自然语言处理领域中的词嵌入方法综述

词嵌入作为自然语言处理任务的第一步,其目的是将输入的自然语言文本转换为模型可以处理的数值向量,即词向量,也称词的分布式表示。词向量作为自然语言处理任务的根基,是完成一切自然语言处理任务的前提。然而,国内外针对词嵌入方法的综述文献大多只关注于不同词嵌入方法本身的技术路线,而未能将词嵌入的前置分词方法以及词嵌入方法完整的演变趋势进行分析与概述。以word2vec模型和Transformer模型作为划分点,从生成的词向量是否能够动态地改变其内隐的语义信息来适配输入句子的整体语义这一角度,将词嵌入方法划分为静态词嵌入方法和动态词嵌入方法,并对此展开讨论。同时,针对词嵌入中的分词方法,包括整词切分和子词切分,进行了对比和分析;针对训练词向量所使用的语言模型,从概率语言模型到神经概率语言模型再到如今的深度上下文语言模型的演化,进行了详细列举和阐述;针对预训练语言模型时使用的训练策略进行了总结和探讨。最后,总结词向量质量的评估方法,分析词嵌入方法的当前现状并对其未来发展方向进行展望。

新文科背景下中国语言学学科的承继与发展

中国语言学自先秦以来,不仅取得丰硕的成果,而且形成独特的研究传统。近现代之后,中国语言学逐步转型,学科细分所致的新的研究态势已经不能适应新时代新文科要求。中国语言学需要在承继优良学术传统的基础上,面向人工智能和数字技术,走“大语言学”发展之路。

从全文检索到语言计量和语言智能——语料库研究应用的三个层次及资源

20世纪中后期,随着计算机软硬件技术的快速发展,语料库在规模、深度甚至模态上都有了长足进步,实现了由全文检索到语言智能的巨大飞跃。语料库的分类一般从收录语言材料的地域、时代、语种、语体、语域等层面,或语音、词法、句法、语义、篇章等标注层级,或面向具体的研究问题等角度来划分。但更基本的、却较少关注的问题是语料库的构建和应用是面向学者的语言研究需要,还是面向计算机的语言计算建模需要。本文从语料库研究和应用的角度出发,将语料库研究划分为面向全文检索、语言计量和语言智能等三个层次,着重介绍了与后两者相关的期刊、会议和成果资源,助力研究者确定研究范式,构建和使用相匹配的标注语料库,实现多学科的交叉融合和应用。

论大语言模型材料的证据属性——以ChatGPT和文心一言为例

以ChatGPT和文心一言为代表的大语言模型产生海量大语言模型材料,此类材料进入社会生活并产生广泛影响,讨论大语言模型材料证据属性具有重要意义。大语言模型材料可以成为证据,但是否具有证据资格需要在具体个案中进行判断。从诉讼效率出发,大语言模型证据在不同诉讼中的呈现形式可以有所区别:一般案件可以仅举示人机交流材料和使用者本地环境信息,重大案件则应完整举示。大语言模型材料区别于大数据证据和一般的人工智能证据,具有直观性强、可解释性弱、偏在于少数技术公司、可识别性弱等特点。

中国家庭母亲语言输入特征及其与儿童语言发展的关系

一直以来,亲子言语互动被认为是推动儿童早期语言学习和发展的重要动力。母亲的社会经济地位不同,其语言输入质量也不同。从语言输入的交互性、语言性和概念性三个维度看,母亲语言输入的语言性和概念性预测了儿童的语言能力发展。因此,在家庭语言环境中,应建立交互性、语言性和概念性为一体的语言环境支持系统,且家庭语言教育要关注概念性语言的输入,家庭语言互动中应注重提升亲子言语互动质量。

