基于层次型文本交互的表示学习研究

传统的推荐系统面临着诸如数据稀疏性、无法解释的推荐等几个挑战.为了解决这些问题,许多研究通过挖掘评论文本语义信息来提高推荐性能.然而,这些方法在文本特征建模和文本交互方面存在问题.在文本建模方面,它们简单地将用户/物品的所有评论拼接成一个单一的评论.然而,单词/短语级别的语义信息可能与评论文本的整体语义信息相悖.在文本交互方面,它们将交互推迟到预测层,无法捕捉用户和物品之间复杂的相关性.为了解决这些问题,我们提出了一种新颖的基于层次型文本交互的表示学习方法.在该方法中,我们以层级方式对低级单词语义和高级评论文本进行建模,以便在不同粒度上挖掘文本信息.为了进一步捕捉复杂的用户-物品的交互关系,我们提出在不同层次上挖掘用户-物品之间的语义关联.在单词级别上,我们提出了一种针对每对用户-物品个性化的注意力机制,来捕捉表示每个评论的重要单词.在文本级别上,我们在用户和物品之间相互传播文本语义信息,并捕捉针对目标任务有用的评论文本.最后,我们通过协同过滤框架,将该方法应用于评分预测应用场景,并通过在公开数据集上的对比实验,证明该方法在评分预测方面的性能优于现有方法.

使用问题解决法促进批判性思维发展的研究——基于交互文本的分析

随着社会的发展,人们对批判性思维能力的发展逐渐重视。本研究在已有研究的基础上提出使用在线问题解决的方法促进批判性思维的发展,并对促进批判性思维发展的问题解决学习活动的设计方法进行了探索。本研究借助Newman等人的批判性思维内容分析框架,对异步交互社区中学习者交互内容进行收集和归类,并对学习者批判性思维的整体深度、各维度深度、批判性层次等维度进行了分析,发现使用问题解决法能够较为有效地促进学习者批判性思维的发展,学习者批判性思维的深度、层次等均具有较大程度的提升。

基于图像区域的交互式文本图像阈值分割算法

针对现有局部阈值分割算法因参数过多带来的参数选择问题以及在分割结果中块与块之间不连续性问题,利用用户提供的先验知识或经验,提出了一种基于灰度图像区域的交互式文本图像阈值分割算法.该方法首先粗略地将图像进行分块;利用标准差作为衡量图像块含有信息量(背景信息与目标信息)多少这一度量,接着按标准差大小对所有图像块进行排序;然后由用户输入交互式信息将所有图像块分为3个集合:仅含背景或仅含目标的图像块、含有少量背景或者是含有少量目标的图像块以及背景和目标分布比较均衡的图像块;最后对各个集合中的图像块分别按相应准则进行分割.实验结果表明,对于均匀和非均匀光照条件下的文本图像,与全局分割算法、直接分块分割算法和Chou方法相比,该方法在分割效果上有显著提升,而且执行效率也较高.另外,对于部分非文本图像也同样有效.

领域实例迁移的交互文本非平衡情感分类方法

针对交互文本句子短、成分缺失、多领域下类分布不均衡导致的高维、特征值稀疏、正样本稀少的难点,提出面向目标数据集实例迁移的数据层面采样方法。该方法提出目标数据集和源数据集共性特征的Top-N信息增益和值占比函数,选择评价两个数据集实例相似度的特征;提出目标数据集和源数据集特征空间一致性处理方法,克服两者特征空间不一致的问题;提出分领域的实例选取与迁移方法,克服多领域下的类分布不均衡问题。实验结果表明:该方法有效缓解了交互文本的非平衡问题,使支持向量机、随机森林、朴素贝叶斯、随机委员会4个经典分类算法的加权平均的接收者运行特征曲线(receiver operating characteristic,ROC)指标提升了11.3%。

在线协作交互文本编码体系的设计与应用——基于情绪交互视角的研究

情绪交互是影响在线协作学习认知、行为和态度的关键因素之一,然而如何分析其效果目前研究者还没有形成统一的认识。研究基于探究社区模型,根据情绪存在相关研究理论,将情绪交互划分为情绪回应、情绪评价和情绪表达三个类别,并结合认知存在、社会存在和教学存在的特点建构了在线协作交互文本编码体系。为了验证该编码体系的有效性,研究以此为分析框架,使用NVIVO和SPSS软件,对相关案例进行内容分析和统计分析。经初步证实发现,该编码体系能全面分析在线协作交互效果,尤其是情绪交互成效,且可操作性强;情绪交互与认知交互、社会交互和教学交互之间相互联系与支持,但认知交互发展不均衡;情绪交互可以有效维持和调节认知交互过程,但缺乏促进高层次认知交互的活动。鉴于此,研究提出了相关建议,以促进认知交互深度和协作学习成效。

