大模型是什么意思

大模型（Large Model）是指具有数百万或数十亿个参数的深度神经网络模型，这种模型经过专门的训练过程，能够对大规模数据进行复杂的处理和任务处理。

大模型需要占用大量的计算资源、存储空间、时间和电力等资源来保证它的训练和部署。相比之下，小模型（Small Model）是指具有较少参数的深度神经网络模型。小模型常常运行速度更快，也更加轻便，适用于一些计算资源和存储空间较少的设备或场景，例如移动设备或嵌入式设备。

在实际应用中，选择大模型或小模型取决于需要解决的问题和可用资源。大模型通常在自然语言处理、计算机视觉、推荐系统等方面表现良好，它们通常需要高性能计算资源的支持，例如标准的GPU或云端集群。

小模型适合解决一些简单的、小规模的问题，例如信用卡欺诈检测等，它们具有更快的推理速度，可以在低功耗设备上运行，例如智能手机或物联网设备。

大模型能解决的问题

大规模预训练可以有效地从大量标记和未标记的数据中捕获知识，通过将知识存储到大量的参数中并对特定任务进行微调，极大地扩展了模型的泛化能力。在应对不同场景时，不再从0开始，只需要少量的样本进行微调。

再比如BERT已经训练好了，我们要做下游任务，做一个句子的情感分析。那么就会在BERT的输入token中加入一个 class token，这个和vit的做法一样，encoder以后用class token的向量做一下linear transoformation 和softmax和gt做损失训练，所以这一步可以直接初始化BERT模型的预训练参数做finetune，效果要更好。收敛的又快，loss又低。

领域自适应：

多用于文本分类，属于直推式迁移学习，直推式迁移学习定义：给定一个源域和相应的学习任务，一个目标域和相应的学习任务，直推式学习旨在利用源域和目标域中相同的知识来提高目标域中的目标预测函数。

《基于深度学习的体态与手势感知计算关键技术研究》

基于深度学习的肌电手势识别：

并不需要任何附加信息或手工设计的特征提取器，基于高密度肌电信号（HD-sEMG），使用二维阵列电极采集的肌电信号，使得肌肉活动产生的电势场在时间和空间上的变化可被多个紧密分布在皮肤表面的电极同时记录下来。HD-sEMG中的肌电信号描绘了位于电极覆盖区域内的肌肉活动的时空分布，同时HD-sEMG的瞬时值呈现了在特定时间点肌肉活动所涉及的生理过程的相对全局的测量。瞬时HD-sEMG内部可区分出不同手势模式，可以将采集到的HD-Semg描绘出电势在空间的分布，其对应的热度图即为肌电图像，肌电图像中的像素数（分辨率）由其采集设备中的电极阵列决定，即电极的数量及其电极间距离（例如，具有16行8列的电极网格可W采集816像素的肌电图像）。

主要是将原始肌电信号值从（-1，1）映射到（0，255），即，其中x是原始肌电信号，I是肌电图像。构建一个8层CNN结构，网络的前两个卷积层用于提取公共的底层特征，作者发现瞬时肌电图像在不同的空间位置上表现出不同的视觉特征。在不同手势中，肌电图像在中部偏下以及顶部的条状区域上亮度较强，提出在3，4层加入局部连接结构（受人脸识别前沿工作的启发），因为局部连接层在不同空间位置上的卷积模板的权重不共享，可以更好的提取上不同位置的特征。并依据单个窗口内每帧识别出的手势标签中所占比例最高的标签，因为上述实验仅适用于肌电幅值较大的数据进行训练和测试可以获得较高的手势识别准确率，因此需要对肌电信号采用全波整流和低通滤波（全波整流和低通滤波是被广泛采用的肌电信号幅值估计方法），以获取更好的肌电信号。

基于深度领域自适应的肌电手势识别：

当训练集和测试集的肌电信号来自不同的采集会话的情况。因为电极位移，肌肉疲劳，电极和皮肤之间的阻抗变化等因素的干扰，肌电信号与采集会话高度相关，已经训练好的手势分类器直接被应用在新的会话时通常准确率较低。因为肌电信号的分布在不同的会话之间变化很大，所以来自不同会话的基于瞬时肌电信号的手势识别可以相应地表示为多源领域自适应问题。

