初中语文古诗词教学中的审美与人格培养

提高初中语文古诗词教学质量,不仅能帮助学生更好地学习语文学科,从而取得更好的成绩,还能强化他们的审美情趣,培养良好的审美鉴赏能力。文章以初中语文古诗词教学为切入点,从三个方面探讨了教学对策:一是注重问题导学,通过提问引导学生深入理解古诗词;二是积极开展文本细读活动,通过分析文本语言和探究诗词结构,帮助学生高效达成学习目标;三是注重创设趣味情境,拉近学生与古诗词的距离。文章旨在为教师提供深刻而有益的启发,以强化学生的审美素养和健全人格。

HanNER:一个面向汉语古籍语料命名实体自动抽取的通用框架

古籍数字化整理是推动我国汉语古籍数据库建设及相关资源整合和利用的基础性工作。作为关键的技术环节之一,面向古籍命名实体的自动化抽取备受国内外学界和业界的关注。但是一些制约汉语古籍实体抽取方法的“卡脖子”问题仍未得到有效解决,包括少样本学习问题、标注成本管理问题和数据质量控制问题。本研究提出了一个面向古籍资源命名实体自动化抽取的通用框架——HanNER,包括“基于规则的实体预标注”“基于深度主动学习的迭代实体抽取”以及“人机交互模式下的标注决策”三个主要部分。多组实验比较证明了HanNER的可行性和优势,包括基于深度主动学习模型CNN-BiLSTM-CRF+margin的优势、多功能标注模块“标注查询”与“自动推荐”的积极作用以及ZenCrowd-II算法的优势。最后,本研究基于优化后的BERT-CNN-BiLSTM-CRF模型开发了在线的汉语古籍的实体自动抽取系统。HanNER的提出有利于推进汉语古籍实体抽取工作及相关任务在方法与技术上的发展,而且从工程化角度为古籍实体抽取产品的落地提供了借鉴和启发。

基于非参数贝叶斯模型和深度学习的古文分词研究

古汉语文本中,汉字通常连续书写,词与词之间没有明显的分割标记,为现代人理解古文乃至文化传承带来许多障碍。自动分词是自然语言处理技术的基础任务之一。主流的自动分词方法需要大量人工分词语料训练,费时费力,古文分词语料获取尤其困难,限制了主流自动分词方法的应用。该文将非参数贝叶斯模型与BERT(Bidirectional Encoder Representations from Transformers)深度学习语言建模方法相结合,进行古文分词研究。在《左传》数据集上,该文提出的无监督多阶段迭代训练分词方法获得的F1值为93.28%;仅使用500句分词语料进行弱监督训练时,F1值可达95.55%,高于前人使用6/7语料(约36 000句)进行有监督训练的结果;使用相同规模训练语料时,该文方法获得的F1值为97.40%,为当前最优结果。此外,该文方法还具有较好的泛化能力,模型代码已开源发布。

郑珍对王守仁表彰《古本大学》的表彰

郑珍《古本<大学说>序》描述了这样一个过程:《大学》如何从古本到二程改本,到朱子章句,再到后世诸改本"纷纷益不可胜记",以至成为笑柄。然见邻水甘秩斋《大学说》,不仅赞叹,以为虽"又一新异本",实与王守仁《大学古本序》"大义复不相乖忤"。郑珍遂表彰王守仁"复古之功不可没"。守仁复古本之思萌自龙场,经多年思考和反复论证,于正德十三年刻《古本大学序》,正式公布了他表彰古本正当性的观点。

王阳明:开启中国文艺复兴大门的思想家

从世界文明史的视角来看,王阳明是开启中国文艺复兴大门的思想家。从王阳明论著的实际出发,吸取中外已有研究成果,重点探讨文艺复兴时代的世界和中国,将王阳明的思想主要概括为四方面内容:从《大学》古本的"再生",进入圣学之门的教典;高扬人本主义旗帜,尊重人的个性和价值;知行合一:中华文明传统的精华,世界哲学史的转向与创新;"阳明学"与中华民族的伟大复兴。这些方面集中体现了王阳明创建的心学体系在中国和世界文明史上的独特贡献、历史局限、理论价值与现实意义。

