分享到:

答案?

至少有一些人靠的是信仰,他们相信不论世界怎样变化,总有某些东西是美好的,虽然自己终归会死去,却总可以做  (本文共1页) 阅读全文>>

陕西师范大学
陕西师范大学

中小学课堂教学中“非期待答案”研究

好的课堂教学应该将促进学生积极思维、发展学生思维能力做为核心任务,而不是执著于对“标准答案”的追求。非期待答案在真实的课堂教学中是不可回避的,从某种意义上说,就是因为有了非期待答案课堂才有了“生命”。本研究试图围绕非期待答案回答以下几个问题:非期待答案是什么?这是本研究一开始便要讨论的问题。由于非期待答案主体的复杂性,在本研究中将“非期待答案”理解为:在进行课堂教学时,师生交往对话过程中,教师在提问时已经预设或者潜在一个其可以理解、接受的答案或答案域,并期待学生呈现的答案能够与此符合,当学生的答案超出了教师期待的或者潜在的答案或者答案域时,就称为非期待答案。通过对概念的界定、内涵的分析、相关问题的厘清,分析非期待答案所具有的教育学意义。从理论意义上讲,非期待答案促使课堂教学从预设走向生成,为学生主体性的实现找到可实践的方法,为了解课堂交往与对话提供了全新视角;从实践意义上讲,非期待答案揭开虚假课堂交往与对话的外衣,为促进学生的多...  (本文共222页) 本文目录 | 阅读全文>>

北京交通大学
北京交通大学

众包技术中开放性答案的决策算法研究

现实生活中往往存在一些计算机难以处理或者处理效果不佳的问题,如给图像打标签、判断两个记录是不是同一个实体等。众包直接将这些问题发布到互联网上,通过集合互联网上的未知大众来解决这些传统计算机难以单独处理的问题。已有的答案决策方法存在一定的局限性:一方面,以往工人的质量模型矩阵大小是固定的,仅适用于候选答案固定的情形。另一方面,众包平台上的问题类型有填空题、选择题(分单选题和多选题)、选择和填空的混合等,以往的答案决策算法主要是基于单选题提出的,不能兼容多种答案类型,尤其无法处理包含开放性答案的问题。针对以上问题,本文综合考虑多种答案类型,提出了一种基于贝叶斯的开放性答案决策算法。首先,利用工人以往表现,建立了工人质量模型,该模型不受候选答案个数影响;其次,利用Jaro-Winkler Distance方法计算填空答案间的相似度,以此将填空内容扩展为候选选项,决策时考虑到了填空答案间的相互影响,认为相似度较大的一组答案很可能为相同的...  (本文共75页) 本文目录 | 阅读全文>>

天津大学
天津大学

基于互联网的自动问答答案抽取的研究

基于互联网的自动问答基于搜索引擎返回的结果回答自然语言问题,可充分利用搜索引擎高质量的结果,省去存储大量文档的必要。答案抽取是从检索得到的文本中生成答案,包含候选生成和候选排序。由于搜索片段具有噪音多、句子结构不完整等特点,使得基于搜索结果的答案抽取和正规文本上的答案抽取有很大不同,传统方法在该任务上受到影响,性能下降。本博士论文讨论如何针对搜索结果的问题优化答案抽取,包括以下课题:针对一些搜索结果中正确答案出现的特征不明显的问题,本文提出了基于段落图模型的候选生成方法,某个段落中的候选生成可以接收到来自其他段落中的信息、并帮助提高当前段落中生成候选的结果。实验证明,该模型可有效提高候选生成的准确率和召回率。对搜索结果中噪音多、句法结构不完整的问题,本文提出了剪枝排序融合整合不同候选生成方法,并基于排序学习进行候选重排序。该框架可以有效减轻搜索结果中的噪音的影响。实验证明,本文中的排序方法在基于搜索结果中的候选排序任务上超过了目...  (本文共156页) 本文目录 | 阅读全文>>

哈尔滨工业大学
哈尔滨工业大学

面向网络社区问答对的语义挖掘研究

Web2.0技术的飞速发展带来了互联网中的用户生成内容(User-generatedContents, UGC)的规模的不断增长。作为一种新的网络信息资源,高质量的用户生成内容的研究和应用价值正逐渐显现,针对其开展的采集和挖掘工作具有非常重要的意义。由问题和其答案组成的问答对是用户生成内容的典型代表,是用户之间以互联网为媒介的知识分享行为的直接产物,因而由大量用户生成的问答对组成的问答资源是人类知识以网络文本为载体的体现形式之一,同时也蕴含着人类在通过网络进行交流过程中的语言规律。因此无论对于问答系统的构建还是自然语言处理研究来说,优质的问答资源都具有举足轻重的地位。网络社区(如社区型问答系统、在线论坛等)为互联网用户提供了信息交流的平台,用户在其中的知识交流和分享活动多是以提问和回答的形式进行的,因此网络社区中蕴含着大量的问答对资源。网络社区中存在数量可观的描述型问答对,这种问答信息的价值在于其有助于弥补现有自动问答系统在复杂...  (本文共126页) 本文目录 | 阅读全文>>

《计算机学报》2020年05期
计算机学报

面向多片段答案的抽取式阅读理解模型

随着搜索技术的发展,抽取式阅读理解已经成为搜索引擎中重要的组成部分.给定问题和文本,抽取式阅读理解任务要求从文本中定位出问题的答案.已有工作仅考虑答案片段由文本中的一个片段组成的情况,因此把该问题建模为输入问题和文本,预测出两个文本中的位置索引去指示答案的起始和结束位置.然而现实应用中存在大量问题其答案往往由文本中一个或多个片段组成,想要回答该问题需要从文本中定位出若干的文本片段,而不再是单一片段.已有的阅读理解模型研究主要关注在模型底层结构的设计,对于多片段答案的情况未予考虑,导致已有模型无法从文本中抽取多个答案片段去回答问题.本文提出面向多片段答案的抽取式阅读理解模型BER...  (本文共12页) 阅读全文>>