当标定数据未标记时，该论文采用自适应批量归一化（AdaBN, Adaptive Batch Normalization）对手势分类器进行适配。假设用于区分不同手势的知识存储在每个层的权重中，AdaBN不需要适配数据的手势标签，而是随着无标签的适配数据的增加，逐步更新少量的网络参数。给定输入U，BN将其转换为V，其中第i个输入特征的转换公式为：

l在训练阶段，每个BN层对于每个源域的均值统计量和方差统计量是独立计算的。因为训练阶段的BN对每个数据批次独立计算统计量，所以只需要确保每个数据批次中的样本来自同一个会话。

l识别阶段，对于给定的未标记数据A，AdaBN执行正向传播算法，更新参数。

该方法准确率：单幅305%，150毫秒窗口-392%，而另一种算法特征集（150毫秒窗口）和线性判断：341%。

随机选择未标记的测试集的子集（01%，05%，1%，5%，10%）进行深度领域自适应，之后再评测整个测试集上的手势识别的准确率。最后观测到大约5%的适配数据后准确率达到巅峰，适配数据20000帧，在CSL-HDEMG的2048赫兹的采样率下大约10秒。

并且适配算法并不需要观测到所有种类的手势，从27种选择5个和13个进行适配，最终结果分别是313%（732%），346%（814%）另一种方法是肌电地势（sEMG topography），定义为肌电信号在时间上的二维平均强度图，其中每个像素是某个通道的肌电信号在特定时间窗口内的均方根，用于手势识别。

《Revealing Critical

Channels and Frequency Bands for Emotion Recognition from EEG with Deep Belief

Network》

在基于脑电信号的情感识别任务中，多通道脑电信号存在不相关的脑电信号，这不仅会引起噪声，还会降低系统对情感识别能力。该论文提出一种新的深度信念网（DBN）来检查用于情感识别的关键EEG信道和频段。

主要从行为和生理反应进行情感分析，因为EEG与表情手势相比，具有较高的准确性和客观评价性。该论文采用ESI神经扫描系统，从62通道电极帽以采样率为1000Hz记录脑电信号。每个实验有15个测试，每个测试包括15s提示，45s测试及反馈，5s休息。盖论文一共评价了30个实验。

先下采样原始脑电数据到200Hz，之后使用03Hz到50Hz的带通滤波器滤除噪声和伪影，之后采用之前提出的微分熵（differential entropy）特征[1][2]，对于固定长度的脑电信号，微分熵相当于一定频段内的对数能量谱。此前已经证明微分熵在低频和高频能量之间具有识别EEG模式的能力，因此在五个频段计算微分熵特征（δ：1-3Hz，θ：4 – 7Hz，α：8-13Hz，β：14-30Hz，γ：31-50Hz），使用256点的短时傅里叶变换，并将特征归一化到0-1。

利用五个频段的去噪后的62通道的特征作为输入，DBN达到8608%的准确率和834%标准差，本论文通过分析经过训练的DBN的权重分布来检验关键通道和频带，权重对于识别情感模型是很重要的，因为对于学习任务贡献较大的神经元权值将增加，不相关的神经元权值趋于随机分布，图1为权重在第一层神经网络训练后的分布，可以看出主要在beta和gamma波的权重最大，这说明此频带包含更重要的鉴别信息。

  从图2中我们可以看出侧颞区和前额脑区相比其他脑区在beta和gamma频带更容易激活。因此可以得出结论，在识别积极，中性和负面情绪时侧颞叶和前额叶通道是关键通道，beta和gamma是关键频带。

如图3所示，依据脑区中权重分布的特点，设计了四种不同的电极放置剖面，包括4通道，6通道，9通道和12通道，其中4通道的最佳平均精度和标准差为8288%/1092%，而所有62通道的最佳平均精度和标准差为8399%/1092%，这说明四个相对电极阻轮廓（four profiles of relative electrode sets）FT7,T7,FT8,T8是辨别情感特征的电极。

