问答式微任务教学在计算机教学中的运用探究

新时代背景下如何培养高技能人才,使其不仅品学兼优,且主动学习能力强,具备良好的组织、协调、沟通与表达能力,是值得技师院校教师认真研究的重要课题。文章以一体化教学模式为基础,以技校计算机教学为案例,结合作者企业经验,提出一种简单有效且易掌握的教学方法——'问答式微任务教学',认为其在实践中能够获得良好的效果。

机器阅读理解式中文事件抽取方法

事件抽取是信息抽取的重要任务之一,在知识图谱构建、金融行业分析、内容安全分析等领域均有重要应用。现有中文事件抽取方法一般为实体识别、关系抽取、实体分类等任务的级联。将事件抽取转化为阅读理解任务,可为模型引入问题所含的先验信息。提出一种基于预训练模型的机器阅读理解式中文事件抽取方法(Chinese event extraction by machine reading comprehension,CEEMRC),将中文事件抽取简化为两个问答模型的级联。首先对事件触发词抽取、事件类型判定、属性抽取构建相应的问答任务问题。以RoBERTa为基础构建触发词抽取和事件类型识别联合模型、事件属性抽取两个问答模型,并融入触发词先验特征、分词信息、触发词相对位置等信息来提升模型效果。最后以模型预测回答的起始和结束位置完成所需的抽取。实验使用DuEE中文事件数据集,触发词抽取和属性抽取的F1值均优于同类方法,验证了该方法的有效性。

某房屋安全鉴定机构的企业信息化升级改造

随着企业不断发展的需要,信息化系统中信息孤岛、机构变化快速适应、综合信息决策、平台对接等问题日益突出,多数企业迫切需要进行升级、整合,甚至重新规划。本文从一个企业实例入手,就如何做好信息化升级改造进行研究探索。

基于用户评论信息抽取的电商问答研究

消费者在线购物时既面临着信息的不对称性,又面临着海量评论数据中包含着的丰富信息。本文提出一种基于注意力机制的评论检索模型,用于解决消费者在线购买决策过程中面临信息过载以及向已购买者提问却不能获得及时性回复的管理问题。该模型通过对已有的消费者在线评论进行检索,将候选答案推荐给相关问题的提问者。然而,由于用户提问与评论之间缺乏直接的对应关系,本文引入问题答案对已有的用户提问与评论进行匹配以构建训练样本从而提升匹配效果。实验结果表明本文所提出的基于注意力机制的电商评论检索模型具有较好的实用性。