自然人、机器人、数字人“三人”共生时代的语言生活

地球似乎正在加速进入一个自然人、机器人、数字人“三人”共生的新时代。总体上呈现出数字化、智能化、自动化的新形态和新特征,相应地,语言生活也正发生着广泛而深刻的变化。在语言运用方面,产生了“自然人-数字人”“数字人-数字人”“机器人-数字人”“自然人-机器人-数字人”这4种新形态;在语言学习方面,“三人”各自的语言学习与机器人和数字人助力自然人学习遥相呼应;在语言研究方面,新数据、新方法、新思想星火萌发,语言资源学、数字语言学等新兴交叉方向似乎正在加速成形。未来的语言研究,需要把握时代发展趋势,依托整体性视角和系统性思维,为国家和社会发展提供更多更好的助力。

语言研究需要新质生产力

从农业社会开始,人类就开始了对于语言的研究,经历了语文学、文法研究、语言哲学研究的漫长时期;进入工业社会,历史比较语言研究、结构主义语言研究、功能主义语言研究、形式主义语言研究此起彼伏、相映成趣;计算机和互联网出现后的信息社会,计算语言研究、语料库语言研究、新媒体语言研究、数理语言研究、网络语言研究等应运而生;当下人类正在进入数字社会,数字语言研究等开始萌芽。

社会认知语言学再思考

社会认知语言学是社会认知理论与认知语言学的结合,也是认知语言学的一种发展趋势。过去四十多年,认知语言学对概念表征和语言表征之间的关系进行了深入探讨,但是却忽视了言语交际的社会因素。针对认知语言学中出现的社会转向,我们近几年提出社会认知语言学这一新的学科,主要探讨社会认知如何影响语言的结构、表达和理解。本文主要阐释社会认知理论的有关问题以及人际层面、群际层面、社会实践认知层面的社会认知语言学视野。希望通过这些方面的阐释,能进一步明确社会认知语言学的内涵和研究范围,推动该领域的发展。

从语言战略角度看信息时代的语文教育

语言文字在信息时代具有了影响全民和全局的战略意义。提高基础教育阶段的语文教学质量,发展国民的语言能力与思维素养,是实施语言文字战略的前提。要改变语文教育在目标、内容与方法等层面存在的滞后性,适应信息时代对语文教育的要求,就必须努力推进语文教学建设。当前的关键之点是理解和落实《普通高中语文课程标准(2017年版2020年修订)》提出的“语文核心素养”课程目标,以及“学习任务群”课程组织原则。语文核心素养是由语言建构与运用、思维发展与提升、审美鉴赏与创造、文化传承与理解构成的整体,综合体现在学生的思想面貌和精神状态、知识结构和语言能力等多个方面,包含强烈的人文性;学习任务群是教师根据自己的实际情况创造性地组织教学的教学原则,要求以学生的自主学习为前提,让学生自己去完成学习任务,在实践中获取知识、增长能力、养成和提升核心素养。语文课程建设还必须有理论建设做支撑,建设契合汉语汉字特点、具有中国特色的语言文字知识体系已是刻不容缓。

论语言智能的治理

语言智能在深刻改变语言治理的同时,自身也成为了语言治理的新对象。语言智能的治理,可以以数据和市场为抓手,因为数据是智能技术研发的起点,且直接来源于社会和市场,而市场应用则是智能技术研发的终点,也是研发的最终驱动力。从数据治理来看,语言数据资源决定着语言智能在性能、技术落地、关键领域应用和伦理安全等重要方面的表现,但目前中国很多行业数据化程度较低、数据质量不高,关键领域数据国产化程度有限,且伦理安全的地位亟待提高。从评价治理来看,学术机构和政府机构组织的技术评测已经成为推动智能技术和产品进步的重要手段,已形成“数据-技术-评测”闭环,但中国的技术评测在权威性、影响力、规划和设计科学程度上尚有提升空间。安全治理首先是能力问题,即能力落后于需求;其次是伦理安全问题,集中于语言资源、应用和社会文化方面。因此,语言智能治理首先要以数据为基础,以评测为牵引,提升语言智能能力;其次,要从数据、评测和使用等方面把好安全关,从理念、组织、实施、学科和社会文化等方面把好伦理关。

