长学姐们走出了校园，那时的我们也许还不能体会毕业时的心境，今天终于轮到我们毕业了，也体会到毕业带给我们的无尽烦恼。毕业离校是对大学生活的一个完美谢幕，辉煌属于过去，奋斗开启未来。
尊重_议论文素材
尊重_议论文素材 "礼遇"的动力 --尊重可以让人奋发 日本的东芝公司是一家著名的大型企业，创业已经有90 多年的历史，拥有员工8 万多人。不过，东芝公司也曾一度陷入困境，土光敏夫就是在这个时候出任董事长的。他决心振兴企业，而秘密武器之一就是"礼遇"部属。身为偌大一个公司的董事长，他毫无架子，经常不带秘书，一个人步行到工厂车间与工人聊天，听取他们的意见。更妙的是，他常常提着酒瓶去慰劳职工，与他们共饮。对此，员工们开始都感到很吃惊，不知所措。渐渐地，员工们都愿意和他亲近，他赢得了公司上下的好评。他们认为，土光董事长和蔼可亲，有人情味，我们更应该努力，竭力效忠。因此，土光上任不久，公司的效益就大力提高，两年内就把亏损严重、日暮途穷的公司重新支撑起来，使东芝成为日本最优秀的公司之一。可见，礼，不仅是调节领导层之间关系的纽带，也是调节上下级之间关系，甚至和一线工人之间关系的纽带。世界知识产权日 --尊重知识 在2000 年10 月召开的世界知识产权组织第35 届成员国大会上，我国提议将 4 月26 日定为"世界知识产权日"。这个提案经世界知识产权组织成员国大会得到了确定。2001 年4 月26 日成为第一个"世界知识产权日"。这是我国尊重知识的具体表现。 屠格涅夫与乞丐 --尊重比金钱更重要 俄罗斯文豪屠格涅夫一日在镇上散步，路边有一个乞丐伸手向他讨钱。他很想有所施与，从口袋掏钱时才知道没有带钱袋。见乞丐的手伸得高高地等着，屠格涅夫面有愧色，只好握着乞丐的手说："对不起，我忘了带钱出来。"乞丐笑了，含泪说："不，我宁愿接受您的握手。" 孙中山尊重护士 --尊重不分社会地位 有一天，孙中山先生病了，住院治疗。当时，孙中山已是大总统、大元帅了。但是，他对医务人员很尊重，对他们讲话很谦逊。平时，无论是早晨或是晚间，每当接到护士送来的药品，他总是微笑着说声"谢谢您"，敬诚之意溢于言辞。 1925 年孙中山患肝癌，弥留之际，当一位护理人员为他搬掉炕桌时，孙中山先生安详地望着她，慈祥地说："谢谢您，您的工作太辛苦了，过后您应该好好休息休息，这阵子您太辛苦了! "听了这话，在场的人都泣不成声。 毛泽东敬酒 --敬老尊贤是一种美德 1959 年6 月25 日，毛泽东回到离别30 多年的故乡韶山后，请韶山老人毛禹珠来吃饭，并特地向他敬酒。毛禹珠老人说："主席敬酒，岂敢岂敢! "毛泽东接着说："敬老尊贤，应该应该。" 周恩来不穿拖鞋接待外宾 --衣着整齐体现对人的尊重 周恩来晚年病得很重，由于工作的需要，他还要经常接待外宾。后来，他病得连脚都肿起来了，原先的皮鞋、布鞋都不能穿，他只能穿着拖鞋走路，可是，有些重要的外事活动，他还是坚持参加。他身边的工作人员出于对总理的爱护和关心，对他说："您就穿着拖鞋接待外
关于毕业的演讲稿三分钟集合
关于毕业的演讲稿三分钟集合 毕业演讲稿1 尊敬的领导，老师，各位同学： 大家好! 今天，我站在这里，代表_班的毕业生向我们的母校道别，向学院的师长道别，向朝夕相处的同窗们道别，也向这段不能忘怀的岁月道别! 岁月匆匆，四年半转瞬即逝。我们将离开我的学生生活。走过楼兰，走过荒滩，只是为了那句“路在脚下，明天会更好”。 这四年半的路，我们走的辛苦而快乐，四年半的生活，我们过的充实而美丽，我们流过眼泪，却伴着欢笑。四年半的岁月，多少个日日夜夜，听起来似乎是那么的漫长，而当我们今天面对离别，又觉得它是那么的短暂。