清代文官的组织人口学研究(1830—1911)

中国历史官员量化数据库——(清)缙绅录(CGED-Q JSL)中文官的纵向关联记录揭示了19世纪清代文官整体的职业动态。定量分析的结果表明,清代官僚系统的总体情况就像一个当代的大型组织,文官离职率在任职的第一年内很高,然后下降,之后趋于稳定。19世纪下半叶,官员的离职率整体下降,但于清末十年中上升。官员离职率下降导致拥有功名的候缺待补官员群体谋求仕途和进一步晋升的机会不断减少。同时,异途官员的人数不断增加,加剧了官场竞争。不同类别、品级官员的职业动态在不同历史时期的变化趋势差异较大,尤其是高品级官员的离职率对清代后期的官场平衡具有深刻影响。清代文官的职业动态一方面揭示了清代文官组织人口学的基本特征,另一方面也为解释清代特定官员群体或特定时期的官员个案研究提供了重要参考。

基于Electra和门控双线性神经网络的中文语法错误检测模型

语法错误检测是自然语言处理中自动校对技术的重要环节。中文语法灵活多变,而且错别字和语法错误会严重影响其周边范围的词义语义,甚至整个句子的原本含义,另外,现有深度学习模型为提高性能经常引入较多外部信息,也导致训练难度大。因此该研究将语法错误检测视为序列标注任务,提出了一种基于Electra的神经网络模型,以门控双线性神经网络Gated-Bilinear为其下游结构,在预训练语言模型基础上利用相邻Token的特征加强字向量的局部语义相关性,减轻其受到的错误语义影响。研究使用了历年中文语法错误检测(CGED)任务的数据集,训练并评估模型的性能,实验表明,使用该方法的检错性能在单模型和多模型集成方法上均达到最优水平。

融合ELECTRA和文本局部信息的中文语法错误检测方法

语法错误检测是自然语言处理领域的一项基本任务,其目标是自动识别文本中存在的错别字、语法及语序错误等。与其他语言相比,中文语法灵活多变且缺乏时态、语态等标志性信息,因此,文本的局部信息对于中文语法错误检测具有重要作用。传统的机器学习方法难以检测文本中存在的语法错误,而现有深度学习方法在纠错过程中不能充分利用文本的局部信息,导致语法错误检测效果不佳。建立一种融合ELECTRA和文本局部信息的中文语法错误检测模型ELECTRA-GCNN-CRF。将语法错误检测视为序列标注任务,使用ELECTRA预训练语言模型对文本进行表征。采用卷积神经网络提取文本的局部位置和语义信息,并引入残差门控机制,降低无效信息带来的影响。通过CRF模型学习标签间的内在关联关系,输出符合标注规则的语法错误标签序列。在NLPTEA中文语法错误检测数据集上的实验结果表明,ELECTRA-GCNN-CRF在检测层、识别层和定位层上的F1值较对比基线模型分别平均提高了0.94、3.74和5.03个百分点,该模型能够有效提升语法错误检测效果。

汉语作为第二语言作文句法错误自动诊断技术评测综述

中文句法错误自动诊断技术评测(Chinese Grammatical Error Diagnosis,CGED)是目前国际上对汉语作为第二语言写作自动批改领域的权威技术评测.该评测任务旨在促进自动识别句法错误位置和类型的语言信息处理系统发展.本文将综述目前汉语作为第二语言句法错误评测技术研究的现状,并回顾和总结历届CGED评测结果,展望该领域科研发展趋势.