基于文本输入交互类型的填空题制作

用Authorware制作填空题的方法并不多见，大多数设计者都喜欢用选择题型来替代填空题型的设计来测试学习者的学习状况。为解决这个问题，文章利用交互响应中的文本输入类型来制作填空题，介绍流程图和制作过程。

基于对话内容的交互型文本会话主题挖掘

传统的主题挖掘模型一般仅从交互型文本中挖掘出文档主题,为了能够从中挖掘出会话主题并提高挖掘模型的普适性,提出了一种基于对话内容的交互型文本会话主题生成模型。首先通过分析交互型文本的特征,基于主题树的概念,定义了一个5层结构的对话生成树。以此为基础,再基于LDA构建会话主题生成模型(ST-LDA)。最后采用吉布斯抽样法对ST-LDA进行推导,得到会话主题及其分布概率。使用实际数据进行验证,结果表明,ST-LDA模型可以从交互型文本中有效地挖掘出会话主题。此外,成果可以降低分类算法的复杂度,回溯主题—参与者关联关系,具有较好的普适性。

基于在线协作学习交互文本的跨领域知识图谱构建技术

在线协作学习已经成为教育领域广泛采用的学习方式。然而,在线协作学习过程中学习者会产生海量的交互文本。人工分析在线交互文本不仅费时费力,而且难以为学习者提供实时、个性化的反馈。为解决这一问题,研究提出了基于在线协作学习交互文本的跨领域知识图谱构建技术,该技术包括实体识别、关系抽取和领域知识图谱生成技术。研究还对自动构建的知识图谱在不同的领域进行了检验和应用。结果表明,研究提出的跨领域知识图谱构建技术路线可行有效,学习者普遍受益。自动构建的领域知识图谱不仅为学习者提供直观、可视化、实时的反馈,而且能够促进学习者进行协同知识建构和社会性调节。教师也能根据自动构建的领域知识图谱为学习者提供个性化的学习支持服务。

真理的等级论与交互文本论

在各种不同学科的真理之间的关系问题上 ,真理的等级论长期以来是占主导地位的理论。亚里士多德为真理等级论做出了经典论证。近代出现了真理等级论的三种不同模式 ,它们在现代被进一步发展 ,并遇到了难以摆脱的困境。由此出现了消解真理等级论的趋势 ,这在后现代主义哲学中达到了登峰造极的地步。但消解真理的等级论并不意味着否认不同学科真理间的制约关系 ,并不一定要陷入真理的“原子论”。真理不是一种封闭的属性 ,而是一个开放的过程。各个学科之间的真理是相互制约的 ,真理是在文本间碰撞过程中显示出它的力量。

文本·话语·主体:文学传统与交互世界

将事物之间的“交互世界”作为“实存”来加以认定是一个重要的求知方法。“文本间交互性”、“话语间交互性”、“主体间交互性”等具有意义生成性 ,一定文学文本、文学话语、文学主体的意义 。

基于深度神经网络的在线协作学习交互文本分类方法

有效的在线协作学习可显著改善在线教学质量,而对在线协作学习过程的实时分析、监控和干预是促进协作学习行为有效发生的关键,这有赖于对在线协作学习交互文本的精准分类。为避免人工编码和传统机器学习方法分类效果欠佳的不足,采用基于深度神经网络的卷积神经网络(CNN)、长短时记忆(LSTM)、双向长短时记忆(Bi-LSTM)等模型构建面向在线协作学习交互文本的分类模型,以Word2Vec作为词向量,提出了包含数据收集整理、文本标签标注、数据预处理、词嵌入、数据采样、模型训练、模型调参和模型评价等步骤的在线协作学习交互文本自动分类方法。以知识语义类、调节类、情感类、问题类和无关信息类等作为交互文本的类别划分,对51组大学生所产生的16047条在线协作学习交互文本进行分类后发现:Bi-LSTM模型的分类效果最好,其整体准确率为77.42%;各文本分类模型在问题类、无关信息类交互文本上的准确率较低;CNN模型和LSTM模型在问题类交互文本上的分类效果更佳。该方法在面向在线协作学习的知识掌握度评估、学习活动维持、消极学习情绪干预、学习预警与提示等方面具有较高的应用价值。

