Sora:从技术哲学到文艺学的思考(笔谈)

哲学学者吴冠军从技术哲学的视角提出:从ChatGPT、DALL·E到Sora,基于转化器的AIGC大模型并不只改变了内容创作,还改变了“世界”在最字面上的意义。世界化成的过程,越来越多被以有损压缩-重新生成为发生学机制的AIGC之创造性活动所介入,这就导致“宇宙”(我们眼里的“物理宇宙”)与“元宇宙”不断深层次地叠加,“自然进程”与“人工创造”不断深层次地交织以至进入无可区分之域。这就意味着,我们所熟悉的那个“世界”,将一去不复返:当AIGC已“深”到参与世界化成本身之中时,讨论“深伪”将越来越没有意义。文艺学学者赵宪章则从“语图关系学”的视角提出:Sora的横空出世及其未来演进,不仅不是图像时代符号危机的解除,更不是语图关系研究的终结。恰恰相反,Sora加深了这一危机,语图关系研究也延宕出新的面向。

主题方面共享的领域主题层次模型

层次主题模型是构建主题层次的重要工具.现有的层次主题模型大多通过在主题模型中引入nCRP构造方法,为文档主题提供树形结构的先验分布,但无法生成具有明确领域涵义的主题层次结构,即领域主题层次.同时,领域主题不仅存在层次关系,而且不同父主题下的子主题之间还存在子领域方面共享的关联关系,在现有主题关系研究中没有合适的模型来生成这种领域主题层次.为了从领域文本中自动、有效地挖掘出领域主题的层次关系和关联关系,在4个方面进行创新研究.首先,通过主题共享机制改进nCRP构造方法,提出nCRP+层次构造方法,为主题模型中的主题提供具有分层主题方面共享的树形先验分布;其次,结合nCRP+和HDP模型构建重分层的Dirichlet过程,提出rHDP(reallocated hierarchical Dirichlet processes)层次主题模型;第三,结合领域分类信息、词语语义和主题词的领域代表性,定义领域知识,包括基于投票机制的领域隶属度、词语与领域主题的语义相关度和层次化的主题-词语贡献度;最后,通过领域知识改进rHDP主题模型中领域主题和主题词的分配过程,提出结合领域知识的层次主题模型rHDP_DK(rHDP with domain knowledge),并改进采样过程.实验结果表明,基于nCRP+的层次主题模型在评价指标方面均优于基于nCRP的层次主题模型(hLDA,nHDP)和神经主题模型(TSNTM);通过rHDP_DK模型生成的主题层次结构具有领域主题层次清晰、关联子主题的主题词领域差异明确的特点.此外,该模型将为领域主题层次提供一个通用的自动挖掘框架.

基于深度字词融合的小麦种质信息实体关系联合抽取

为获得结构化的小麦品种表型和遗传描述,针对非结构化小麦种质数据中存在的实体边界模糊以及关系重叠问题,提出一种基于深度字词融合的小麦种质信息实体关系联合抽取模型WGIE-DCWF(wheat germplasm information extraction model based on deep character and word fusion)。模型编码层通过深度字词融合和上下文语义特征融合,提高密集实体特征识别能力;模型三元组抽取层建立层叠指针网络,提高重叠关系的提取能力。在小麦种质数据集和公开数据集上的一系列对比实验结果表明,WGIE-DCWF模型能够有效提高小麦种质数据实体关系联合抽取效果,同时拥有较好的泛化性,可以为小麦种质信息知识库构建提供技术支撑。

苏轼诗词书法作品接受中的语图关系变化

欣赏诗词书法作品可以欣赏书法艺术,也可以识读诗词内容,接受过程中表现出语图关系的变化。大多数接受者对苏轼诗词书法作品的欣赏分为三个过程:首先被书法书像所吸引,进入图像欣赏中,沉醉于视觉效果;其次对所书诗词内容进行识读,了解所写诗词的内容;再次将两者放在一起去欣赏,书法与诗歌在迭代中达到更高的融合,欣赏者获得双重的审美享受。