古代文章“法古”思潮下的创变取向

古代文章一禀宗经法古之宗旨,但基于中国文化本身蕴涵的创新通变基因,历代文章家致力于文法创新。唐宋时期,主要着眼于文辞创新,韩愈明确提出"师其意不师其辞",要求创作时"惟陈言之务去";针对自铸伟辞所导致的艰深奥涩流弊,黄庭坚提出融化前人陈言的"点铁成金"之法。明清时期,文法理论由文辞创新转入篇章行文之法的求变,明代秦汉派对秦汉文章创作内在规律有所关注,唐宋派则师法偏重篇章布置之法的唐宋古文,唐顺之"本色论"从"心源"上寻求文法来源,在破除死法的同时也隐藏着师心自任的危险;清代则多以识量破死法,在熟稔古法的基础上,以异识卓见融古法于自我,在创作时实现我与法之间的融通无碍。

王阳明《大学古本旁释》之重思

通过对阳明《大学古本旁释》原序与改序比较,可知改序通过贯穿全序首、中、尾的五处调整,将原序"诚意—至善"之学转向"致知—至善"之学,反映了阳明晚年视致知为工夫主脑的思想。仔细分析罗钦顺《与王阳明书》中的"亦尝就以此训推之"说,可知罗氏针对《旁释》阳明说的可能性要远大于"整合《传习录》"说,据此推出"意用于事亲"句为《旁释》改本所加失之牵强。函海本《旁释》较之学山本,主要删除"诚意为主而用格致之工"条和补"致知者,致吾心之良知也"句,然未如改序般突出"致知"为"格物"主脑之意,未充分体现阳明致良知思想。《旁释》之思想及修改远不能与改序相比,绝非与之同步的凝聚阳明心血智慧的"三易其稿"之作,二者在阳明的《大学》谱系中具有不同的使命:《旁释》旨在恢复《大学》古本经典地位,序文意在表达阳明的《大学》新解。再考虑以下事实:阳明与罗钦顺等友朋文字论改《序》而不涉及《旁释》修改;王龙溪采用学山本《旁释》;《旁释》"三易其稿"与阳明学尚简易、忌讳著述、主动焚稿的气质风格严重冲突;此足以让我们倾向于认为阳明《大学古本旁释》不大存在多版本,而倾向于两种甚或单一版本。

古文识别平台的设计与实现

为推动古文数字化,促进古文资源共享,需要借助现代技术进行古文识别的工作,但现阶段能提供古文识别功能的平台非常匮乏,并且这些平台能实现的功能有限,不能从根本上解决古文识别难、不准确、传播难等问题.针对这些情况设计了古文识别系统,该系统为用户提供古文资料识别和用户资源共享两种主要功能,能够有效满足古文研究工作者和古文爱好者的需求,也能够对古文资源进行有效保护和利用.

基于深度学习的中医古籍缺失文本修复研究

目的:基于构建的高质量中医古籍文本语料库及深度学习语言模型,训练出可以应用于中医古籍缺失文本修复的模型,为中医古籍修复工作提供帮助。方法:分别训练和测试N-gram模型、LSTM模型、BiLSTM模型、RoBERTa模型,对比筛选出最优模型,并将筛选出的最优模型运用到文本修复场景中。结果:BiLSTM模型优于LSTM模型,LSTM模型明显优于N-gram模型,而RoBERTa模型效果最优,将RoBERTa模型运用到《黄帝内经》的修复中,达到了63.36%的hit@1,82.57%的hit@5。结论:将深度学习技术应用于中医古籍缺失文本修复中具有较好的效果,能够为中医古籍修复提供帮助。

《黄帝内经》文本语料库的构建与应用研究

针对当前优质中医古籍语料库较为缺乏的问题,对《黄帝内经》全书156,507字进行人工标注,构建集词性标注和分词一体的《黄帝内经》中医古籍语料库,并对《黄帝内经》开展系统性的中文分词研究。基于本文语料库,采用CRF、HMM、BiLSTM-CRF、BERT-BiLSTM-CRF、RoBERTa-wwm-BiLSTM-CRF等算法开展中文分词研究。经过对比验证得出RoBERTa-wwm-BiLSTM-CRF算法分词效果在各方面均有较大提升,准确率、召回率和F1值分别为93.86%、94.41%、94.13%,明显优于传统机器学习和主流深度学习方法。