四年半的时光，弹指一挥间，但很多记忆将成为我们生命中最为珍重的收藏：宽阔的操场，明亮的教室，甜蜜的欢笑……我们一定还记得刚入校时你我所立的雄心壮志，一定还记得在教室，图书馆和实验室中你我孜孜不倦学习的身影，一定还记得老师的谆谆教诲，一定还记得在运动场上你我生龙活虎的锻炼场景。太多太多的情景值得我们去回忆。 在四年半里，我们更进一步学会了分析与思考，学会了丰富与凝练，学会了合作与竞争，学会了继承与创新，也进一步学会了如何不断超越，突破自己的极限而成长。如今我们就要毕业了，所有这些温暖的记忆都将铭刻在我们内心深处，那是我们生命中最难忘的日子。喜欢好友常说的一句话：“我们都是只有一只翅膀的天使，只有互相拥抱
才能飞翔。"四年半的同窗友谊，让我们学会了彼此相信并依赖。四年半的生活，我们都有过低谷，但我们相互扶持，鼓励，朋友温馨的笑容，班级温暖的气氛，让我们都走了过来，让我们学会去爱，去坚持，去相信“阳光总在风雨后”。我敬爱的老师，您用您辛勤的汗水，无私的奉献，无数夜的伏案耕耘，给了我们一个清醒的头脑，一双洞察的眼睛和一颗热忱的心灵，再华丽的辞藻也无法表达我们对您——既是老师，又是朋友，更是亲人的尊敬和爱戴。学生即将远行，请允许我们深情地道一声：“老师，您辛苦了!谢谢你们的关怀和教育”!毕业演讲稿2 尊敬的各位老师各位家长，亲爱的同学们： 大家好! 今天对于我们来说是一个十分重要的日子——我们毕业了。回想三年的高中生活，此刻的我们一定百感交集，而这其中最多的应该是感动和感激。 回首我们走过的路，难忘的是夏日炎炎我们坐在教室里刻苦学习的时光;难忘的是教室里那一张张坚定而执着的脸庞;难忘的是失落时，那一声声鼓励和安慰带给你我前行的希望。 难忘的是运动会上那一个个矫健的身姿划出的青春飞扬;难忘的是艺术节上我们一起放声歌唱……激情燃烧的岁月里，多少美好与感动，多少艰辛与拼搏，汇成一支难以忘怀的青春之歌，它，意蕴久远，荡气回肠。 这其中让我们最难忘的是高三，从怀着一颗慎重而谨慎的心去珍视高
关于尊重的论点和论据素材
关于尊重的论点和论据素材 关于尊重的论点 1.尊重需要理解和宽容。 2.尊重也应该坚持原则。 3.尊重知识是社会进步的表现。 4.尊重别人就要尊重别人的劳动。 5.尊重人才是社会发展的需要。 6.人与人之间需要相互尊重。 7.只有尊重别人才会受到别人的尊重。 8.尊重能促进人与人之间的沟通。 9.我们应该养成尊重他人的习惯。 10.对人尊重，常会产生意想不到的善果。 关于尊重的名言 1.仁者必敬人。《荀子》 2.忍辱偷生的人决不会受人尊重。高乃依 3.尊重别人的人不应该谈自己。高尔基 4.尊重别人，才能让人尊敬。笛卡尔 5.谁自尊，谁就会得到尊重。巴尔扎克 6.君子贵人而贱己，先人而后己。《礼记》 7.卑己而尊人是不好的，尊己而卑人也是不好的。徐特立 8.对人不尊敬，首先就是对自己的不尊敬。惠特曼
9.为人粗鲁意味着忘记了自己的尊严。车尔尼雪夫斯基 10.对人不尊敬的人，首先就是对自己不尊重。陀思妥耶夫斯基 11.对于应尊重的事物，我们应当或是缄默不语，或是大加称颂。尼采 12.尊重老师是我们中华民族的传统美德，我们每一个人都不应该忘记。xx 13.尊重劳动、尊重知识、尊重人才、尊重创造。《xx 大报告》 14.对别人的意见要表示尊重。千万别说：你错了。卡耐基 15.尊重人才，培养人才，是通用电器长久不败的法宝。杰克韦尔奇 16.君子之于人也，当于有过中求无过，不当于无过中求有过。程颐 17.施与人，但不要使对方有受施的感觉。帮助人，但给予对方最高的尊重。这是助人的艺术，也是仁爱的情操。刘墉 18.要尊重每一个人，不论他是何等的卑微与可笑。要记住活在每个人身上的是和你我相同的性灵。叔本华 19.要喜欢我们所不尊重的人是很难的;但要喜欢