基于语义层级细粒度的海量文献标引研究

[目的/意义]信息资源爆炸式增长使科技文献知识的组织趋于自动化,文献自动标引是组织构建科技文献数字资源的基础和关键。针对目前科技文献自动标引语义粒度不够精准以及难以适应大规模海量文献标引的问题,提出了基于语义层级细粒度的自动标引方法。[方法/过程]在传统知识组织自动标引方法的基础上,对知识组织工具中的语义资源进行深入挖掘,借助知识组织中概念间的语义层级结构对概念信息进行语义扩展,并设计基于语义层级细粒度的概念遴选方法以解决传统方法标引效率过低的问题,从而实现对大规模文献的概念高效标引。[结果/结论]实验结果表明,文章所提出的方法较好地实现了概念表示效果,有效降低了不相关概念在标引结果中出现的几率,并且在提高了标引结果文献相关性的同时大大减少了标引所需的时间,实现了知识组织工具在自动标引领域更深层次的利用,为科技文献数字资源的挖掘计算提供有价值的参考和支持。

基于卷积神经网络的医疗护理实体关系抽取

针对医疗护理领域知识复杂性强、数据量大以及对准确度要求较高的问题,该研究提出一种基于卷积神经网络的医疗护理学实体关系抽取方法,实现对护理学语义关系的细粒度文本挖掘。该研究构建了医疗护理学语料标注系统,通过将医疗语料转化为向量特征矩阵,实现了对医疗语料的自动过滤和标注。通过向神经网络模型嵌入所构建的医疗关系语料库,一定程度上提高了模型疾病分类的准确度。在医疗护理学数据集上的实验表明,基于卷积神经网络的模型在指标精确度、召回率、F1值可达到89.78%、87.59%、89.77%。综上所述,该研究提出的基于卷积神经网络的医疗护理学实体关系抽取方法能够有效地抽取医疗语料数据中的实体关系,优于传统的实体关系抽取模型。

《说文解字》的“字用”思想发微

《说文解字》(简称《说文》)通常被看作“形”书,其说解汉字的方法及对汉字的具体解析得到学史肯定。本文认为,《说文》还有重要的字用学价值,其“字用”思想可以从《说文·叙》和《说文》正文对字的解释两个方面考察。在《说文·叙》中,许慎揭示了“假借”之“依声托事”的用字实质;用“古文”泛指古代文字,表面上是字体概念,实际上指的是古文字的结构和古文献中的用字;许慎对文字的定义和文字功能的表述体现了职用实质;许慎对时人谬解文字的批评,对《说文》编撰目的和编撰原则的说明也都是从文字使用角度表述的。《说文》正文对每个字的解说首重意义,形体分析只是对意义的印证;《说文》解说中常用“古文以为某”来揭示古代不同于汉代的用字现象;《说文》的“重文”如“古文作某”“某古文”等也是就字的功能而言;“一曰”的说解则反映了同字异用现象;《说文》还常引用书例来证明字义。这些都说明《说文》从服务解读经书的目的出发,非常重视汉字的使用功能,多方面揭示了汉语字词的各种关系。

基于双策略图卷积网络的方面级情感分析

针对依赖解析结果不准确和在线评论复杂性导致的方面词情感分类效果差的问题。提出一种基于双策略图卷积网络(Dual-Strategy Graph Convolutional Network)模型的方法。首先利用依赖解析器中反映所有依赖关系的概率矩阵构造一个具有丰富句法知识的SynGCN模块,其次利用自注意力机制获得邻接矩阵形式的注意力得分矩阵作为WcoGCN模块的邻接矩阵,并利用正则化器约束该模块中的注意力分数来精准捕获词之间的相关性。实验结果表明:该模型准确率、F1值均优于其他的模型,能够提升公共数据集的情感分类效果。

