融合多模型与高置信度词典的事件线索检测

提出一种融合多模型和高置信度词典的事件线索识别方法,将高置信度词典特征分别加入最大熵模型和条件随机场模型,然后融合两个模型的结果,旨在提高触发词识别的召回率和整体性能。针对事件真伪性识别任务,进一步考察否定词或不确定词与触发词的物理位置距离和依存路径距离等特征,提高事件真伪性识别的性能。实验结果显示,针对触发词识别和事件真伪性识别任务,与仅使用最大熵模型相比,所提出的融合多模型与高置信度词典的方法能够提高触发词识别的性能6.43%,提高事件真伪性识别的性能1.69%。

基于全局/局部共现词对分布的汉越双语新闻事件线索分析

针对汉越双语新闻事件线索分析,提出了基于全局/局部共现词对分布的汉越双语事件线索生成方法。该方法首先将新闻话题词语分布作为全局词语表征全局事件,然后用一定时间粒度下新闻片段特有的时间、人物、地点等事件元素作为局部词语,分析新闻片段中全局词语和局部词语的共现关系,将全局/局部词语的共现规律作为监督信息,结合RCRP算法和汉越双语新闻的对齐语料,构建有监督话题生成主题模型,获得相应时间跨度下代表事件发展进程的子话题分布,通过子话题的分布反映事件发展的线索,从而构建出在线汉越双语事件线索生成模型。实验在汉越混合新闻数据集上进行,事件线索生成对比实验结果证明了提出的方法的有效性。

基于要素图的舆情事件线索化方法研究

[目的/意义]将事件按照内在关联组织成有序结构的过程称为事件线索化,事件线索化能够展现事件间的因果联系与演化过程,有助于理解舆情事件的起因与背景,预测事件的后续发展,为舆情事件的处理提供依据。现有事件线索化方法主要依据事件要素的共现特性,然而部分存在关联的事件之间共现特性并不明显,导致现有方法存在局限性。[方法/过程]利用百度百科中的条目及其中的关键词来扩充事件要素,建立了由关键词与超链接构成的要素图模型,并提出了基于该模型的舆情事件线索化方法。所提方法通过要素图差异性计算与密度聚类两个阶段将事件集划分为由相互关联事件组成的簇,从而实现事件线索化。[结果/结论]在舆情事件数据集上的实验表明,所提方法在共现特性不明显情况下能有效地实现事件线索化。

融合上下文依赖和句子语义的事件线索检测研究

事件线索检测旨在从自由文本中自动抽取触发事件的词或短语。现有的英文事件线索检测方法依赖于特征提取工具,这样会造成错误传递,而且忽略了待测词与上下文的依赖关系和句子的语义信息,这些信息对事件线索检测是很有帮助的。提出一种神经网络方法,利用双向长短时记忆网络(bidirectional long short-term memory,Bi-LSTM)抓取待测词在句子中的上下文依赖,同时使用门控循环神经网络(gated recurrent neural network,GRNN)学习句子的语义表示,融合这两种信息来提高事件线索词的识别能力。在KBP 2015评测语料上的实验结果显示,该方法是有效的,并且性能比baseline方法有显著提高。

基于在线Biterm主题模型的舆情新闻事件跟踪

舆情新闻事件跟踪,是舆情监控、热点分析、政策制定等研究和应用的重要基础。针对舆情新闻的稀疏性、敏感性、易演化性、次生性等特点,基于在线Biterm主题模型(online Biterm topic model,DBTM),通过随机坍缩变分贝叶斯(stochastic collapsed variational Bayesian inference,SCVB0)算法更新参数,提出面向舆情新闻事件监控的主题模型MBTM(monitor Biterm topic model),利用该模型检测初期事件主题,跟踪后续新闻所属的主题。为了对存在关联关系的事件进行串联,进一步给出事件线索的概念,分别从主题层面和语义层面度量线索关联度,进而针对新闻事件主题生成事件线索。实验结果表明,MBTM模型在大多数指标上均优于OBTM等模型,验证了该方法的有效性和高效性。

前瞻记忆:记忆心理学研究的新领域

前瞻记忆是指对将来要完成的活动和事件的记忆,在研究方法、理论模型、影响因素等方面有别于回溯记忆,它的提出是对传统的记忆研究的一大突破,对其深入研究在理论和实践方面都具有重要意义。

我为什么问这些?——兼评2013年安徽省高中历史优质课大赛

2013年10月底，为期三天的安徽省高中历史新课程优质课大赛在淮北实验高中举办，全省近50名选手参加赛事。他们用极短的时间对自己的课题谋篇布局，各展才华，亮点迭出。各地教研员和历史教师近200人听课观摩。

基于文本解读的高中英语阅读教学设计例析

一、文本解读相关理论和分析文本解读的方式是因人而异的、多元化的。在阅读教学中,作者与读者共同赋予文本意义。深层解读文本意味着诸如梳理结构、提炼归纳、推断隐含意义、批判性分析等阅读策略的综合运用。张秋会、王蔷结合三中心论、语篇分析理论和图式理论,从语篇的整体性出发,阐释了如何从主题角度、内容角度、文体角度、语言角度和作者角度进行文本解读。