[1]Duan R N, Zhu J Y, Lu B L Differential entropyfeature for EEG-based emotion classification[C]// International Ieee/embsConference on Neural Engineering IEEE, 2013:81-84

[2]Zheng W L, Zhu J Y, Peng Y, et al EEG-based emotionclassification using deep belief networks[C]// IEEE International Conference onMultimedia and Expo IEEE, 2014:1-6

脑电论文（大脑解码：行为，情绪）：

Real-time naive learning of neural correlates in ECoG Electrophysiology

神经实时朴素学习相关的皮层电生理

地址： http://wwwijmlcorg/papers/40-L0174pdf

A Deep Learning Method for Classification of EEG Data Based on MotorImagery

基于运动表象的脑电数据分类的深度学习方法

地址： http://wwwbiospburu/faculty/departments/vnd/pdf/journal%202015/moskvichpdf

Affective state recognition from EEG with deep belief networks

基于深层信念网络的脑电情感状态识别

地址： https://wwwcsebuffaloedu//DBGROUP/bioinformatics/papers/Kang_BIBM_2013pdf

A Novel Semi-Supervised Deep Learning Framework for Affective StateRecognition on EEG Signals

一种用于脑电信号情感状态识别的半监督深度学习框架

地址： https://wwwcsebuffaloedu//DBGROUP/bioinformatics/papers/cameraready_xwjiabibepdf

Revealing critical channels and frequency bands for emotion recognitionfrom EEG with deep belief network

用深层信念网络揭示脑电情感识别的关键通道和频带

地址： http://bcmisjtueducn/~blu/papers/2015/9PDF

EEG-based emotion recognition using deep learning network withprincipal component based covariate shift adaptation

基于深度学习网络的主成分协移自适应的脑电情感识别

地址： http://europepmcorg/backend/ptpmcrenderfcgiaccid=PMC4165739&blobtype=pdf

Classifying EEG recordings of rhythm perception

节律性脑电记录分类

地址： http://wwwterasoftcomtw/conf/ismir2014/proceedings/T117_317_Paperpdf

Using Convolutional Neural Networks to

Recognize Rhythm Stimuli from Electroencephalography Recordings利用卷积神经网络识别脑电记录中的节律刺激

地址： http://wwwiticsuni-magdeburgde/~stober/publ/nips2014pdf

Convolutional neural network with embedded Fourier transform for EEGclassification

基于嵌入傅立叶变换的卷积神经网络在脑电信号分类中的应用

地址： http://pdfssemanticscholarorg/9a19/a59f5e8f3494e97c70eecd06003e5d1f4eb7pdf

Continuous emotion detection using EEG signals and facial expressions

基于脑电信号和表情的连续情绪检测

地址： https://ibugdocicacuk/media/uploads/documents/soleymani-fu-icme14_camera_readypdf

‘Deep Feature Learning for EEG Recordings

脑电记录的深部特征学习

地址： https://wwwresearchgatenet/publication/283986303_Deep_Feature_Learning_for_EEG_Recor

异常分类论文（阿兹海默症，癫痫，睡眠阶段检测）：

Classification of Electrocardiogram Signals with Deep Belief Networks

基于深层信念网络的心电信号分类

http://wwwresearchgatenet/publication/293781533_Classification_of_Electrocardiogram_Signals_with_Deep_Belief_Networks

Modeling electroencephalography waveforms with semi-supervised deepbelief nets: fast classification and anomaly measurement

半监督深信网模拟脑电波形：快速分类和异常测量

http://xueshubaiducom/swd=paperuri%3A%28cae246865d395d67f463268e8079cab4%29&filter=sc_long_sign&tn=SE_xueshusource_2kduw22v&sc_vurl=http%3A%2F%2Fwwwncbinlmnihgov%2Fpmc%2Farticles%2FPMC3193936%2Fpdf%2Fnihms322259pdf&ie=utf-8&sc_us=14353019482626292792

