文学史的文本与人本

文学文本与人本的联系已经受到近代以来的文学史家愈来愈多的重视。文学是人类精神活动的产物,文学文本的发展史就是一部人的精神活动史。文学史研究应关注文本的人本内涵,以及作为文学审美活动系统中的文本与人本的联系。尤其要探讨人本对于具有新的审美特质的文本嬗变的影响。人与现实的审美关系的建立、人的思想解放、人对自我对人生认识的变化都会带来文本的变革。从某种意义上说,文学活动的真谛在于对人的整体审美观照,文学史也就成了关于人的美学发现史。

质疑问题,走进文本与人本——《散步》教学实录及教学后记

阅读教学一方面要紧扣文本,以课文为凭借,不脱离具体的语言文字和环境;另一方面又要抓住人本,以学生为主体,充分调动他们的能动性,从不同角度、不同层面来解读课文。人本和文本是阅读的两个基本要素,抓文本,阅读才有着落;抓人本,阅读才有意义。本课例文本与人本统一,在阅读对话中既有教师相机指导,又有学生质疑问难,交流互补,辩论求真;既把语言文字具化为形象,又能在形象感悟的基础上进行理性分析,堪称一堂有探索价值的高效课。

文本与人本——阅读教学的基本范型

在阅读教学中，我们一方面要以课文为凭借，不脱离具体的语言文字和环境，即紧扣“文本”；另一方面要以学生为主体，充分调动他们的能动性，从不同角度、不同层面来解读课文，也即抓“人本”。文本与人本统一，就可以收到较好的阅读教学效果。具体地说，要处理好以下几个关系：

文本分类算法及其应用场景研究综述

随着大数据时代的到来,互联网中的文本信息迎来了井喷式的增长.文本分类作为自然语言处理中最重要的技术之一,其广泛应用于多个领域,如情感分析、新闻分类、自然语言推理、主题标记、抽取式问答、虚假内容检测等.从传统机器学习分类方法理论的深入到深度学习分类方法探索的兴起,相关研究模型与思路也在不断演变,各类新的方法、数据集和评价指标层出不穷,丰富了文本分类领域的研究,取得了卓越的理论成就和应用效果.尽管如此,新技术不断发展和业务应用场景不断丰富,同时,也为文本分类研究带来了许多新的问题与挑战,如数据约束场景中不均衡数据的文本表征学习、小样本场景下的文本分类等.针对当前研究难题与挑战,本文对文本分类方法进行了系统性调研,并对当前方法在实际应用场景中面临的技术挑战和未来的研究方向进行了综合探讨.具体而言,本文主要综述了七部分内容,分别是:(1)对文本分类技术的相关基础知识进行了全面介绍,包括文本分类的常见符号定义、计算范式和文本预处理技术;(2)对基于传统机器学习的文本分类方法进行了详细总结;同时,为了方便读者针对不同的应用场景选择合适的分类模型,本文对不同分类器擅长处理的文本分类难题及方法优劣进行了总结;(3)对基于新兴深度学习的文本分类方法进行了周详梳理,根据领域内代表性技术的核心思想进行分类,在此基础上对不同类别下的主要方法进行描述,同时对其技术的优劣进行了总结;(4)为了方便读者对文本分类模型的有效性进行验证,针对文本分类技术应用最为广泛的七大场景,本文对相关数据集进行了系统性的总结;(5)本文对不同任务目标下的常用的模型评价方法进行详尽介绍,以便对模型性能进行合理的定量评估;(6)基于上述内容,本文对典型应用场景中不同种类文本分类算法进行了性能总结对比;(7)本文分别从数据约束与模型计算两个层面对当前文本分类技术所面临的挑战和未来的重要研究方向进行了总结.本文通过梳理文本分类研究发展脉络,对涉及的代表性技术进行了详细总结和对比分析,有效填补了文本分类领域前沿技术的应用综述空白.

