基于提示微调的汉语词汇简化研究

词汇简化是在不改变原句结构和语义的情况下,用更简单的词替换句子中的难词,提高文本面向特定群体读者的可读性。该文提出基于提示微调的汉语词汇简化方法PTCLS(Prompt-tuning Based Chinese Lexical Simplification)。PTCLS采用基于BART的底层架构,能够自然地生成不同字数的替代词,模型训练只需微调少量参数。在公开的汉语词汇简化数据集上的实验表明,该文提出的方法可以大幅超越目前最好的基线系统BERT-LS。深入分析揭示,微调方法只利用少量标注数据即可取得比全参数微调、手工提示和无监督方法更好的表现,尤其针对汉语同义词词典外的难词取得了更显著的性能提升。

基于要点匹配的文科主观题通用评分

主观题自动评分是智慧教育创新中的重要环节,逐步成为人工智能与教育行业领域交叉的热门方向之一。该文面向文科要点主观题,提出基于多任务学习的要点匹配评价模型:评估学生作答与标准答案各个要点之间的匹配等级,并抽取其中与要点相对应的具体片段,通过这两个任务的结果同时刻画学生对每个要点的掌握程度,并作为自动评分的关键特征;将要点匹配评价结果与文本相似度特征相结合,实现主观题作答自动评分,在无定标数据的通用评分场景下大幅提升了效果。对比实验证明了相比传统特征,基于要点匹配评价结果的特征在评分模型中更加重要。

学生议论文中的比喻论证作用分析

在议论文中,比喻不仅是一种修辞技巧,也是一种重要的论证方式。该文提出结合比喻识别和论辩挖掘技术自动分析议论文中的比喻及其论证作用。该文构建了一个数据集,标注了约1200篇学生议论文中的比喻句、论辩角色及论辩质量等级,分析了比喻与论点、论据、阐释和其他论辩角色的作用方式以及比喻运用与篇章质量的关系。该文发现作为常见的修辞手段,比喻句的数量与论辩质量的相关性较弱,但比喻句作为论点时与论辩质量的相关性要强于作为其他论辩角色。此外,该文进一步标注了比喻论点类型以描述比喻的论证作用,包括事实、价值和策略,发现比喻论点的作用主要是传递价值与提出策略。通过比较两类比喻论点类型识别方法,发现基于精调预训练语言模型的方法优于基于提示学习的方法。最后,该文构建了一个集成比喻识别、论辩角色识别与论点类型分类的流水线系统,实验结果显示,该任务具有一定的实用性和挑战性。该研究对于作文自动评分与风格化的论点生成具有很好的应用前景和潜力。

改进的高效动态时间规整算法语音识别系统

动态时间规整算法是结合了动态时间规整(DTW)技术和距离测度计算技术的一种非线性规整算法,在语音识别模板匹配中有重要的应用。为此提出一种改进的高效动态时间规整算法,其能有效加快搜索路径的寻找。基于Matlab实现了隐马尔科夫算法、高效动态时间规整算法和改进的高效动态时间规整算法的语音识别系统,同时进行了算法的仿真实验。实验结果表明,基于改进高效动态时间规整算法的训练速度远大于基于隐马尔可夫算法和高效动态时间规整算法的训练速度,而识别率下降很小,对于小词汇量非连续语音识别中高效动态时间规整算法的识别率为97.56%,隐马尔可夫算法的识别率为97.14%,改进高效动态时间规整算法的识别率为96.43%。

利用深层语言分析改进中文作文自动评分方法

利用自然语言处理技术对作文进行自动评阅是有重要意义和挑战的研究课题,引起了人工智能领域与教育领域学者的共同关注。该文聚焦于语文作文自动评分任务,提出通过深层语言分析,包括应用高性能别字、语法纠错器分析语言运用能力,采用自动修辞分析、优秀表达识别等手段反映语言表达能力,以及通过细粒度篇章质量分析评估篇章整体质量,来构建有效特征。该文同时提出了结合语言分析特征与深度神经网络编码的自适应混合评分模型。在真实语文作文数据上的实验表明,融入深层语言分析特征可有效提高作文评分效果;年级与主题自适应的模型训练策略,可提高模型的迁移能力和预测效果。消融实验进一步分析和解释了不同类型特征对评分效果的贡献。