整合BiLSTM-CRF网络和词典资源的中文电子病历实体识别

[目的/意义]通过整合BiLSTM-CRF神经网络和具有先验领域知识的词典资源,提高中文电子病历领域中的实体识别效果。[方法/过程]采用BiLSTM-CRF神经网络模型,以CCKS-2017测评任务提供的脱敏中文电子病历数据为实验数据集,结合Word2Vec和外部词典构造神经网络的词嵌入输入改进实体识别模型。[结果/结论]与传统的CRF和单纯的BiLSTM-CRF模型相比,引入先验知识的词典资源可以取得更好的实体识别效果,F1值达到最高的90.41%。深度学习模型BiLSTM-CRF能够显著提升传统CRF方法的实体识别效果,同时先验的词典知识能进一步增强神经网络的性能。

充分利用词典资源解决大学英语词汇教学中的问题

大学英语词汇教学中存在着诸多问题,其中的一些问题可以通过充分利用词典资源来解决,因此,我们必须在大学英语词汇教学中尽早引入词典的系统学习与培训,并通过教学实践来强化词典的充分利用。

词典比较研究的内外部资源

词典比较研究需要一定的资源作为基础,词典本身及其编纂成书的外部条件可为比较研究提供丰富的资源。前者属于内部资源,包括收词、立目、注释、编排、检索等方面;后者属于外部资源,包括社会和时代背景、社会需求、语言词汇特点、相关理论及研究成果等方面。本文拟就这些方面进行粗略的梳理。

试题·词典·课标——以一道英语阅读理解试题为例

本文通过对一道阅读理解试题的取材、加工、立意等方面的命题特色的品鉴,结合对利用词典命制高考单项填空试题现象的分析,揭示了英语试题中所蕴含的新课标理念,进而倡导教师指导学生有效利用词典培养自学能力。

利用词典命题和利用词典自主学习

本文以利用词典命制高考试题的实例分析为切入点，概述了利用词典命题的特点，分析了该现象对中学英语教学的启示，探讨了在教学中指导学生用好词典的必要性，并介绍了指导学生利用词典进行自主学习的策略和方法。