一种基于跨领域典型相关性分析的迁移学习方法

作为迁移学习的一个重要研究方向,基于特征映射的方法学习各领域特有特征与领域共享特征之间的相关性,通过一些相关特征减少领域之间的差异,已经获得了广泛的关注和研究.典型相关性分析是一种用来分析两组随机变量之间相关性的统计分析工具.将典型相关性分析引入迁移学习,结合基于特征映射迁移学习的思路,提出了一种跨领域典型相关性分析算法.该算法在保持各领域特有特征与领域共享特征相关性的基础上,通过选择合适的基向量组合训练分类器,使降维后的相关特征在领域间具有相似的判别性.在20Newsgroups上864个分类问题以及多领域情感分析数据集上12个分类问题的实验结果表明,跨领域典型相关性分析算法可以有效地提高跨领域迁移分类准确率.

让语文核心素养在“综合性学习”中生长

新课标特别强调引导学生进行综合性学习,综合性学习作为语文教学的重要教学方式,目的在于通过跨学科、跨领域学习来发展学生的综合素质与创新能力。综合性学习可以将各学科知识融合在一起,有利于学生构建完备的知识体系,提升语文核心素养。

TrSVM:一种基于领域相似性的迁移学习算法

迁移学习是对传统监督学习的扩展,试图利用其他相关领域中的现存数据来帮助完成当前领域的学习任务.对于归纳式迁移学习算法,当目标领域只有少量数据时,已有的算法容易受到选择性偏差的影响,不能充分发挥相关领域数据的作用.为解决该问题,提出一种利用领域相似性的新途径:通过定义领域弱相似性的概念,将相似性的约束与目标分类器联系起来,能在训练过程中有效利用相关领域的大量数据,设计出一种基于支持向量机的迁移学习算法TrSVM,并给出求解过程.在大量数据集上的实验结果表明了新算法的有效性.

基于典型相关分析的多视图跨领域情感分类

跨领域的文本分类,是指利用有标记领域的知识去帮助另一个概率分布不同的,未标记领域的知识进行分类的问题。从多视图学习的视角提出一个新的跨领域文本分类的方法(MTV算法)。通过在核空间典型相关分析中引入与标记相关的信息,MTV算法可以得到一个判别性能更优的公共子空间。在多个情感类文本数据上的实验表明,MTV算法可以大大提升传统监督式学习算法面对领域迁移时的分类性能,并且在引入判别式的核空间典型相关分析后,进一步优化性能。

一种结合半监督Boosting方法的迁移学习算法

迁移学习是数据挖掘中的一个研究方向,试图重用相关领域的数据样本,将相关领域的知识"迁移"到新领域中帮助训练.当前,基于实例的迁移学习算法容易产生过度拟合的问题,不能充分利用相关领域中的有用数据.为了避免这个问题,通过引入目标领域的无标记样本参与训练,利用半监督Boosting方法,提出一种新的迁移学习算法,能够对样本的相关性进行更好的判断,减少选择性偏差的影响.在大量文本数据集上的实验表明了新算法的有效性.

书汉字之美 品文学之韵——书法教学融入语文课堂的探究

“双减”是一次教育的重大转型,它聚焦学生的全面发展,重视学生核心素养的培养与身心健康的发展。语文新课标指出要“跨领域学习,与其他课程相配合”“在多学科的交叉中体现语文知识和能力的实际运用”。因此多学科教学已经成为“双减”背景下语文学科倾力探索的方向。

将耕读文化融入劳动教育之中

耕读文化劳动课程注重解决农耕现实问题,体现“以耕育人、以读化人”跨学科、跨领域学习。《义务教育劳动课程标准(2022年版)》指出,要培育学生农业生产劳动技能,探索劳动教育耕读课程,传承耕读文化,推进学校“五育并举、五育融合”,彰显劳动育人价值,实现多元主体支持,提升学校劳动素养培育技能,助推劳动教育高质量发展。

语文课程中的科学美教育初探

在语文学习中感受科学之美，提升审美境界，是《普通高中语文课程标准(实验)》的新理念之一，是跨领域学习的重要表征，是学科渗透、课程整合的具体体现。在语文课程中实施科学美教育，具有鲜明的特点、独特的优势和特殊的功能。调整和改进科普类作品的教学策略，是落实这一新理念的关键所在。

国外大学前段不分系制度对我国高等教育的启发

以美国为代表的国外高等教育蓬勃发展,给我们带来了许多宝贵经验,而实施大学前段不分系制度是其核心经验之一。目前,我国高等教育已进入大众化阶段,许多大学逐步开展前段不分系试点,并在实践中探索前进。文章通过对国外模式和经验的分析,发现这一做法可以明确高等教育定位,有效改善进校即分系制度造成的学生不能"跨领域学习"、难以"适应性选择"的弊端,并从实施目的、实施措施、机制保障等方面提出在我国实施大学前段不分系的框架性建议。

