基于图卷积网络的掩码数据增强

针对多项选择问答(MCQA)领域中原始数据信息不准确、样本质量低以及模型泛化能力差等问题,提出一种基于图卷积网络(GCN)的掩码数据增强模型GMDA(Graph convolution network-based MASK Data Augmentation)。该模型以GCN作为基础框架,首先将文章中的单词抽象为图节点,并利用问题-候选答案(QA)对节点进行连接,建立与相关的文章节点之间的联系;其次,计算节点之间的相似性,并应用掩码技术对图中的节点进行掩盖,从而生成增强样本;再次,利用GCN对增强样本进行特征扩充,以提升模型的信息表达能力;最后,引入打分器对原始样本和增强样本进行评分,并结合课程学习策略提高答案预测的准确性。综合评估实验结果表明:与RACE-M、RACE-H数据集上的最优基线模型EAM相比,所提模型GMDA的准确率分别平均提高了0.8、0.4个百分点,而与DREAM数据集上的最优基线模型STM(SelfTraining Method)相比,GMDA模型的准确率平均提高了1.4个百分点。此外,对比实验的结果也验证了GMDA模型在MCQA任务中的有效性,可为数据增强技术在该领域的进一步研究和应用提供帮助。

多项WH-问句中WH-词的功能解释

本文分析了汉语WH-问句中一直不被语言学界重视的问题即多项WH-问句中WH-词的解释问题。文章首先对英语多项WH-问句中的WH-词的解释进行了较全面的概括,如成对的答案,第一个WH-词的语义特征,多项WH-问句和WH-词与全称量词结合的句子的相似性等。在此基础上我们用汉语进行了验证,结果表明,汉语的典型多项WH-问句的解释和英语中的结论相同,但由于汉语多项WH-问句中的一些特殊性,如存在句、“都”字句以及汉语WH-词与英语WH-词的性质上的区别,对英语中多项WH-词的解释并不完全适用于汉语。多项WH-问句的语义表征也可以印证这一点。

面向知识图谱的会话式机器阅读理解研究综述

对话式机器阅读理解随着数据集的发展而发展,目的在于让机器在理解文章内容的基础上能够进行多轮对话。但现有的模型方法无法从对话历史中捕获到与当前问题最相关的历史信息,模型的推理能力较差,很难获取实体间的隐含信息。知识图谱应用于推理问答是当前的一大研究热点。知识图谱技术可以推断出实体间的隐含关系,应用于推理问答则能够提升模型的推理问答能力,提高预测的准确率。近年来,知识图谱推理技术的广泛应用,极大地推动了知识图谱推理问答的发展。对基于知识图谱的会话式机器阅读理解从三方面进行总结:介绍了会话式机器阅读理解领域的数据集以及当前的一些典型的模型方法,并对模型的性能和优缺点作了简要的分析与比较;介绍了知识图谱的定义、架构以及四大核心技术,并简要介绍了三大类知识图谱推理问答的模型方法;最后总结工作,并根据会话式机器阅读理解的数据集特点和知识图谱推理问答模型的缺点,对未来的研究重点进行展望。

英语多元WH-问句移位优先权的优选分析

在优选论框架下研究了英语多元wh-问句四种移位优先权现象。通过语料分析修改了G rim shaw对wh-移位研究中的两点不足,最终确立了wh-移位的五个制约条件及其层级排列体系。研究表明,优选论能够为英语中四种优先权现象提供比较一致的解释,而且能使一元和多元wh-问句移位问题在优选论框架下达到统一。

基于微信小程序的多选题题库设计与开发

文章介绍了基于微信小程序的多选题题库的设计与开发。通过对多选题小程序主体功能的分析,构建多选题小程序的界面及交互功能;通过设计题目数据结构、开发前端界面和构建后端逻辑,实现了一个功能完善的多选题题库应用;通过用户评估和功能测试,验证了该应用的可行性和有效性。实践证明,基于微信小程序的多选题题库使用起来方便快捷,正确性、稳定性高,满足了用户的学习需求。

英语多元wh-问句句法和语用制约

英语多元wh-问句中的wh-短语的生成受到句法和语用原则的双重制约。一方面,根据“原则与参数理论”,wh-短语分别在S-结构和逻辑式层次进行移位,其语迹或者得到空语类原则充分的解释,或者在句法层延伸使空语类原则获得满足。另一方面,wh-短语的分布受制于语境,话语连接效应、分类答案假设和清单条件假设等语用原则制约着wh-短语的使用。