一种融入背景知识的交互文本立场分析方法

提出一种融入背景知识的交互文本立场分析方法。该方法以交互文本作为查询,从维基百科中检索相关的背景知识文本,然后对背景知识文本进行编码,并通过深度记忆网络获取相关的背景知识特征,以此来增强交互文本的表示学习。在3个英文在线辩论数据集上的实验结果表明,通过选取适当的背景知识嵌入层数以及背景知识嵌入层连接方式,可以有效地提高交互文本立场分析性能。

基于便携网络的小组交互课堂教学模式研究

实践证明,传统课堂中的计算机辅助学习模式和基于局域网的语言实验室英语教学模式存在一定的弊端。而基于便携网络的小组交互课堂教学模式是通过教师端便携无线网络与学生端设备瞬时接收和传送信号的多媒体授课模式。这种教学模式基于专属WI FI的无线局域网技术,以"绿色教学"和"学生有指导性地自主学习"为宗旨,确保教师在规定时间单位内给予学生相对的自由和独立性,以期弥补个体差异带来的认知失衡,培养学生自主学习的本领。

交互性与文学传统

晚近以来人们对于事物之间的“交互世界”作为一种“实存”进行了哲学认定。对于事物之间的交互关系的把握 ,是人文学科与自然科学的学科分野之所在。文学作品与文学传统之间的“文本间交互性” ,文学主体与文学传统之间的“主体间交互性”具有意义生成性 ,文学作品或文学主体并不以其自身而拥有全部意义 ,其意义在很大程度上需要到与文学传统之间的交互关系中去界定。

文本歧义的理解机制及读者的选择原则

借鉴认知语言学、语用学等方面的理论研究成果,讨论文本歧义的理解机制及读者进行意义选择时所遵循的原则。

交互式纪录片的类型与数据可视化研究——以交互式纪录片《最后的一代》为例

本文以交互式纪录片《最后的一代》(The last generation,2018)为研究案例,系统梳理交互式纪录片现有的类型,举例论证交互式纪录片中数据可视化的呈现方式,对《最后的一代》中的类型与数据可视化部分做详细分析。

《酒国》的文体革新

《酒国》是一部极具后现代主义色彩的文学作品。莫言创造性地将中国古代小说中非线性叙事因素和西方现代派的拼贴技巧相结合,塑造了《酒国》独具特色的文本样貌。莫言巧妙利用各种文体特质,以《酒国》内部不同文体间的对话和角力来展示新时期小说对传统叙事的探索与突破,以将纷乱的文体内容统一纳入到小说内部的方式实现了对小说文体的革新。

实时参考咨询服务之我见

论述了网络时代的实时参考咨询服务是传统咨询服务的一种升华,归纳了实时参考咨询服务的几种服务模式和主要特点,提出深化实时参考咨询服务几点建议。

基于LDA模型的交互式文本主题挖掘研究——以客服聊天记录为例

【目的/意义】挖掘出客服聊天记录中蕴含的主题,为客服自动问答系统的设计及优化提供指导方案。【方法/过程】本文针对保险网站客服聊天记录这类交互式短文本,利用会话切分、分词提取以及词汇过滤等方法进行文本预处理,通过名词短语提取、高频词汇提取以及外部数据集引入等方法进行特征选择,最终应用LDA建模方法获取交互式文本主题。【结果/结论】模型结果显示:用户主要关注保险详情、保险金额以及保险险种等主题。不同主题之间的话题具有一定的独立性,主题和话题之间存在很强的相关性。LDA模型结果成功挖掘出用户关注的主题,这为电子商务网站运营方进行自动问答系统的设计和优化提供了指导方案。

学习云空间中基于情感分析的学习推荐研究

在"三通两平台"建设背景下,云空间以泛在的资源供给和便捷的交互支持特性,为学习者提供了一个高效、可定制的互联学习空间环境——学习云空间。正如其他在线学习平台一样,"情感缺失"一直是制约学习云空间中学习效率提升的一个重要瓶颈。该文聚焦学习云空间中学习者情感的获取与应用,提出了一个基于空间交互文本大数据的情感分析方法及其学习推荐机制。首先,利用时序特征数据适应性的LSTM网络构建学习者情感分析模型,并设计了一个可实时动态分析情感的执行算法。然后利用贝叶斯网络进行情感归因分析,建立情感驱动下的学习推荐机制与策略,并在已有学习云空间平台中实现了基于上述理论成果的学习推荐功能系统。最后进行效果验证,该系统可以分析学习者的情感并为其推荐学习支持服务,满足其基于网络空间的个性化知识建构需求。