基于事件表示的机器阅读理解模型

要真正理解一段语篇,在阅读理解过程对原文主旨线索的把握是非常重要的。针对机器阅读理解中主旨线索类型的问题,提出了基于事件表示的机器阅读理解分析方法。首先,通过线索短语从阅读材料中抽取篇章事件图,其中包括事件的表示、事件要素的抽取和事件关系的抽取等;然后,综合考虑事件的时间要素、情感要素以及每个词在文档中的重要性,采用TextRank算法选出线索相关的事件;最后,依据所选出的线索事件构建问题的答案。在收集了339道线索类题组成的测试集上,实验结果表明所提方法在BLEU和CIDEr评价指标上与基于TextRank算法的句子排序方法相比均有所提升,具体来说,BLEU-4指标提升了4.1个百分点,CIDEr指标提升了9个百分点。

重铸与元语言提示对英语附加问句语调习得的影响

为研究重铸与元语言提示对学习者英语附加问句语调习得的影响,本研究挑选的被试人为36名非英语专业大二学生,随机分成重铸组、元语言提示组和控制组,每组12人,采用"前测-即时后测-延时后测"的实验设计,分析后得出以下结论。1)重铸与元语言提示都对英语附加问句语调习得有促进作用,元语言提示比重铸的效果更持久;2)元语言提示组产生的接纳与附加问句语调习得呈正相关,而重铸组产生的接纳与其目标结构习得无太大相关性。

融合类别线索词的中文问题分类

针对中文问题中分类有效信息较少这一特点,提出一种融合类别线索词集(CCWs)的自动特征组合绑定算法。该方法在提取词袋、词性和命名实体的基础上,通过对问题意图刻画更为准确的中心词、主语、疑问词以及疑问词相关成分作为问题类别线索词集。通过实验表明,利用CCWs和基本特征进行特征组合以及绑定后形成的新特征,在小规模不平衡的语料数据集上能有效提高分类器的分类性能。该组合绑定的方法在一定程度上提高了SVM分类器的精度,分别在小类和大类上达到86.77%和94.08%。

数字学习资源中线索类型对学习效果的影响

优质的数字学习资源建设对于在线学习的发展具有非常重要的意义。但随着技术的发展,研究者更多关注数字学习资源开发的媒体表现与传播形式,很少关注如何从引导学习者思维的角度探索优质数字学习资源的教学设计问题。线索设计是数字学习资源设计过程中的一种教学设计形式。本研究运用眼动追踪技术和测量量表比较了学习者不同类型线索(无线索、视觉线索、问题线索、问题线索+视觉线索)的科技材料在线学习过程中的认知负荷、注意力和学习成绩。结果表明:一方面,视觉线索缩短了学习者筛选在线学习材料中的关键或重要信息所用的时间,但未影响学习者的在线学习认知负荷和学习成绩。另一方面,相对于视觉线索而言,问题线索的设置对学习者在线学习的影响更为突出,主要体现在以下三点:第一,问题线索的设计有效地降低了学习者的认知负荷水平;第二,问题线索的设计促使学生将更多的注意力集中于材料中的关键或重要信息;第三,问题线索的设置提高了学习者学习的迁移测试成绩。因此,为更有效地提升在线学习效果,未来数字学习资源的开发应在添加突出显示材料视觉线索的基础上结合传播材料的关键或重点知识点设计对应的问题线索。