英语多元wh-问句的语用功能制约

根据“原则与参数理论”,英语多元wh-问句中的wh-短语在句法层进行移位,其语迹或者得到空语类原则的解释,或者得不到解释。但句法原则无力解释的或被判定为不合法的wh-短语却在语境中大行其道,其合法性得到了话语连接效应、分类答案假设和清单条件假设等语用原则充分而又恰当的解释。

基于BERT和题干要素语义增强的高考阅读理解自动答题

高考阅读理解试题因其语言复杂度高和自动答题难度大,已成为机器阅读理解领域一项具有挑战性的任务。现有的答题方法普遍关注选项与材料的语义相似性,易于忽视题干信息对正确答案的要求,基于此,提出一种基于BERT与题干要素语义增强的高考阅读理解自动答题方法。通过构建问题模板的方式获取题干关键要素信息并生成问题标签;通过改写题干内容统一题干要求;将问题标签与BERT模型相结合完成答案选择。在高考数据集上的实验结果表明,该方法比多个典型的机器阅读理解基线模型取得了更好的效果。

融入选项信息的多项选择题认知诊断测验分析方法

多项选择题作为认知诊断测验中一种重要题型,具有诸多优点的同时,也具有多个正确答案的特性.目前大多数认知诊断模型在处理多项选择题反应数据时采用二级评分或多级计分方法来估计考生的知识状态,但这2种计分方法的计分仍停留在题目层面上,并未深入到具体的选项层面,不能充分利用多项选择题中的选项信息.因此,该文开发了选项向量计分和空间向量距离判别法对多项选择题认知诊断测验分析方法,并通过模拟研究和实证研究来验证选项向量计分和空间向量距离判别法分析多项选择题认知诊断测验的性能.

建构电化学解题模型,高效突破高考习题——以近五年全国卷为例

在高考化学试题中,电化学内容是每年高考必考的部分。主要采用选择题和填空题的形式来考察学生掌握基础电化学知识的程度。近几年学生电化学得分情况很不乐观。为此,通过建构简单而有效的电化学解题模型,让学生从简单的电化学原理出发,准确掌握电化学装置各部分电极材料、电极方程式,高效解决考察形式新颖但基本原理和方法不变的高考题。

中文大规模谜语问答数据集构建与评测方法研究

为解决目前因谜语问答数据集缺乏导致机器无法很好回答谜语的问题,本文构建了一种中文大规模多类型谜语问答数据集,并对其进行评测.首先从谜语网站上爬取大量中文谜语,然后经过数据清洗、筛选和分类,采用人工结合自动生成的方式为每条谜语问答对生成了4个干扰选项,最后得到一个包含1 000个中文脑筋急转弯问答、300个中文数字谜语问答和16 766个中文汉字谜语问答的谜语问答数据集.在多个基准问答模型上的实验结果显示,现有智能问答模型在该数据集上的准确率最高可达37.56%,与人类77.33%的准确率还有较大差距.该数据集的提出有助于推动谜语智能问答模型的发展.

无纸化考试系统研制

本系统是基于局域网网络服务器、教师机、学生机环境下,适合于选择题、操作题考试的无纸化考试系统。除考试外,平时本系统可以作为选择题练习、作业管理和教学效果调查使用。

北京市MSM人群RRT模型的两阶段抽样调查

目的调查估计北京市MSM人群男男性行为中安全套的破损比例,HIV阳性率等指标,为制定北京市艾滋病的预防控制规划、措施提供科学依据。方法采用多分类敏感问题随机应答模型两阶段随机抽样的调查分析方法估计出北京市MSM人群肛交中安全套的破损比例、HIV病毒检测的阳性比例等多项涉及个人隐私的敏感性问题指标。结果北京市MSM人群:男男性行为时安全套有破损、无破损、没有使用安全套的比例分别是12.462%,67.77%,19.77%;最近一年HIV检测的结果为阳性、阴性、检查过但不知道结果、结果不确定、没有检查过的比例分别是8.03%,72.44%,8.28%,5.21%,6.05%。结论本文采用多分类敏感问题随机应答模型两阶段抽样的调查方法及其统计公式,取得了良好的实际应用效果。北京市MSM人群HIV阳性率高,并存在安全套破损比例高的高危性行为,应引起政府、卫生部门的高度重视。