毕业感言演讲稿
在这个特别的日子里，我很荣幸能代表全体毕业班同学发表我们的毕业感言。我想这会是我最后一次站在这个曾伴我走过六年风雨阳光的舞台上，所以此刻内心里有着难以言表的复杂情感。 仿佛一切还没有发生就在不知不觉中接近了尾声，六年过去了，我们与华附从相遇到相知，一幕幕变幻的光景轮流浮现在我的眼前，凝成心底里不舍的回忆：记得我们曾一起走过的那条水葫芦疯长的小河如今已变得绿树如荫，记得温馨的辅导室里还回荡着我们一起复习时的欢笑，记得原本空荡的宿舍被我们天花乱坠成了家的感觉，记得薛浩老师的摄像机记录了我们每一次大大小小的活动&& 总以为毕业遥遥无期，转眼间却各奔东西。再过几天，我们可当真要踏上高考的战场了。高中三年的努力，我们即将迎来的是现实最富挑战性的邀请，而我一直相信，我们共同走过的高三是一次不容错过的旅程，这期间的被爱与孤独，奋斗与迷惘，齐心与失落，辛苦与幸福都将是我们青春年华里最美的财富。 我知道过多的感谢只会流于别离的俗套，但在这里，我发自内心地想感谢这样一群人。他们会在我们不知天高地厚的时候原谅我们的浅薄与幼稚，他们会在我们想不到的地方给予我们最大的帮助，他们会利用自己的休息时间为我们一遍遍讲解一道哪怕很简单的题目，他们会在上课前带领我们做他们自创的打起精神操，他们甚至回到办公室后也会担心我们这些可怜的孩子们身体是否吃得消&&我想我不用再提起他们共同的名字了，但我真心地希望在我们离开以后，他们的生活会更加幸福，而他们播撒的种子，也会怀着一棵感恩的心，芳香满天下。当然，正所谓严师出高徒，我们今天的成绩也离不开学校领导时时刻刻的督促与帮助。而为了我们的健康成长，杨丽霞等生活老师们更是像家人一样关心爱护着我们，还有学校饭堂提供的那些丰富多料的高三餐常常让我有满嘴的感动。 然而在今天，我更是以激动的心情参会。因为我见到了在我学业生涯中最敬爱的朱子平校长。记得XX年9月，当我怀揣学业的梦想踏上中山华附的殿堂时，我有幸遇见了这个在我生命中影响巨大的好校长。相信大家和我一样，都为他深深的人格魅力所折服，为他人性化的管理模式所感动。曾经各抒己见的校长接待日让我们真正体味到了学生当家作主的感觉，曾经一年一度的高三老师集体旅游又让我们亲爱的老师们在辛苦过后感受到了温暖的幸福，而那首由他填词的校歌更是在一次次的传唱中让我们坚定了立志成才，贵在少年的理想&&他的激励，他的平和，他的妙语连珠，他的阳光笑容一切的一切，都让我在众人疑惑的目光下放弃了赴广州华附深造的好机会，毫不犹豫地选择了留在中山华附就读高中。虽然他回本部的消息让还在高一的我和伙伴们都伤心了极久，但我相信，无论他在那里，这个好校长一直情系中山华附，情系我们这一群曾在他的关怀下长大的孩子。而他在我们学习生涯中留下的点点回忆，也足以支撑着我们每一个人走向属于自己的灿烂前程。 我亲爱的毕业年级的同学们，纵然有千点万点的不舍，我们也要说再见了。记得梁实秋在送别友人时说过：你走时，我不送你，你要来，无论多大风多大雨，我都会去接你。我是最欣赏这种心情的。我希望，十年，二十年，甚至半百年之后校庆，当我们重访这相爱了六年的母校时，从前的欢笑与热泪还会继续，华附的土地上还会留有我们走过的足迹，相逢的我们，还会像从前一样，单纯而亲密。谢谢。
关于学会尊重的高中作文1000字以上_作文素材