基于旋转注意力的命名实体识别模型

针对命名实体识别中实体词对关系建模分类性能不高的问题,提出一种基于旋转注意力的命名实体识别方法,该方法首先用BERT模型和Bi-LSTM进行编码,然后用卷积神经网络对输入的文本进行特征提取,接着将提取的特征序列输入旋转注意力模型中计算输出概率,最后使用MLP层对输出进行分类。实验结果表明,本文提出的方法在CADEC、GENIA和CoNLL2003等标准英文数据集上均取得了较好的性能,验证其在命名实体识别任务中的有效性和可行性。

面向藏文文本的人物关系抽取语料库的构建

作为实体关系抽取研究的重要基础,构建高质量、标准化的语料库能够提高实体关系抽取任务的精确度和召回率。目前,藏文关系抽取语料库构建大多依靠传统人工标注方法且局限于特定领域,存在标注效率低且人物关系语料库相对缺乏的问题。文章构建了藏文人名实体识别语料库;通过分析人物关系特征和实体关系类别及其标注规范,构建触发词词典进行语料回标,生成15400条实体识别和8000条藏文人物关系抽取标注语料。为验证语料库的可用性,利用命名实体识别和关系抽取实验进行统计分析,其实体识别F1值达到67.2%,关系抽取F1值达到66.2%,结果表明该语料库的构建对后续面向藏文人物关系抽取研究提供了数据基础。

文字与图像关系的“再穿越”——以《艺术视野下的文字与图像关系研究》为中心

语图关系是近年来学界研究的热点话题。它的勃兴导源于“读图时代”图像对语言领地的大举侵入及其诱引的各种应急反应。赵炎秋教授的新著《艺术视野下的文字与图像关系研究》便是对此的辩证折衷回应。该著立足艺术视野,围绕文字与图像,聚焦形象与表象,生发的诸多原创性的理论洞见,不仅客观揭橥了语言与图像之间内生的多重缠绕关系,而且也深化了学界在语言与图像上的认知。

清华简(陆)与《释名》训释合证举隅

《清华大学藏战国竹简》(陆)收录了五篇先秦佚篇,对于研究先秦历史和语言文字有着重要价值。结合简文内容与《释名》训释,可以发现一些后世罕见之古义,为《释名》释义提供书证,提前与《释名》相关书证的年代。这些认识将有助于更清晰地梳理汉语词义发展的脉络,为大型工具书的修订和完善提供借鉴参考,同时也有利于进一步发掘《释名》一书的语料价值。

一种基于多模型联合学习的方面情感分析方法

基于方面词的情感分类是情感分析的一个重要子任务,通过学习文本上下文的信息,判别文本中特定方面的情感极性。常用的方法大多都是依赖于给定方面词和上下文词之间的语义关系来构建模型,这在一定程度上忽视了它们之间的句法关系。针对上述问题,提出一种融合注意力机制和句法信息的联合学习方法,不仅能同时学习方面词和上下文词之间的句法及语义关系,在训练过程中自动调整对方面词周围上下文词的关注度,而且同时考虑不同上下文词对方面词在句法上的修饰关系。在SemEval 2014的Restaurant数据集和Laptop数据集上进行实验,与目前最好模型相比,分类准确率和F1值都得到了较大提高。

近10年我国叙事医学研究现状的共词分析

目的利用共词分析方法对近10年国内研究的叙事医学文献进行分析,探讨该领域的研究现状,为进一步研究奠定基础。方法在中国知网、万方、维普数据库以“叙事医学”为主题词,限定文献年限为2013—2022年,通过检索并纳入符合研究标准的文献,采用Bicomb2对下载文献进行关键词统计和分析,再使用Ucinet6.0及Netdraw绘制共现分析图,将高频关键词之间的共现关系可视化。结果共纳入文献565篇,提取高频关键词31个,通过共现关系图可见,目前国内叙事医学的研究热点包括中医学、护理学、全科医学、循证医学、医学伦理、临终关怀、慢性疾病、癌症等热门学科及疾病;提高医务人员共情以及人文关怀能力,改善医患沟通进而改善医患关系;做好医学人文教育、以平行病历和反思性写作培养叙事能力等;而有关老年医学、提高医务人员职业认同感、文学与医学相融合、对患者影响相关研究处于外围位置,相对较少。结论现阶段叙事医学在护理学、中医学、全科医学、慢性疾病以及癌症、医学人文教育、改善医患关系等领域已取得较多成果,未来可从叙事医学在多学科及疾病领域使用、尝试不同的培养方式、教生同步培养等方面进行深入探讨,以构建更加完善的叙事医学体系。

