基于图卷积网络的掩码数据增强

针对多项选择问答(MCQA)领域中原始数据信息不准确、样本质量低以及模型泛化能力差等问题,提出一种基于图卷积网络(GCN)的掩码数据增强模型GMDA(Graph convolution network-based MASK Data Augmentation)。该模型以GCN作为基础框架,首先将文章中的单词抽象为图节点,并利用问题-候选答案(QA)对节点进行连接,建立与相关的文章节点之间的联系;其次,计算节点之间的相似性,并应用掩码技术对图中的节点进行掩盖,从而生成增强样本;再次,利用GCN对增强样本进行特征扩充,以提升模型的信息表达能力;最后,引入打分器对原始样本和增强样本进行评分,并结合课程学习策略提高答案预测的准确性。综合评估实验结果表明:与RACE-M、RACE-H数据集上的最优基线模型EAM相比,所提模型GMDA的准确率分别平均提高了0.8、0.4个百分点,而与DREAM数据集上的最优基线模型STM(SelfTraining Method)相比,GMDA模型的准确率平均提高了1.4个百分点。此外,对比实验的结果也验证了GMDA模型在MCQA任务中的有效性,可为数据增强技术在该领域的进一步研究和应用提供帮助。

核心素养理念下高中语文写作教学对策探究

写作教学是高中语文教学的重要组成部分,受到学校、家庭和社会各界的广泛关注。通过写作教学培养高中生的语文核心素养是当前中国基础教育理论与实践研究的重要课题之一。新的《普通高中语文课程标准》对高中写作教学提出新要求,明确了高中语文写作教学的努力方向:以立德树人思想引领写作教学理念;以思维创造力激发深化前写作指导;以审美鉴赏力培养渗透后写作讲评;以弘扬优秀传统文化彰显写作教学的情怀。

人脸识别与高校学生考勤系统

文章以人脸识别技术为核心,提出一种新的基于TensorFlow平台,采用MTCNN等技术手段的高效学生考勤系统。通过考勤摄像机对学生进行无感知的主动式扫描,可将采集的学生人脸与系统登记的白名单比对,后台进行分析统计,自动得出学生的考勤结果,有效地缩减了任课老师人工考勤的时间消耗,解决了学生被动式考勤带来的代考、代到、漏考、误考、效率低等问题。