关于学会尊重的高中作文1000字以上 尊重是一杯清茶，只有真正懂它的人才能忽略它的寡淡，品出它深处的热烈。下面橙子为大家搜集整理有关学会尊重的高中作文，希望可以帮助到大家! 高中作文学会尊重曾经听说这样一个故事： 一位商人看到一个衣衫破烂的铅笔推销员，顿生一股怜悯之情。他不假思索地将10元钱塞到卖铅笔人的手中，然后头也不回地走开了。走了没几步，他忽然觉得这样做不妥，于是连忙返回来，并抱歉地解释说自己忘了取笔，希望不要介意。最后，他郑重其事地说：“您和我一样，都是商人。” 一年之后，在一个商贾云集、热烈隆重的社交场合，一位西装革履、风度翩翩的推销商迎上这位商人，不无感激地自我介绍道：“您可能早已忘记我了，而我也不知道您的名字，但我永远不会忘记您。您就是那位重新给了我自尊和自信的人。我一直觉得自己是个推销铅笔的乞丐，直到您亲口对我说，我和您一样都是商人为止。” 没想到商人这么—句简简单单的话，竟使一个不无自卑的人顿然树立起自尊，使—个处境窘迫的人重新找回了自信。正是有了这种自尊与自信，才使他看到了自己的价值和优势，终于通过努力获得了成功。不难想象，倘若当初没有那么—句尊重鼓励的话，纵然给他几千元也无济于事，断不会出现从自认乞丐到自信自强的巨变，这就是尊1 / 7
重，这就是尊重的力量! 尊重，是—种修养，一种品格，一种对别人不卑不亢的平等相待，一种对他人人格与价值的的充分肯定。任何人都不可能尽善尽美，完美无缺，我们没有理由以高山仰止的目光审视别人，也没有资格用不屑一顾的神情去嘲笑他人。假如别人在某些方面不如自己，我们不能用傲慢和不敬去伤害别人的自尊;假如自己在有些地方不如他人，我们不必以自卑或嫉妒去代替理应有的尊重。一个真正懂得尊重别人的人，必然会以平等的心态、平常的心情、平静的心境，去面对所有事业上的强者与弱者、所有生活中的幸运者与不幸者。 尊重是一缕春风，一泓清泉，一颗给人温暖的舒心丸，一剂催人奋进的强心剂。它常常与真诚、谦逊、宽容、赞赏、善良、友爱相得益彰，与虚伪、狂妄、苛刻、嘲讽、凶恶、势利水火不容。给成功的人以尊重，表明了自己对别人成功的敬佩、赞美与追求;表明了自己对别人失败后的同情、安慰与鼓励。只有要尊重在，就有人间的真情在，就有未来的希望在，就有成功后的继续奋进，就有失败后的东山再起。 尊重不是盲目的崇拜，更不是肉麻的吹捧;不是没有原则的廉价逢迎，更不是没有自卑的低三下四。懂得了尊重别人的重要，并不等于学会了如何尊重别人，从这个意义上说，尊重他人也是一门学问，学会了尊重他人，就学会了尊重自己，也就学会和掌握了人生的一大要义。 2 / 7
有关初中毕业演讲稿5篇
有关初中毕业演讲稿5篇 优秀毕业生发言稿 尊敬的老师们，亲爱的同学们： 斗转星移，潮涨潮落，时间，就象一位神奇的魔术师，不停地变换着世间的一切，也变换着我们——初三年级的学生。它使我们即将离开板中校园，或跨入高等学校的大门，或迈向社会。 作为毕业生，我想对基础年级的同学们：请努力吧，同学们，今天，我们以学校为荣，明天，学校将以我们为荣！ 以校为荣，不是空洞的口号，它体现在我们的一言一行！以校为荣，不是简单的说教，它要求我们去身体力行！ 无论在什么时候，无论在什么场合，我们一定要记住：我们是学校的主人，我们应该与自己的母校共荣辱，因为，我们的发展，为母校的发展推波助澜，母校的发展又为我们更好的成才搭建通向成功的阶梯！身为中学的我们，学习是我们的主要责任，中学阶段是学习习惯养成的最佳时期，是良好行为习惯养成的黄金时代。我们要特别注意培养认真学习，勤于思考，勤于动脑动手动口的习惯，培养独立学习，主动探索，积极进取的习惯和培养文明健康上进的行为习惯。我们要养成了自主学习，勤于读书，制定计划，编错题集等各种良好的学习习惯，有了文明礼貌，彬彬有礼，落落大方的行为习惯，我们就无愧于新世纪中学生的称号，符合时代