Deep belief networks used on high resolution multichannelelectroencephalography data for seizure detection

用于癫痫检测的基于高分辨率多道脑电图数据的深度信念网

地址： https://wwwknexusresearchcom/wp-content/uploads/2015/07/AAAI_JT_Turnerpdf

Deep Learning in the EEG Diagnosis of Alzheimer’s Disease

深层学习在阿尔茨海默病脑电诊断中的应用

http://vigirmissouriedu/~gdesouza/Research/Conference_CDs/ACCV_2014/pages/workshop3/pdffiles/w3-p7pdf

Sleep stage classification using unsupervised feature learning

基于无监督特征学习的睡眠阶段分类

https://wwwresearchgatenet/publication/235943204_Sleep_Stage_Classification_Using_Unsupervised_Feature_Learning

Classification of patterns of EEG synchronization for seizureprediction

癫痫发作的脑电同步模式分类

地址： http://yannlecuncom/exdb/publis/orig/mirowski-cneuro-09pdf

Recurrent neural network based prediction of epileptic seizures inintra-and extracranial EEG

基于递归神经网络的颅内外脑电癫痫发作预测

EEG-based lapse detection with high temporal resolution

基于脑电信号的高时间分辨率检测

地址：

http://wwwresearchgatenet/profile/Richard_Jones21/publication/3039266_EEG-Based_Lapse_Detection_With_High_Temporal_Resolution/links/5457ab030cf2bccc491112ed

《每一种孤独都有陪伴》（武志红）电子书网盘下载免费在线阅读

资源链接：

链接：https://panbaiducom/s/1-ocOkSamoJP0lfPtH3beNg

提取码：u9vt

书名：每一种孤独都有陪伴

作者：武志红

豆瓣评分：78

出版社：中国华侨出版社

出版年份：2015-3

页数：256

内容简介：愿你拥有被爱照亮的生命！最具人气的资深心理学家、百万册畅销书作家武志红，揭示孤独感背后的深层心理机制，让爱和自由在家人、爱人之间流动

内容简介

家是港湾，可为何家会伤人？

爱意味着融合，可为何越爱越孤独？

我们每个人都渴望走出孤独，都渴望与别人相爱。如果一个人越重要，我们就越会用自己所懂得的最好的方式去对待他。

但很多时候，这种渴望背后的潜台词是：因为我爱你，我做的一切都是为你好，所以你要听我的，要按我的期待去回应，去做事。而所谓的“好的方式”则常常是把自己的意志强加给别人。

在这种逻辑下，相爱便成了强加，成为控制彼此的战争。因为这个缘故，我们都渴望爱，都爱过，然而，要命的孤独感却纠缠着这个世界上的绝大多数人，亲密关系成为咫尺天涯。

极具人气的资深心理学家武志红洞悉孤独感背后的深层心理机制，用细致入微的笔触，揭示了如何打破横亘在人与人之间那堵自恋的墙，真正看到别人的存在，结束权力与控制的隐秘游戏，让真爱和自由重新回到家人、爱人之间。

编辑推荐

"◎ 最具人气的资深心理学家、百万册心理学畅销书作家武志红经典作品。

◎ 爱是我们最深层的渴望，但为何越爱越孤独？对这个永恒的人的困境，作者深具洞察力，洞悉孤独感背后的深层心理机制，帮助我们对自我、对情感模式有更多的觉察，打破自恋的幻觉，看到关系的真相。如果你也有“爱是什么？为何越想抓越抓不住？”类似的困惑，那这本书就适合你。

◎ 作者的写作方式非常引人入胜，通过故事、案例来阐述自己的观点，分析的过程层层深入，透彻精彩，大众读者都能够理解接受。那些故事也成了我们每个人的镜子，和主人公一起感受，看书的过程就像是接受心理辅导课。

◎ 作者的风格是理性平静的治愈系，见解独到深刻，他是用心体会、理解和践行过，才写出了这样温暖睿智的文字。有读者评价“武老师对心灵这个东西有直觉，对他人的痛苦有着敏感的同理心，对怎样走出困境有中肯的见解”。

