基于双向胶囊网络的恶意评论检测

为了解决现有检测模型无法准确识别语言风格多变、语意隐晦的恶意评论问题,提出了一种基于双向胶囊网络的恶意评论检测模型。首先,利用BERT模型对评论文本进行词嵌入,创建输入矩阵;其次,将输入矩阵传递给双向特征提取层,该层由堆叠的LSTM、双向胶囊网络和注意力网络组成,从正向和反向同时捕获文本的深层语义信息,将生成的正向和反向矩阵拼接起来并输入到注意力机制中,聚焦与恶意评论相关的词语并生成输出向量;再次,拼接输出向量与语境辅助特征向量,丰富特征表示;最后,将拼接向量输入到全连接层中,通过Sigmoid激活函数对评论文本进行分类。在维基百科恶意评论数据集上进行的实验表明,相较于现有研究,基于双向胶囊网络的恶意评论检测模型性能提升显著,能够捕获评论文本中更丰富的语义信息,有效检测恶意评论。

对美国总统辩论语篇中言语反讽的认知语用研究

根据Yus的基本认知框架研究反讽如何被识别和理解,分析美国总统辩论语篇中言语反讽的特点。发现与其他语境信息相比,听者识别反讽时,言者个人背景和百科知识这两种语境信息经常作为判断反讽的主导语境信息,而语言暗示和非语言行为经常作为辅助语境信息。

Eight CAI Modes in Language Learning and Teaching

This paper discusses computer application in language learning and teaching, and suggests 8 modes in the language learning and teaching. It is concluded that the computer can best assist instructors in language learning and teaching if it is seen not as a replacement for their work but as a supplement to it, the computer-assisted learning has stressed the individualization of instruction, and the learner can work at his or her own pace.