关于单项选择题与多项选择题概率难度的比较

在标准化考试中对单项选择题和多项选择的难度进行比较是很有意义的。本文首先给出了频率难度和概率难度的概念 ,其次是对两种题型下备选答案的难度与试题的难度的关系进行分析、比较 ,最后得出了在标准化考试中 ,当单项选择题与多项选择题在规定满分相同的情况下 ,单选题的备选答案应该难些 ,多选题的备选答案应该简单些才合理 ;而当二者的备选答案难度相同时 ,单选题的规定满分应该少些 。

多项选择敏感问题RRT二阶段抽样的统计方法及应用

目的为多项选择敏感性问题提供科学的抽样调查方法及其统计量的计算公式。方法本文中,多项选择敏感问题RRT模型、两阶段抽样调查方法、抽样理论、全概率公式、方差的基本性质等理论与方法被应用。结果推导出多项选择敏感问题随机应答模型在两阶段抽样下总体比例的估计量及其估计方差的计算公式;应用此调查方法及相关公式调查得苏州大学学生近两个学期考试作弊0次、1～2次、>2次的比例分别为68.066%,18.072%,13.861%。结论多项选择敏感问题随机应答模型下的二阶段抽样调查方法及相应的统计计算公式科学可行。

高中生解答数学选择题的常用方法和猜测性问题的实证研究

基于对“测试题一”与“测试题二”的解答情况的统计分析，研究了高中生解答选择题的常用方法及其在解答中的猜测性问题，并为高中数学习题教学和选择题的编拟提出了相应的建议．研究的基本结论和教学建议是：（1）高中生解答数学选择题常用的和基本的解答方法主要有：直接法、排除法、数形结合法、猜测法：（2）对选择题和填空题的解答要有适当的“过程性要求”；（3）学生的猜测性解答，有些是“随机猜测”，更多的是合情猜测：（4）选择题的4个选择支的设计十分重要，3个诱误支要具有足够的迷惑性与诱误性：（5）谨防选择题考查意图的“旁落”．

“非科学性”让管理研究变得更好:“蔡玉麟质疑”继续中

基于对管理研究可能面向的探讨,意在凸显"非科学图景"的学术价值。首先,重新解读了《管理学报》2016年第8期刊发蔡玉麟先生的论文,并将其核心质疑引向对管理研究"单纯科学性"的反思;然后,剖析了IACMR主导范式的"合理性",成功的情境因素和面临的挑战;再次,对多元范式给出更加"实用性"的讨论以强调问题决定方法;最后,展望了IACMR在学术评价和研究成员培养中的更有承担的角色,提出"徐淑英难题"并主张以诠释主义作为替代性的研究进路。

社会调查中二分数据的转换与解读——以《2005年中国青少年网瘾调查报告》中的数据分析为例

社会调查中常常使用尽可能简短的问卷,为此将会收集到大量的二分数据。本文讨论了产生二分数据的两种主要形式,探讨了如何在遵循统计分析程序的基本要求下,对二分变量进行转换和解读,从中挖掘出丰富而深入的信息,并以《2005年中国青少年网瘾调查报告》中的数据分析为例进行了说明。

基于混合式的社区问答答案质量评价模型

社区问答系统已经成为获取和分享知识的一种重要渠道,但用户提供的信息质量差异比较大。针对社区问答系统中具有多个答案的问题,提出了一种基于混合式的社区问答答案质量评价模型,可实现最佳答案的选取。该模型首先利用基于用户活动的UAM模型获得问题和答案的主题相似度并剔除无关回复,然后结合用户权威度及多重评价标准,对答案进行评分,获得对答案的定量评价结果。基于Stack Overflow的实验表明,该方法可有效地对答案进行质量评分,有实用价值。

空间社会学:理解与超越

空间社会学在后现代的思潮中产生,引导了社会学在20世纪90年代后期的空间转向,其最终目的是利用空间的方法将微观与宏观,能动与结构进行融合,进而实现空间、时间、社会三元化视角的社会学研究。社会学目前主要面临的困难在于从哲学思辨层次向实证层次的转向,以及如何将时间的维度纳入空间分析中来。空间社会学未来的发展将是一个多维度、深层次的空间分析模式和更加广阔的时空社会学研究远景。本文从理解与超越两个部分论述空间社会学,对空间社会学晦涩的理论进行解读,试图对空间社会学的超越性发展提出个人的见解。