An Exploratory Study on the Electronic Word of Mouth Communication in Promoting Brands in the Online Platforms

This study discusses on the communication method followed by most of the brands called. “Electronic Word of Mouth” in a short form is called as eWOM in order to reach the customers effectively in a short span. Social media having become a new hybrid component of integrated marketing communication allows the brands to establish strong relationship with the customers. With the establishment of customer relationship online, the brands create a platform for the customers to discuss about the product features, quality, price and write a review about the product online. This research analyses about the social media and its impact in spreading the messages about the brands to the end customers and the impact of gender, age groups, income, designation and the demographic details of the customers in trusting the information that is spread through electronic media and the level at which the eWOM helps the customers to select the brand.

清华简第十三辑中的新用字现象

清华简第十三辑收录了《大夫食礼》《大夫食礼记》《五音图》《乐风》《畏天用身》等五篇竹书,本文选择介绍了其中出现的新构形和新用字现象,并据此对以往存在争议的“■”用作{揖}、“茸”用作{乃},以及“送”字的释读和用法作了进一步的研究。

汉语语气词记音字字形与字音之间的互动关系探究--以聊斋俚曲为例

在汉语中,语气词是除句调之外表达语气的重要手段,与语音的关系极为密切。语气词表音的灵活性和记音字的随意性,使得语气词记音字的字音与字形之间呈现出较为复杂的关系。以聊斋俚曲为例,并辅以同时代的其他语料,描述汉语语气词的字音、字形在近代汉语时期的基本面貌。此期语气词的字音、字形之间主要表现为三种关系:一是同一字形记录了同一语气词的不同发展阶段,二是同一字形记录了不同来源的语气词,三是不同字形记录了同一语气词形式。系统考察汉语语气词的字音、字形之间的关系,对深入了解语气词的特质、语气词的发展演变等都具有重要意义。

论《六州歌头》由冷趋热而名作无多的原因

宋代《六州歌头》的“示范名作”为贺铸、张孝祥作品。继二人之后,虽有词人填写此调,却未再出现名作。这一方面是因为后续词人所选题材不再适宜原调风格。再者,《六州歌头》三言句群偏多,且韵脚密集,旋律紧凑。词人对三言句群的大规模删减及长句式的插入促使此调丧失本色。加之南宋词人以文为词、以对话为词的章法改造,《六州歌头》已基本偏离豪放格调。通过比较此调与其他长调的句群搭配,可再度凸显《六州歌头》变体之作形成的差距缺失。它们进一步衍生出词体歌、辞关系的重要问题。

转变、妥协与冲突:洪武时期中安藩属关系变迁研究

洪武时期是中安藩属关系变迁的关键时期,对明清中安藩属关系的发展产生了重要的影响。明朝建立后,在藩属体系下“字小事大”等原则与现实政治中地缘安全等因素的影响下,明朝与安南在转变、妥协与冲突的交替过程中,呈现出了洪武时期“字小事大”等基本内涵的原则性与灵活性相融的特点。

儿化词合音新义产生的认知机制

儿化是汉语常见的语言现象,本文运用认知语法的象征图式理论,探究儿化词能够改变词义产生新词的原因以及儿化合音背后的认知机制。研究表明,儿化词的结构形式为“自由语素+黏着语素”,依据词性不同儿化词可以分为“名词性成分+儿”“动词性成分+儿”等六类,其中又可以根据是否产生新的词汇意义分为单纯儿化和非单纯儿化,单纯儿化不会改变词义,非单纯儿化分别利用隐喻和转喻机制产生新词。儿化词语义极的自由/黏着结构同时也反映在语音极层面,在音节压制的作用下,“er”发生合音,由独立的音节变为黏着成分“-r”。