的要求。我们也只有这样，才不会辜负老师的栽培，父母的期望，并且为学校的发展增添光彩！ 身为毕业生的我们更需要努力，因为这是中学阶段最需要拼搏精神的时刻，我们决不能给自己的中学时代留下遗憾，我们更不能输在人生的关键起跑线上！ 然而，在平时的学习生活中，我们还会看到某些同学不容乐观的一面：上课有的同学不认真按老师的要求去做，不按时完成作业；有的毕业班同学学习还不够勤奋；有的班级值日的同学态度不认真，对自己的值日任务应付了事，导致卫生的打扫不彻底；也有的同学在午休晚休时仍不遵守纪律，既影响自己又影响到别人的正常休息和学习…… 俗语说：没有规矩无以致方圆。作为毕业班的同学，自然要更加严格遵守学校的规章制度，无论是在仪表规范还是在文明礼仪方面，无论是在学习习惯还是在行为习惯方面，我们都应该成为基础年级同学的模范！因此，我呼吁我们作为师兄师姐的毕业班的同学，我们在任何时候，任何场合，都要用校规校纪来约束自己，一言一行要以《中学生日常行为规范》来衡量自己，因为，我们坚信：播种行动，收获习惯，播种习惯，收获性格，播种性格，收获的将是我们人生的命运！ 亲爱的同学们，我们还等什么呢？时不我待，成功永远青睐有准备的你！我愿以我们全体初三同学的誓言与大家共
高考作文素材关于文明的作文素材
2015年高考作文素材：关于文明的作文素材 高考作文素材点拨及运用思路：文明 一、素材链接: 言语类 (一)名人名言 1.礼仪的目的与作用本在使得本来的顽梗变柔顺，使人们的气质变温和，使他尊重别人，和别人合得来。约翰?洛克 2.善气迎人，亲如弟兄;恶气迎人，害于戈兵。管仲 3.天下有大勇者，猝然临之而不惊，不故加之而不怒。苏轼 4.我们应该注意自己不用言语去伤害别的同志，但是，当别人用语言来伤害自己的时候，也应该受得起。刘少奇 5.礼貌使人类共处的金钥匙。松苏内吉 6.讲话气势汹汹，未必就是言之有理。萨迪 7.火气甚大，容易引起愤怒底烦扰，是一种恶习而使心灵向着那不正当的事情，那是一时冲动而没有理性的行动。彼得.阿柏拉德 8.青年人应当不伤人，应当把个人所得的给予各人，应当避免虚伪与欺骗，应当显得恳挚悦人，这样学着去行正直。夸美纽斯 9.礼貌是儿童与青年所应该特别小心地养成习惯的第一件大事。约翰.洛克 10.不论你是一个男子还是一个女人，待人温和宽大才配得上人的名称。一个人的真 11.正的英勇果断，决不等于用拳头制止别人发言。萨迪 12.礼貌使有礼貌的人喜悦，也使那些授人以礼貌相待的人们喜悦。孟德斯鸠 13.坏事情一学就会，早年沾染的恶习，从此以后就会在所有的行为和举动中显现出来，不论是说话或行动上的毛病，三岁至老，六十不改。克雷洛夫 14.礼貌经常可以替代最高贵的感情。梅里美 15.礼貌是最容易做到的事，也是最珍贵的东西。冈察尔 16.脾气暴躁是人类较为卑劣的天性之一，人要是发脾气就等于在人类进步的阶梯上倒退了一步。达尔文 17.蜜蜂从花中啜蜜，离开时营营的道谢。浮夸的蝴蝶却相信花是应该向他道谢的。泰戈尔
关于离别的毕业演讲稿精选