文本与人本并重 单一与多元共生——听窦桂梅老师《宋定伯卖鬼》有感

语文教学实践中,教材文本单一的价值取向经常遭遇孩子们之多维思考、多元创生的挑战,语文教师往往因此陷入顾此失彼、左右为难的境地。我们不禁要问：文本的价值取向与孩子的多元创生到底孰轻孰重？

在阅读中架起文本与人本的桥梁

关于阅读的定义有许多种，我们语文教师不妨了解一下语文新课标中的观点，它认为阅读是搜集处理信息、认识世界、发展思维、获得审美体验的重要途经，语文中的阅读亦同。根据课程目标，阅读教学实践中要求培养语文能力的同时，丰富学生的人文素养，全面提高学生的语文素养。因此，在课内阅读教学实践中．注重文本的作用．应扣住人本这一根基——充分尊重学生的阅读主体地位．充分顾及学生态度的主动性，阅读需求的多样性及阅读体验的独特性。

基于BERT-BiLSTM-CRF模型的畜禽疫病文本分词研究

针对畜禽疫病文本语料匮乏、文本内包含大量疫病名称及短语等未登录词问题,提出了一种结合词典匹配的BERT-BiLSTM-CRF畜禽疫病文本分词模型。以羊疫病为研究对象,构建了常见疫病文本数据集,将其与通用语料PKU结合,利用BERT(Bidirectional encoder representation from transformers)预训练语言模型进行文本向量化表示;通过双向长短时记忆网络(Bidirectional long short-term memory network,BiLSTM)获取上下文语义特征;由条件随机场(Conditional random field,CRF)输出全局最优标签序列。基于此,在CRF层后加入畜禽疫病领域词典进行分词匹配修正,减少在分词过程中出现的疫病名称及短语等造成的歧义切分,进一步提高了分词准确率。实验结果表明,结合词典匹配的BERT-BiLSTM-CRF模型在羊常见疫病文本数据集上的F1值为96.38%,与jieba分词器、BiLSTM-Softmax模型、BiLSTM-CRF模型、未结合词典匹配的本文模型相比,分别提升11.01、10.62、8.3、0.72个百分点,验证了方法的有效性。与单一语料相比,通用语料PKU和羊常见疫病文本数据集结合的混合语料,能够同时对畜禽疫病专业术语及疫病文本中常用词进行准确切分,在通用语料及疫病文本数据集上F1值都达到95%以上,具有较好的模型泛化能力。该方法可用于畜禽疫病文本分词。

基于MQTT协议的轻量化文本信息分发技术研究

随着卫星通信网络的发展,基于卫星通信网络实现手机、平板电脑等移动通信设备之间的通信成为研究的热点。由于其采用无线电波进行信号传输,且需要经过多个中继站进行信号的转发和处理,导致存在网络延时大、丢包率高以及信道狭窄等问题。针对文本信息在卫星通信网络下的分发过程存在效率低下、可靠性不高的问题,设计一种基于MQTT(Message Queuing Telemetry Transport)协议的轻量化文本信息分发技术。该技术使用MQTT协议作为消息传输协议,在文本信息分发前对MQTT协议进行主题设计、发布订阅机制设计、设备连接设计以及设备心跳设计,确保设备之间的连通性;在文本信息的分发过程中,设计数据校验加密算法、文本信息轻量化处理方法和离线消息存储机制,保证文本信息分发的安全性、可靠性。实验结果表明:相较于传统的基于JSON数据的文本信息分发技术,该技术在提高文本信息分发效率的同时,可确保信息分发的安全性、完整性和稳定性。

全球视野中的教育数字化转型战略研究——基于25份教育数字化转型政策文本的分析

教育数字化转型已成为数字时代全球教育变革的重要突破口,全面认识教育数字化转型的战略动因、目标、路径等基本理论问题,是深入推进教育数字化转型实践的重要基础。文章基于战略计划要素理论建构了包括战略动因、目标、任务、路径、保障五大维度的分析框架,然后采取定量与定性相结合的政策文本分析法,对25份教育数字化转型政策文本进行编码分析,研究结论如下:教育数字化转型的三大战略动因是技术驱动的社会数字化转型、教育内生发展需求及教育系统外部危机问题;三大战略目标是建设高水平数字国家、发展高质量数字教育、培养高水平数字人才;四大战略任务是完善数字环境建设、丰富数字资源供给、探索新型教学模式、提升全民数字素养;战略路径可分为环境建设和资源开发推动、教学变革驱动、人才需求引领三条主要路径;战略保障包括组织管理、政策体系、经费投入。最后对全球视野中的教育数字化转型战略逻辑进行了整体性分析与阐释。