大语言模型在中学历史学科中的应用测评分析

大语言模型一经发布便获得广泛关注,但其在实际应用特别是教育领域的应用还存在诸多局限与挑战,因此需要对大语言模型在中文语境下的能力与风险进行测评。基于此,文章首先收集整理了一个包括10万条客观选择题与10套中学主观题测试卷的中学历史数据集,并在以ChatGPT、GPT-4和讯飞星火为代表的大语言模型上测试了该数据集中题目的回答表现。然后,文章详细分析了测试结果,发现虽然当前大语言模型的突出能力在于能够产生完整且流畅的表达,但其在中学历史知识测试中仍远低于适龄学生的平均水平,大语言模型应用于教育领域仍存在可靠性较差、可信度较低、具有偏见与歧视、推理能力不足、无法自动更新知识等问题。最后,文章针对大语言模型在中文语境下教育领域的应用提出建议,以期助力大语言模型在教育领域发挥更大的作用,为学生、教师带来更好的学习和教学体验。

语言学理论在档案领域的应用研究

探讨了语言学理论在档案领域的应用。首先,概述了结构主义语言学理论,分析了其在档案著录、档案分类和档案编目中的应用;其次,介绍了认知语言学理论,讨论了其在档案标引、档案检索中的应用;再次,总结了语料库语言学理论,阐述了其在档案语言资源建设、档案文本挖掘中的应用。通过系统梳理三大语言学流派的相关理论及其在档案工作中的应用,展现了语言学理论对档案工作的重要指导意义,为推动档案语言研究与档案事业发展提供了新的视角和路径。

体认语言学视阈下ChatGPT语言生成及性能研究

近来兴起的ChatGPT改变了人们对语言生成的认知。本研究基于体认语言学的语言生成观审视ChatGPT的语言生成和语言性能,以期获得语言研究和人工智能融合的启示。本研究首先回溯了ChatGPT语言生成技术的三个环节,分析了相关的理论语言学内涵;其次,结合体认语言学从现实到认知再到语言的语言生成观,分析人们真实使用的语言是现实、认知的产物,进而结合ChatGPT语言生成的三个环节,分析其语言生成基本遵循从“语言到语言”的生成范式,其语言生成只有少量的认知间接参与。ChatGPT庞大的语料使其具备强大的语言生成能力,但是由于缺乏现实和认知作为基础,会形成与事实不相符、语义混淆、无意义废话等性能偏误。最后,本研究认为优化ChatGPT语言性能的关键要解决其具身认知难题。

大型体育赛事语言景观的呈现特征、建构经验与提升策略——以北京2022年冬奥会为例

基于语言景观理论,通过录像观察对北京冬奥会语言景观的呈现特征进行考察并总结建构经验,进一步提出未来打造具有中国特色的赛事语言景观的提升策略。研究认为:首先,官方景观主导、载体类型多样、模态组合多元、语码布局规范是北京冬奥会语言景观的呈现特征。其次,自信规范的语言使用、特色文化的深度结合、丰富多样的呈现形式是北京冬奥会语言景观的建构经验。最后,未来应建立健全各类赛事语言景观的标准规范,促进文化交流的理解与认同;充分挖掘办赛所在地的优秀文化,打造具有本土特色的语言景观;应用现代高科技手段,拓宽语言景观呈现的渠道与形式。

失语症研究的语言学转向

失语症研究的发展经历了由医学主导到心理学主导,再到语言学主导,再到目前多学科交叉的变化过程。目前,在世界范围内从语言学视角开展失语症研究的热潮正在形成,主要包括失语症言语特征、失语症患者语言能力评估以及失语症的康复训练。本文从这三个视角介绍中西方失语症研究的概况,论述失语症研究需要开展的工作,尤其是我国失语症研究需要开展的工作,为我国语言学学者从事失语症研究指明方向。