关于离别的毕业演讲稿精选是雏燕已练硬了双翅，要飞向远方了吗？是嫩芽已破土而出，要形成一个生命的新历程吗？是你们的小眼睛，开始渴求着探索这个新奇的世界吗？ 孩子们，在这个悄然而至的夏季，我挥动着手，远远地向你们告别。我知道，你们要走了，要毕业了，可是我却走不出，走不出这个别离的季节。当我面对这空荡荡的教室，耳边又似乎回荡起你们纯真的笑声，眼前浮动的是那一张张动人、可爱的小脸…… 还记得你们第一次入园的时候，拖着长长的鼻涕，迈着不稳的脚步，哭着闹着向我走来的情景吗？那时的你们是一个不折不扣的小毛孩。你们将一颗颗无邪的童心裸露给我，让我知道了世界上什么是纯真，什么是美好；我也将满腔的热血与爱播洒在你们幼小的心田，带领你们在知识的天空飞翔遨游。渐渐地，你们知道了白雪公主、灰姑娘的童话；你们会和小伙伴愉快地相处，高兴地玩耍；你们会拿起笔写字、画画；你们还会用稚嫩的歌喉唱出甜美的歌谣，会手拉着手，随着音乐欢快地舞蹈…… 三年的春夏秋冬，花落了又红、草黄了又绿。只有大树知道，这里曾留下我们多少愉悦的笑声和嬉戏。 还记得在这片草地上，我们共同放飞的那只风筝吗？在它放飞的那一刻，你们曾激动地拥着我，高兴地欢叫着来抢
我手里的线。“老师，你看，风筝飞得多高！”“老师，我们为什么不能飞呢？”我深深地理解，你们在渴求着长大，渴求着飞向远方。如今，你们真的就像那只风筝一样，要飞行了吗？要远走了吗？ 我相信，你们一定会比风筝飞得更远更高！你们一定会飞向属于你们的那片蓝天！请记住，你们是未来的天使，新的乐章要你们去奏响。无论何时何地，都要保持一颗纯洁的心，诚实、善良、勇敢、坚强。就请记住这一句嘱托，展翅飞翔吧，我亲爱的孩子们！ 在离别之际，我还要对所有的家长朋友说：“你们的关心和支持，给了我们极大的帮助和鼓励，我衷心地说一声‘谢谢你们’！” 别了，家长朋友们，别了，孩子们，让我无语的思念化作一缕清风，永远陪伴你们前行!
写尊重的初中素材作文
写尊重的初中素材作文 学会尊重 曾看过一个《尊重》的故事：一个商人看到一个衣衫褴褛的铅笔推销员，不假思索地 将10元塞进卖铅笔人的手中，当做施舍。走了没几步，他觉得这样做不妥，连忙返回来，抱歉地向卖铅笔人解释自己忘了取笔。最后郑重其事地说：“您和我一样，都是商人。” 没想到的是，在一年后，在一个热烈隆重的社交场合上，一位西装革履的推销商迎上这位 商人，感激地说：“您可能早已忘记我，但我永远也不会忘记您。您就是那位重新给了我 自尊和自信的人。” 尊重，其实并不难，而在于学会怎样去尊重别人。如果这位商人只是施舍10元后便 离开，那个卖铅笔人也许到今天还认为自己是一个乞丐，也就不会有今天的成就。而这位 商人意识到了那样做是把卖铅笔人看做乞丐，是不尊重他的行为。所以他立即返回，抱歉 地取回铅笔，把卖铅笔人看做和自己一样是商人，应当得到平等的待遇，受到尊重。这虽 然只是一句普通的话，但给予了卖铅笔人的，又岂只是10元，更重要的是自尊和自信， 使得他对自己改变了看法，重塑自尊心，使一个一贫如洗的人看到了自己的优势和价值， 凭艰苦奋斗和自强不息的努力获得了事业的成功，这就是尊重的力量。 我们需要尊重 我们十四岁，风华正茂;我们十四岁，热情奔放。十四岁的我们，尊重别人，同样也 需要别人尊重。 十四岁是一个多思的年华。在生活中，我们学会了思考。看到世间万物，芸芸众生， 我们都要想一想，于是就出现了---日记本。 今天不上晚自习，我没有预先告诉妈妈，想给她一个惊喜。 我轻手轻脚的上了楼，门是虚掩着的，我从门缝往里一看，妈妈正在我的抽屉里翻着 什么。天哪!我的日记本! 我冲了进去，大叫一声:"妈妈!" 妈妈惊讶的转向我，手里的日记本滑落到了地上，手足无措地说:"你，你今天怎么就，就回来了。我，我到你房间打扫卫生，看你抽，抽屉没关好，就¨¨¨" 我气愤地看着满脸惊慌的妈妈，用怨恨的目光瞪了她一眼，就跑出去了。 夕阳淡淡的，忧伤的晚霞笼罩着大地江河。我独自来到桥上，望着点点金光闪烁的河面，心里久久不能平静。