印地语自然语言处理研究进展

与西方语言相比,印地语是东南亚地区的一种低资源语言。由于缺少相应的语料、标注规范及计算模型,当前印地语自然语言处理工作并未得到重视,也不能较好地迁移通用语种研究中的前沿方法。该文在进行文献调研和计量分析的基础上,回顾了印地语自然语言处理研究在基础资源建设、词性标注、命名实体识别、句法分析、词义消歧、信息检索、机器翻译、情感分析以及自动摘要等方面的研究进展,最后提出了该领域研究可能面临的问题及挑战,并展望未来发展趋势。

新浪微博场域下的“意见领袖”与群体极化探究——以“高以翔事件”为例

众多学者认为,微博具备建立公共领域的先天条件,因为其在一定程度上提供了让公众进行讨论的公共平台。然而,也有许多学者认为微博与真正的公共领域相距甚远,其中既有因对“意见领袖”的“沉默追随”和对公共事件的“情绪发泄”造成的群体极化,也有因“数字鸿沟”和商业利益造成的话语霸权。文章以“高以翔事件”为例,对以上争论进行检验,就微博场域下“意见领袖”与群体极化的关系进行综合评估,探讨“意见领袖”和群体极化如何影响公众理性。通过把“高以翔事件”分为引爆期、高潮期、延续期和衰退期进行分析,发现微博确实有成为公共领域的潜力,但与真正的公共领域还是有一定的差距。

融合深度神经网络与统计学习的印地语词性标注方法研究

针对统计模型受限于标注语料规模且不能捕获标注序列的上下文信息问题,提出一种融合深度学习和统计学习的印地语词性标注模型。该模型具有3层逻辑结构,首先在词表示层采用深度神经网络框架训练出印地语单词的形态特征,并利用word2vec方法对语料训练生成具有语义信息的低维度稠密实数词向量,然后在序列表示层将形态特征和词向量作为深度神经网络模型的输入并进行训练,得到输入序列的信息特征,最后在CRF推理层利用深度神经网络模型的输出状态和当前的转移概率矩阵作为CRF模型的参数,最终得到最优的标签序列。对提出的方法与其他方法进行了对比实验,结果表明融合深度学习和统计模型的方法较其他几种统计模型的性能有显著的提升。

基于“翻转课堂”的印地语教学方法改革与创新

随着"互联网+"时代的到来,"翻转课堂"这一概念加速席卷中国,成为中国实施教育改革的利器."微课"与"慕课"作为"翻转课堂"的表现形式,也在中国教育界引起不少学者和教师的重视和关注.通过描述中国印地语传统教学方法的现状和弊端,分析印地语教学不同课程和"翻转课堂"教学模式的契合程度,提出"翻转课堂"教学模式对印地语教学产生的积极影响,并以经贸印地语课程为例研究如何将印地语教学与"翻转课堂"教学模式相结合.