◎ 真爱和自由是让我们走出孤独的道路。如果我们能做到这些，就会真正尊重自己的生命，尊重自己和别人的选择范围，懂得感激已拥有的一切，从而可以更深沉、更踏实地活在当下。

媒体评论

有很多人的情感经历一直不顺利，不断地恋爱、分手，结婚、离婚，给自己和别人都带来了巨大的痛苦。有些人和孩子的关系一直不和谐，整天处于对立、逃避或争吵的恶性循环里无法自拔。是啊，这些人为何越爱越孤独呢？读了这本书，给了我很大的启发，原来都是自恋惹的祸。我们自认为很爱对方，实际上是爱上了自己强加在对方身上的投射，根本没有看到对方的真实存在，所以一直纠缠在糟糕的关系中痛苦万分。这本书非常实用，会给你指明方向，拨开迷雾，让爱从此流动起来！

——紫色的百合

我们习惯性地将爱理解为亲密无间、无所不谈，甚至是可以掌控对方的一切。如果将爱理解成“控制”，那结果必然是“越爱越孤独”。

阅读此书，能引起我们深思的不只是亲子关系，还有夫妻关系等。非常喜欢作者的写作方式，每一篇文章都以案例来阐述自己的观点，分析案例的过程层层深入、引人入胜。看着看着，我觉得自己进入了那一个个感人至深的故事里，和主人公一起感受他们的内心，直到最后，看到作者的分析结论，才仿佛如梦初醒，就像是接受了一堂心理辅导课。

——阳光三月

武志红的书最大的好处在于读得懂。任何一个有点文化的人都能把那些心理机制看懂。他在文章中所讲的那些道理、所做的那些分析，作为读者读下来之后，会觉得真的讲得非常清楚，也很透彻。从这种清楚和透彻中，我们可以感受到作者的那份真诚，他一定是用心去体会和理解过，甚至是践行过才能写得出这些文字的。他写这些文字的时候肯定是真诚并认真地面对了自己。

——Shirley

作者简介：武志红

资深心理咨询师、心理学畅销书作家。

1992年考入北京大学心理学系，师从国内著名的心理治疗学家钱铭怡教授，2001年获得心理学系临床心理学专业硕士学位。2009年成立武志红心理咨询中心。

曾主持《广州日报》的“健康 心理”专栏，致力于用心理学去深度剖析理解中国式的个人、家庭与社会的种种典型现象，读者遍布世界各地华人区。

著有《为何家会伤人》《为何越爱越孤独》等系列作品，总销量超百万册。

　　摘 要：通过对古希腊三大戏剧家埃斯库罗斯、索福克勒斯、和欧里庇得斯的透析，亚里士多德第一次提出了西方悲剧理论。亚里士多德的悲剧观对后世特别是文艺复兴时期的戏剧家，小说家都产生了不可估量的影响。而古希腊的《俄狄浦斯王》也完美诠释了亚里士多德的悲剧观。通过对《俄狄浦斯王》的悲剧因素进行全面的剖析从而让读者对亚里士多德的悲剧观有更完整的理解。

关键词：悲剧；俄狄浦斯；情节；怜悯；恐惧

1 悲剧的定义

亚里士多德曾定义，“悲剧是对严肃，完整，有一定长度的行为的摹仿，在语言上它必须是艺术语言的修饰，由不同独立的部分组成的情节，最终能够引起怜悯和恐惧以引起情感的净化。”（诗学：34）

《俄狄浦斯王》讲述了俄狄浦斯在不知情的情况下杀父娶母的故事。得知实情后，在惊恐中备受打击的俄狄浦斯刺瞎了双眼。很讽刺的是当俄狄浦斯双眼明亮时却无法认清自己真实的身份；相反双目失明时却真切地认识了自己的命运。故事的悲剧也恰恰体现于此，俄狄浦斯王越想逃离预言，却越是陷入命运的泥沼不可自拔。面对命运的捉弄，他无力反抗，他的悲剧命运是不可避免的。