学以致用的项目驱动式教学研究——以财务管理专业Python语言程序设计课程为例

Python语言程序设计课程是高校广泛开设的公共通识课程。该文以财务管理专业学生为施教对象,分析该课程教学面临的困难,探讨项目驱动式教学方法。通过梳理教学内容和知识点,构建知识图谱,结合专业背景设计应用项目,把知识点的教学贯穿于应用项目的开发中,同步递进,把理论与实践有机融合,传授Python语言程序设计基础知识的同时,培养学生解决问题的能力,达到学以致用的目的。

大型语言模型对高等教育的影响与中国应对

大型语言模型(LLM)在短期内将从创设教学情境、创新教学模式、教学AI开发和应用、拓展高校在线学习、助力虚拟仿真课程开发等方面助力高等教育;长期来看能够助推“四新”建设、赋能基础学科拔尖人才培养,并催生高校结构性变革。同时,LLM也可能引发教育安全风险,造成新的教育智能鸿沟,并被大企业寡头垄断。为促进LLM赋能中国高等教育,需要我国加快开发迭代自己的LLM,促进其均等化可达,提升师生数字素养和能力,夯实数字化教学环境。

社会认知语言学视域下语言的社会性与文化身份性

本文主要基于具身认知和社会认知理论,从社会认知语言学视角讨论语言的社会性和文化身份性。首先,认知语言学的“社会转向”将对语言的考察及其与文化的联系置于一个更加宏大的社会场景,在其研究框架中,认知与语言的本质及其功能、语言的社会性等都能根据具身认知理论、语言与文化的相互作用关系等在基于使用的语言基本观找到理论支持;其次,从语言的本质和功能方面看,语言首先满足交际和互动功能,语言习得在交际环境中进行,因此,语言具有社会认知性特征;再次,从具身认知理论看,语言是个体和群体的具身经验,认知具有普遍性,而特定的认知模型具有独特的文化属性,代表群体的语言文化身份。语言认知和语言习得都是在一定社会文化语境中基于使用而实现的,某种语言的表征和认知方式也有其具体特征,在一定程度上反映语言使用者的心理特征,体现语言和语言使用者的文化身份。

人工智能时代语言服务行业需求分析与人才培养研究

以126名语言服务从业者及397名学习者为研究对象进行问卷调查和访谈,通过数据分析发现,人工智能时代的语言服务行业对具职业创新能力的复合型人才需求较高,但现有人才培养与市场需求还不能完全对接,学习者对行业需求的认识,以及自身信息技术能力、跨学科语言服务能力等有待提升。提出多渠道语言服务能力培养路径,特别探讨了通过依托项目学习模式,提升学习者职业创新能力,以期培养人工智能时代行业所需的优质语言服务人才。

是“神马”还是“灰犀牛”:ChatGPT等大语言模型对教育的多维影响及应对之策

ChatGPT以“入侵”的方式在教育领域登陆,初露“灰犀牛”面貌,由此引发教育思想、教育体系和学校教育层面的危机。在教育思想层面,多将ChatGPT视为“神马”,在态度上选择抵制和观望,其背后既有思维惯性、惰性等历史原因,也有因ChatGPT等大语言模型管理制度缺位导致安全感无处寄放的现实依据。就教育体系而言,ChatGPT引发的教育自洽与替代焦虑加持,将从内外两个角度解构既有的教育目标体系,由此带来基于人的自由全面发展的教育目标体系的重构;ChatGPT将推动知识生产与知识学习的转向,进而以知识教育价值重估为“支点”,撬动教育整体价值重估,促使教育立足“人本”和“高阶”开展价值创造;ChatGPT还将引发学生发展与评价标准、方式的变革,渐次推动教育评价体系的全面创新。就学校教育而言,知识学习的变革必将推动学校教育时空的重组和学校生态的创新,使课堂教学由“三维”向“四维”转型,进而推动教学生态重塑、流程再造和课堂教学革命,引发教师角色、工作方式和发展方式的变革。