基于预训练语言模型的商品属性抽取

属性抽取是构建知识图谱的关键一环,其目的是从非结构化文本中抽取出与实体相关的属性值。该文将属性抽取转化成序列标注问题,使用远程监督方法对电商相关的多种来源文本进行自动标注,缓解商品属性抽取缺少标注数据的问题。为了对系统性能进行精准评价,构建了人工标注测试集,最终获得面向电商的多领域商品属性抽取标注数据集。基于新构建的数据集,该文进行多组实验并进行实验结果分析。特别地,基于多种预训练语言模型,进行了领域内和跨领域属性抽取。实验结果表明,预训练语言模型可以较好地提高抽取性能,其中ELECTRA在领域内属性抽取表现最佳,而在跨领域实验中BERT表现最佳。同时,该文发现增加少量目标领域标注数据可以有效提高跨领域属性抽取效果,增强了模型的领域适应性。

基于联合模型的中文社交媒体命名实体识别

随着互联网的发展,对中文社交媒体中命名实体进行识别具有重要的意义,传统的做法是采用监督学习方法,局限于标注数据的稀缺。然而,通用领域中有足够的语料库且社交媒体中的海量未标注的文本可以用于提高命名实体识别的效果。论文提出了一个联合模型,利用通用领域语料库和社交网络领域中未标注的文本进行训练。该联合模型由两个模型组成,一个是跨领域学习模型另外一个是半监督学习模型。跨领域学习基于领域的相似性学习通用领域的信息。半监督学习通过主动学习目标域内未标注的信息。该联合模型提高了命名实体识别的效果,且大大减小了人工标注语料工作。

多元化法律人对台湾法学教育取向之意义

近年来美式法学教育之模式多为亚洲法学教育所师法。美式法学教育特色以多元性法律人才之培养应为其法学教育之主要核心价值。另在澳大利亚,其本科之法学教育亦采异曲同工的跨领域学习模式。台湾地区法学教育近年来亦多推广跨领域之多元学习,唯成效不如预期。台湾地区法律科系主要应试类科均轻数理而重人文科目,可能形成法律学生逻辑推演能力先天之不足。后天上,大学欲推动法律跨领域学习,亦因法律学生数理基础较弱,不易修读他系数理基础的课程。另外,笔者任教之中原大学双主修之法律学生亦因两系必修学分之冲堂、双主修院系对于学分之抵免采取标准不一而遇挫。法律本质即属跨领域之学科,推行多元性法学教育的成果,不单是引导法律学子结合法律与其他专业之知识,更加深认知其对特定领域法律规范之效果,进而拓展扩大法律毕业生在职场之选择。

“4P”教学法与儿童数学素养提升

苏教版教材设置了"综合与实践""探索与实践""动手做"等"做数学"专栏,映射了新课程改革的方向。此类课程重在综合,能够引导学生跨领域学习,注重问题解决与发现创新共生、总结反思与评价激励互助。但当前小学数学的"做数学"教学普遍存在重结果轻过程、重内容轻思想的现象。如果将项目学习的方法融入"做数学"课程中,将能更好地发挥其课程的功效。一、"4P"教学法的内涵与价值"4P"是基于做数学的一种教学范式,主要通过"提出问题、规划方案、问题解决和实践评价四个阶段展开探究学习。

模仿学习综述:传统与新进展

模仿学习是强化学习与监督学习的结合,目标是通过观察专家演示,学习专家策略,从而加速强化学习。通过引入任务相关的额外信息,模仿学习相较于强化学习,可以更快地实现策略优化,为缓解低样本效率问题提供了解决方案。模仿学习已成为解决强化学习问题的一种流行框架,涌现出多种提高学习性能的算法和技术。通过与图形图像学的最新研究成果相结合,模仿学习已经在游戏人工智能(artificial intelligence,AI)、机器人控制和自动驾驶等领域发挥了重要作用。本文围绕模仿学习的年度发展,从行为克隆、逆强化学习、对抗式模仿学习、基于观察量的模仿学习和跨领域模仿学习等多个角度进行深入探讨,介绍了模仿学习在实际应用上的最新情况,比较了国内外研究现状,并展望了该领域未来的发展方向。旨在为研究人员和从业人员提供模仿学习的最新进展,从而为开展工作提供参考与便利。

基于学科融合的教学样态——以“语文+音乐”的《神州谣》一课为例

课程融合和统整的理念已经被众多学校和教师所接受。《义务教育语文课程标准》中也明确提出,语文学科提倡跨领域学习,与其他课程相结合,以提高学生的语文综合素养。下面我以二年级下册《神州谣》一课为例,谈谈“语文+音乐”的学科融合尝试。教学展示一、导入新课,初识“州”字1.“谣”是个形声字.