基于字词向量融合的民航智慧监管短文本分类

为解决民航监管事项所产生的检查记录仅依靠人工进行分类分析导致效率低的问题,提出一种基于数据增强与字词向量融合的双通道特征提取的短文本分类模型,探讨民航监管事项的分类,包括与人、设备设施环境、制度程序和机构职责等相关问题。为解决类别不平衡问题,采用数据增强算法在原始文本上进行变换,生成新的样本,使各个类别的样本数量更加均衡。将字向量和词向量按字融合拼接,得到具有词特征信息的字向量。将字词融合的向量分别送入到文本卷积神经网络(TextCNN)和双向长短期记忆(BiLSTM)模型中进行不同维度的特征提取,从局部的角度和全局的角度分别提取特征,并在民航监管事项检查记录数据集上进行试验。结果表明:该模型准确率为0.9837,F 1值为0.9836。与一些字嵌入模型和词嵌入模型相对比,准确率提升0.4%。和一些常用的单通道模型相比,准确率提升3%,验证了双通道模型提取的特征具有全面性和有效性。

深度学习的自然场景文本识别方法综述

自然场景文本识别在学术研究和实际应用中具有重要价值,已经成为计算机视觉领域的研究热点之一。然而,识别过程存在文本风格多样、背景环境复杂等挑战,导致识别效率和准确率不佳。传统的基于手工设计特征文本识别方法由于其有限的表示能力,不足以有效地应对复杂的自然场景文本识别任务。近年来,采用深度学习方法在自然场景文本识别中取得了重大进展,系统地梳理了近年来相关研究工作。首先,根据是否需要对单字符进行分割,将自然场景文本识别方法分为基于分割与无需分割的方法,再根据其技术实现特点将无需分割的方法进行细分,并对各类最具有代表性的方法工作原理进行了阐述。然后,介绍了当前常用数据集以及评价指标,并在数据集上对各类方法进行了性能对比,从多个方面讨论了各类方法的优势与局限性。最后,指出基于深度学习的自然场景文本识别研究存在的不足和难点,对其未来的发展趋势进行了展望。

基于融合矩阵的文本相似度计算实现检索结果聚类

目的/意义弥补医学文本语义表示方面的不足,实现PubMed数据库检索结果聚类。方法/过程采用Jaccard系数和TF-IDF构建融合矩阵方法,建立短语间、文档间、短语与文档内容间的相似性关系融合矩阵,训练聚类算法,将PubMed数据库检索结果集合分组,随后生成类别标签,描述每一类簇文档的含义。结果/结论基于融合矩阵的聚类效果较好,提取出描述类别的高频词能很好地区分类别含义,对检索结果文本聚类任务有效。

基于多尺度注意力特征融合的场景文本检测

针对目前文本检测中小尺度文本和长文本检测精度低的问题,提出了一种基于多尺度注意力特征融合的场景文本检测算法。该方法以Mask R-CNN为基线模型,引入Swin_Transformer作为骨干网络提取底层特征。在特征金字塔(feature pyramid networks,FPN)中,通过将多尺度注意力热图与底层特征通过横向连接相融合,使检测器的不同层级专注于特定尺度的目标,并利用相邻层注意力热图之间的关系实现了FPN结构中的纵向特征共享,避免了不同层之间梯度计算的不一致性问题。实验结果表明:在ICDAR2015数据集上,该方法的准确率、召回率和F值分别达到了88.3%、83.07%和85.61%,在CTW1500和Total-Text弯曲文本数据集上相较现有方法均有良好表现。

基于专利文本多粒度深层语义的技术演化路径智能识别方法研究

[目的/意义]专利文本是技术演化分析的可靠知识来源。利用领域多层本体和Sentence-BERT深度学习预训练模型可分别从词和句子两个角度挖掘多粒度深层文本语义信息,提升专利文本语义挖掘的全面性,进而提高技术演化路径识别的准确性。[方法/过程]以深度学习、基于本体的相似度计算及谱聚类算法等大数据和人工智能技术为基础,实现准确、高效、全面的技术演化路径智能识别。构建领域词典和领域本体,根据领域词典抽取专利摘要中的领域术语,根据领域本体中不同术语的最近共同祖先节点的深度,从词语级别计算专利摘要间的语义相似度;利用Sentence-BERT对专利摘要进行向量化表示,计算句子层面的语义相似度;结合两种相似度的计算结果构建相似度矩阵并进行谱聚类,根据谱聚类结果和专利时序特征识别技术演化路径。最后以光刻领域专利数据为例进行实证研究。[结果/结论]实验结果表明,谱聚类得到的技术类别划分结果的准确率、精确率、召回率和F1值的平均值均达到了85%以上,说明文章提出的基于专利文本多粒度深层语义的技术演化路径智能识别方法是有效的,其有助于科研人员、企业决策者和政府决策者探究技术发展历程,研判技术创新方向,推动关键技术研发。

