主观题自动测评研究

主观题自动测评作为智能教育的关键技术之一是语言学和自然语言处理等相关学科交叉的一个研究方向,本文将主观题分为有参考答案和开放式答案两种类型,针对有参考答案的主观题依据语义相似度计算方式不同分为简单词形匹配、 借助世界知识和依据大规模语料等三类,介绍计算机自动测评领域国内外在主观题方面的评测技术、 方案的研究进展,总结各方案的优缺点提出借鉴深度学习的研究切入点,为汉语主观题测评研究提供方法和思路上的参考、 启示.     

哲学视阈中自然语言处理及发展

哲学的语言学转向使自然语言由研究工具成为研究的本体,哲学研究中的经验主义和理性主义为自然语言处理提供了不同的范式和方法。其范式方法的分歧主要体现在基于归纳逻辑还是演绎逻辑、基于统计还是规则、基于语言使用还是语言能力,并在自然语言处理中相互交替,各有得失。虽然现阶段理性主义范式具有经验化的趋势,但是二者必将汇合,从而挖掘更多语言事实,克服人类身心认知限制,实现自然语言处理的实质性突破。     

搭配识别中的统计方法

以自然语言处理中识别搭配常用的统计方法为核心,站在数学的角度,对这些方法的数学含义和适用条件作了较为深入的研究,目的是为了帮助使用者真正搞清统计方法在数学上的确切含义,以便更好地运用到自然语言处理中去.     

AI对未来会计变革研究——基于技术视角

人工智能目前是全社会关注的热点,人工智能技术丰富多样,发展迅速,有必要结合会计领域自身的特点,对影响会计发展的人工智能关键基础技术进行梳理,从技术角度探讨AI对未来会计的影响。介绍了OCR、NLP和大数据等人工智能基础技术,探讨这些技术对未来会计发展的影响路径,最后系统分析了变革中可能遇到的瓶颈问题和解决方案。     

意义的角度与转类

本文以名词为例，从借代角度来探讨语言词典中一般不加界定或很难界定的意义角度与意义转类问题，并尝试用一种准形式化的方法来描述此类语言现象。     

自然语言处理技术与语言深度计算

语言能力(包括口语能力和书面语言能力)是人的首要能力,是其综合能力的重要组成部分,也是运用和展现综合能力的最重要手段。人终其一生,都在不断地学习语言及其表达的各种知识。正常人很自然地便掌握了日常生活中使用的母语(口语),但读、写能力以及第二语言的听、说、读、写能力却需要专门学习。     

“幽默营销”,不只是哈哈一笑

正自从有了"双11"的概念以来,天猫、京东、苏宁等电商巨头针对这一概念展开了针锋相对的比拼,而三者也都使出了杀手锏——"幽默营销",如京东的"不光低价、快才痛快"系列广告、苏宁的"4天4夜才过瘾"等。"夸张、幽默、对比",让消费者看得痛快、买得实在。     

基于情感分析大模型的股票预测：结合GRU和ALBERT的预测模型

自股票市场诞生以来,对股票价格的预测一直是研究的热点。已有的研究主要根据股票基本面数据、股价时间序列等结构化数据,利用数学、统计、深度学习等多种方法进行预测;或者基于新闻报道、社交网络文本等非结构化数据,采用文本挖掘、情感分析等技术获取情绪指标进而实现股价预测。然而,将以上两种方法进行结合的研究目前并不多见。本文提出了一种新的股票价格预测方法,该方法利用GRU深度学习网络,根据股票历史数据进行股价的预测,并构建出基于GRU框架的预测模型。同时,采用轻量级大模型ALBERT,对媒体新闻进行情感提取,获取情感特征。最后,将情感特征输入至于GRU预测模型中,并适应性调整GRU的输出结果,以获得最终的股票预测。本文最终选择了GRU-attention与Google Chinese ALBERT-Large结合的方案,该方案充分利用了客观特征以及情感特征包含的信息,使得输入模型的特征更加全面,并且在预测精度上相对其他方案有明显的优势。从实际应用上来看,本文搭建的股票预测模型能够为投资者提供更为准确的股票价格预测结果,帮助投资者制订更加合理的投资决策,并可以预警金融市场中可能发生的风险,帮助投资者...     

以对比学习与时序递推提升摘要泛化性的方法

为了有效缓解基于交叉熵损失函数训练的传统文本摘要模型所面临的推理过程中性能下降、泛化性较低、生成过程中曝光偏差现象严重、生成的摘要与参考摘要文本相似度较低等问题,提出了一种新颖的训练方式,一方面,模型本身以beamsearch的方式生成候选集,以候选摘要的评估分数选取正负样本,在输出的候选集中以“argmax-贪心搜索概率值”和“标签概率值“构建2组对比损失函数;另一方面,设计作用于候选集句内的时序递推函数引导模型在输出每个单独的候选摘要时确保时序准确性,并缓解曝光偏差问题。实验表明,所提方法在CNN/DailyMail和Xsum公共数据集上的泛化性得到提升,Rouge与BertScore在CNN/DailyMail上达到47.54和88.51,在Xsum上达到了48.75和92.61。