-
题名文本阅读中情境模型时间维度研究
- 1
-
-
作者
郭艳彪
陈琳
夏天生
莫雷
-
机构
华南师范大学心理应用研究中心
中山大学国际汉语学院
-
出处
《心理与行为研究》
CSSCI
2014年第4期558-565,共8页
-
基金
国家自然科学基金(31170997)
国家重点基础研究发展计划项目(2012CB720700)
中央高校基本科研业务费专项资金资助(13wkpy18)的资助
-
文摘
情境模型时间维度研究是目前文本阅读研究的热点之一。研究者们从不同角度、采用不同范式和技术手段证明了时间维度在情境模型建构中的重要作用,并且在这方面也取得了大量研究成果。文章从理论观点和实证研究两方面对这些研究成果进行梳理和总结,并对未来研究发展做出了展望。
-
关键词
情境模型
事件指针模型
时间维度
语言动态模拟观
-
Keywords
situation model
event-index model
temporal dimension
dynamic simulation of language comprehension.
-
分类号
B844.2
[哲学宗教—发展与教育心理学]
-
-
题名新疆农六师所在地水资源承载能力研究
- 2
-
-
作者
杜明月
吴继昌
李丽琴
赵元
-
机构
中国水利水电科学研究院水资源所
朝阳市水利工程移民管理处
华北水利水电大学水利学院
-
出处
《水资源保护》
CAS
2013年第6期59-63,共5页
-
基金
国家水体污染控制与治理重大科技专项(2012ZX07201-006)
-
文摘
分析新疆农六师所在地现状水资源开发利用情况及存在的问题,构建了水资源优化配置模型,通过不同方案长系列逐月调节计算和对比分析,选取中方案为水资源配置推荐方案。同时,采用双指针计算模型计算农六师高、中、低三种需水方案的水资源承载能力,指出现状年105团当地水资源已经处于超载状态,到2030年农六师的经济中心五家渠市也将处于水资源超载边缘,超载度为0.97。最后,探讨了如何提高农六师所在地水资源承载能力的途径,为农六师实现跨越式可持续发展提出建议。
-
关键词
水资源承载能力
双指针模型
水资源优化配置
新疆
农六师
-
Keywords
water resources carrying capacity
dual indices calculation model
water resources optimal allocation
Xinjiang
Sixth Agricultural Division of Xinjiang Production and Construction Corps
-
分类号
TV213.9
[水利工程—水文学及水资源]
-
-
题名一种融合关键词的生成式摘要方法
被引量：5
- 3
-
-
作者
李伯涵
李红莲
-
机构
北京信息科技大学信息与通信工程学院
-
出处
《计算机应用研究》
CSCD
北大核心
2021年第11期3289-3292,3358,共5页
-
基金
国家自然科学基金资助项目(61671070)
国家语委重点资助项目(ZDI135-53)
+2 种基金
自然科学重点实验室基金资助项目(6142006190301)
北京信息科技大学校促进内涵重点培育项目(5211910940)
北京信息科技大学“勤信人才”培育计划资助项目(QXTCPB201908)。
-
文摘
针对生成式文本摘要中模型对文本语义了解不够充分以及生成摘要缺乏关键信息的问题,提出一种融合关键词的中文摘要生成模型KBPM(Key-BERT-Pen model)。首先使用TextRank方法将文本中关键词抽取出来,然后将抽取出的关键词与原文一起经过BERT预训练模型得到更加精确的上下文表示,最终将得到的词向量输入到带有双重注意力机制的指针模型中,指针模型从词汇表或原文中取出词汇来生成最终的摘要。实验结果表明,KBPM模型能够生成可读性更好、ROUGE分数更高的文本摘要。通过对比分析也验证了KBPM模型有效解决了生成摘要中缺乏关键信息的问题。
-
关键词
文本摘要
BERT预训练模型
主题关键词
双重注意力机制
指针模型
-
Keywords
text summarization
BERT pre-training model
topical keywords
dual attention mechanism
pointer network
-
分类号
TP391.1
[自动化与计算机技术—计算机应用技术]
-
-
题名基于产品建模的评论问题生成研究
- 4
-
-
作者
肖康
周夏冰
王中卿
段湘煜
周国栋
张民
-
机构
苏州大学计算机科学与技术学院
-
出处
《计算机科学》
CSCD
北大核心
2022年第2期272-278,共7页
-
基金
国家自然科学基金青年科学基金项目(61806137,61702518)。
-
文摘
问题自动生成是自然语言处理领域的一个研究热点,旨在从文本中生成自然问句。随着电子商务的不断发展,网络上产生了大量关于产品的评论。面对海量的评价信息,如何快速挖掘产品信息相关的关键评价,从而生成与产品各个层面息息相关的问答数据具有极大的研究价值,这对商家和顾客都具有极大的意义。现有的问题生成模型大多针对阅读理解类型等长文本语料,采用端到端序列化生成模型。然而,针对基于产品评论等短文本的问题生成任务,现有的模型无法将用户和商家重点关注的商品特性纳入学习过程。为了使生成的问题更加符合商品的特性,文中提出了基于产品建模的评论问题生成模型,通过与产品属性识别进行联合学习训练,使模型在解码层面加强了对特征信息的关注。与现有的问题生成模型相比,该模型不仅能解决产品数据口语化严重的问题,还能加强产品属性的识别能力,从而使生成的问题更加具体,更符合商品的特征。文中在京东与亚马逊产品评论数据集上同时进行实验,结果表明,在基于评论等短文本生成问题的任务上,与目前已有的问题生成模型相比,所提模型取得了较大的性能提升。基于中文京东数据集的实验中,所提模型的BLEU值提升了3.26%,ROUGE值提升了2.33%;基于英文亚马逊数据集的实验中,所提模型的BLEU值提升了2.01%,ROUGE值提升了2.10%。
-
关键词
问题生成
指针模型
注意力机制
联合学习
属性抽取
-
Keywords
Question generation
Pointer model
Attention mechanism
Joint learning
Attribute extraction
-
分类号
TP391.1
[自动化与计算机技术—计算机应用技术]
-