国家级创新创业教育实践基地建设特征探索——基于首批国家级双创基地建设内容的文本分析

国家级创新创业教育实践基地作为高校实施创新创业教育的实践载体,在创新创业教育体系中发挥着重要作用。该文以100所国家级创新创业教育实践基地资料为研究对象,使用内容分析法探究不同类别高校基地的建设内容特点。结果显示综合类、理工类、职业类、特色类高校基地在建设内容特点上存在差异,并结合具体案例总结出依托优势平台、校企合作、结合特色产业三种基地建设模式,以期为高校创新创业教育提供新思路。

增强提示学习的少样本文本分类方法

针对少样本文本分类任务,提出提示学习增强的分类算法(EPL4FTC)。该算法将文本分类任务转换成基于自然语言推理的提示学习形式,在利用预训练语言模型先验知识的基础上实现隐式数据增强,并通过两种粒度的损失进行优化。为捕获下游任务中含有的类别信息,采用三元组损失联合优化方法,并引入掩码语言模型任务作为正则项,提升模型的泛化能力。在公开的4个中文文本和3个英文文本分类数据集上进行实验评估,结果表明EPL4FTC方法的准确度明显优于所对比的基线方法。

《欧洲语言共同参考框架》(增补版)文本阅读能力体系的解读与重构

《欧洲语言共同参考框架:学习、教学、评估》自2001年发布以来,对世界范围内的语言教学产生了广泛而深刻的影响。2020年发布的增补版向使用者呈现了更适应当代语言教学的语言能力体系、语言能力等级和语言能力量表,其中提出的全新的文本阅读能力体系,对阅读学习、阅读教学与评估具有重要指导意义。文章对该版文本阅读相关内容进行了梳理和解读,通过分析其优点和不足,尝试将该文本阅读能力体系重构为由两种视角、八大参项、228项指标构成的三级评估体系。两种视角为文本内容视角和学习者能力视角,分别对应文本类型、话题类型、文本可读性、语言庄典度,和知识能力、策略能力、理解能力、熟练程度等八大参项,每个参项又可细化为若干具体指标,以期对阅读教学、学习以及阅读能力评估产生积极的引导作用。

“双碳”背景下中国绿色金融政策协同有效性研究——基于多维文本量化分析

绿色金融政策的协同性研究对实现碳达峰碳中和,推进绿色金融可持续发展具有重要意义。通过政策协同理论,构建绿色金融政策“协同—属性—工具”分析框架,采用基于机器学习的文本相似度算法与系统耦合协同模型,从政策纵向协同、横向协同和耦合协同多个维度对2016—2022年中央及地方绿色金融政策进行文本量化分析。研究发现:我国绿色金融政策纵向协同、横向协同和耦合协同水平逐渐提升,但总体强度仍较低;在区域上,我国绿色金融政策三维协同具有区域差异性;在政策类型维度上,央地绿色金融政策类型呈现多样化特征;在政策工具维度上,央地绿色金融政策工具结构失衡,使用供给型和环境型政策工具较多而需求型工具略少。因此,为提高我国绿色金融政策有效性,应进一步优化绿色金融政策多维协同机制。

中国教育评价改革的演变、取向与趋势——基于国家政策文本的分析

基于国家政策文本的分析,中国教育评价改革经历从重视考试、教学和毕业(升学)到关注招生录取、学习过程及能力发展再到聚焦学业、素养及质量与标准的演变。改革的不同阶段分别体现为三种不同的取向:科学化、重智、效率优先;兼顾量化与质性、能力与公平;回归真实、关注过程。改革的发展趋势呈现为:评价目的从选拔人才转向人的全面发展;评价内容从知识技能为本转向核心素养为本;评价形式从偏重结果增值转向过程与结果增值并重;评价手段从人工操作转向技术赋能。

基于文本挖掘的跑鞋用户评价及情感分析

为了挖掘消费者在线购买跑鞋时的关注信息,文章用大数据分析视角,以“京东商城”为例按照销量排序分析了前600款跑鞋品牌定位、价格分布、优惠信息、标签占比,使用LDA模型对10万条跑鞋在线评论进行文本挖掘,对商品评论数据进行词频共现分析、主题聚类与情感分析,从品牌、技术和售后服务的维度分析了问题的原因并提出相关建议。研究表明:国产品牌跑鞋在各价位段布局完整,销量高的跑鞋多使用满减和商品券,自营和优惠券标签对跑鞋购买具较为显著的促进作用;消费者购买跑鞋时主要关注外观细节、功能属性、性价比、穿着感受、服务优惠等方面。