通过N-gram增强局部上下文视野感知的中文生成式摘要

基于序列到序列模型的生成式文档摘要算法已经取得了良好的效果。鉴于中文N-gram蕴含着丰富的局部上下文信息,该文提出将N-gram信息整合到现有模型的神经框架NgramSum,即利用N-gram信息增强神经模型局部上下文语义感知能力。该框架以现有的神经模型为主干,从本地语料库提取N-gram信息,提出了一个局部上下文视野感知增强模块和一个门模块,并来分别对这些信息进行编码和聚合。在NLPCC 2017中文单文档摘要评测数据集上的实验结果表明:该框架有效增强了基于LSTM、Transformer、预训练模型三种不同层次的序列到序列的强基线模型,其中ROUGE-1/2/L相较基线模型平均分别提高了2.76,3.25,3.10个百分点。进一步的实验和分析也证明了该框架在不同N-gram度量方面的鲁棒性。

“看”类动趋式的虚拟位移阐释

“看起来”“看上去”“看下来”“看出来”是四类常见的“看”类动趋式,属于虚拟位移视觉感知路径,通过感知路径的构成要素分析虚拟位移在这四类动趋式上的运作表现,对这四类动趋式的个性与差异分别进行梳理和描写,从虚拟位移理论的角度统一解释相互之间的区别和可替代性,并得出“看上去”和“看起来”在“局部视野”下可以互相替代,“看起来”和“看下来”在“全局视野”下可以互相替代的结论。此外,不同意象图式的组合和空间维度属性都在“看”类动趋式的语义发展中起到了一定的作用,最终形成了具有独特文化特征的语言表达方式。