2 悲剧情节

在亚里士多德看来，情节是悲剧的核心部分。情节是一部悲剧成功与否的重要标准之一。“正是悲剧人物的行为导致了他们最终的幸福亦或悲惨结局。（诗学：34） 正如亚里士多德所言，没有情节的悲剧不是真正的悲剧。 一部优秀的悲剧必须有着构思精巧的完整的情节。精妙的开端，层层迭起的高潮，和完美的结局则能巧妙的吸引观众的眼球。

《俄狄浦斯王》一开始讲述了俄狄浦斯因受预言的影响，不得已离开养父母背井离乡。随着情节的发展，他面对路人挑衅，最终出于自卫，在格斗中杀死了路人的首领，即自己不曾谋面的生父，娶了生母。故事情节在此达到了高潮。当他意识到自己的真实身份之后，他戳瞎了双眼，看到这样的结局，观众也无不替俄狄浦斯不可阻挡的悲剧命运深深地叹惋。

从《俄狄浦斯王》的发展中，我们清晰地看到了故事情节的完整性，紧凑性。而其中一系列的情节起伏也足以有效地调动观众们的感觉神经。

亚里士多德指出最好的情节有其完整性的同时又能引起人们的怜悯和恐惧。因此，他总结了悲剧应该避免的三种情节。第一，好人从幸福到悲惨的结局，因为这种情节会引起观众的憎恶心理而不是怜悯和恐惧。第二，坏人从卑鄙转向可敬的过程，因为这种情节绝不会引起观众的半丝怜悯恐惧抑或任何一种情感。第三，坏人从幸福转向更悲惨的境地，因为这也不足以调动观众的怜悯和恐惧。

基于以上三种情节，亚里士多德提出了他认为的最好的悲剧情节。悲剧展现的不应该是一个纯粹的好人或坏人，而主人公最终的悲剧结尾也不是由于自身的堕落造成的，而是源于悲剧主人公的自身判断错误。当我们看到俄狄浦斯在不知情的状况下杀父娶母后，不仅会深深的同情他，更多的会是从心底产生恐惧感。人生最不幸的莫过于残杀至亲，骨肉相残。俄狄浦斯的残酷行为并非源于自身的凶残，而是错误判断造成的，并能在心底引起深深的怜悯与恐惧。

3 悲剧人物

亚里士多德认为最能产生悲剧效果的不是有着丰功伟绩的英雄抑或卑劣粗俗的小人，而是那种不好不坏的人，他的堕落结局并不是因为自身的缺点，而是判断失误造成的。那种完全意义上的道德高尚的好人的悲剧是难以产生怜悯和恐惧的情感。典型的悲剧英雄应该是被社会普遍接受的阶层代表，俄狄浦斯是底比斯的王子，他高贵的身份也赢合了亚里士多德对悲剧主人公的定义。

亚里士多德认为“悲剧并不是从天而降的，而是由于主人公自身的性格缺点造成的。他不仅是悲剧的始作俑者更是悲剧的受害者。”（罗，1985：35）一方面，俄狄浦斯聪明勇敢，爱戴臣民。在斯芬克斯的诅咒下，他果敢机智的答出谜底将城市解救于水火。而得知真相后为了保护自己的臣民不受牵连遭受诸神诅咒，毅然离开了自己的家乡。总的来说，俄狄浦斯是个备受尊敬的好国王。然而，另一方面，俄狄浦斯激进好斗，自大急躁。当路人挡路挑衅时，他不能忍住脾气，和平处理，而是选择了格斗并杀死了自己的生父。俄狄浦斯的悲剧正是自身的好斗暴躁，心胸狭窄酿成的苦果。

4 净化

亚里士多德强调“悲剧应该唤醒观众的怜悯和恐惧以净化心灵。“净化”是指观众心灵的洗礼、升华。《俄狄浦斯王》的悲剧结尾微妙地向观众传达了这一“净化”的情感。俄狄浦斯的鲁莽轻信酿成了他的悲剧，他也近乎陷入崩溃的边缘。观众难免会情不自禁被主人公的无辜和面对命运的无奈与无助而痛惜不已。俄狄浦斯承受的极端惩罚，反而会引起我们内心深深的怜悯。同时，我们会被他心里的痛苦震撼到，读者设身处地来想，引起强烈恐惧也在所难免。

5 “发现”和“突转”

亚里士多德在情节中融合了“发现“和“突转”的效果。“发现”是无处不在的。发现是指悲剧主人公从不清楚某个事实，到最终获得真相，主人公重新发现自我，审视自我的过程。“突转”是指命运的突变，无论是从好运转坏还是从坏转好。“突转”与“发现”相伴相生，通常发生在故事的高潮阶段。它是故事情节的转折点，也正是“突转”构成了故事的高潮，形成了悲剧最精华的组成部分。

“发现”和“突转”有助于我们清楚的认识悲剧的精髓。很多时候，生活并不是简单的从A到B的直线过程，很多时候要经历各种起起落落，伴随着各种“发现”和“突转”。悲剧包含的“发现”、“突转”充分说明命运的多变，有时无论怎样逃避也摆脱不了命运的枷锁。《俄狄浦斯王》充满了各种的“发现”事实，俄狄浦斯认识到自己杀父，娶母，观众也会感到极为震惊，极大地渲染了悲剧效果。

6 结语

通过对《俄狄浦斯王》的分析，我们对亚里士多德的悲剧观有了更清晰的认识。从巨著《诗学》，我们不难发现亚里士多德的悲剧观对后世西方悲剧理论及其发展起着至关重要的作用。而《俄狄浦斯王》则巧妙地呈现了亚里士多德悲剧观的崇高悲剧美。

参考文献：

[1]Aristotle, Poetics, Critical Theory Since Plato, by Hazard Adams, New York:1971

[2]Sophocles Oedipus the King Oversea Publishing House, 2005

[3]程孟辉，《西方悲剧学说史》北京：中国人民大学出版社，1996年

[4]朱光潜主编，罗念生译《诗学》北京：人民文学出版社，1997年

[5]罗念生，论古希腊戏剧[M]北京:中国戏剧出版社，1985年

《心尖上的黑天鹅:治愈内隐的心伤》百度网盘pdf最新全集下载:

链接：https://panbaiducom/s/1k9kQVlHWCtoYKzIVnVIucA

pwd=wmxl 提取码：wmxl

简介：这是一本讲述面对创伤，如何自我治愈的心理学图书。全书共分四章，内容从原生家庭、人际关系、亲密关系、自我认知和成长几个方面着手，通过作者接触过的真实咨询案例加以深入浅出地分析，为受过心理伤害的人提供自我治愈的方法和途径。对于很多人在童年时期遇到的问题，帮助读者如何以正面面对的心态认识自身的情感困惑，用实际可行的方法慢慢治愈自己。    

《文学文本解读学》（孙绍振）电子书网盘下载免费在线阅读

链接：https://panbaiducom/s/1XPEV-2iTEtIj4VAeFjNmWg

提取码：juys

书名：文学文本解读学

作者：孙绍振

豆瓣评分：83

出版社：北京大学出版社

出版年份：2015-4-1

页数：503

内容简介：

《文学文本解读学》作者认为，西方文学理论对解读文学文本而言是低能甚至无效的，文学文本解读应该追求对审美感染力以及文本的特殊性、唯一性、不可重复性的阐释。基本观点就是回到文本分析，回到文学审美。落实到具体操作上，提出：第一，微观直接分析：隐性矛盾；第二，微观间接分析之一：艺术感知的还原；第三，微观间接分析之二：情感逻辑的还原（"无理而妙"）；第四，宏观比较：古典的情景交融和现代的情理交融；第五，历史语境的还原，等等。

作者简介：

孙绍振，1960年毕业于北大中文系。福建师大文学院教授、博士生导师，中国文艺理论学会副会长。1953年开始发表作品。1983年加入中国作家协会。著有《文学性讲演录》、《直谏中学语文教学》、《挑剔文坛》、《文学创作论》、《论变异》、《美的结构》、《怎样写小说》等。