结合预训练模型和语言知识库的文本匹配方法

针对文本匹配任务,该文提出一种大规模预训练模型融合外部语言知识库的方法。该方法在大规模预训练模型的基础上,通过生成基于WordNet的同义—反义词汇知识学习任务和词组—搭配知识学习任务引入外部语言学知识。进而,与MT-DNN多任务学习模型进行联合训练,以进一步提高模型性能。最后利用文本匹配标注数据进行微调。在MRPC和QQP两个公开数据集的实验结果显示,该方法可以在大规模预训练模型和微调的框架基础上,通过引入外部语言知识进行联合训练有效提升文本匹配性能。     

面向智能客服系统的情感分析技术

该文以阿里小蜜为例,对智能客服系统中的情感分析技术进行比较全面的介绍,包括情感分析算法模型的原理及其在智能客服系统的多个应用场景中的实际落地使用方式和效果分析。智能客服在解决客户高频业务问题的同时,也需要给客户提供多维度的、具有类人能力的助理、导购、语聊和娱乐等服务,提高客户对智能客服机器人的整体满意度。在此过程中,情感分析技术在机器人类人能力建设中起到了至关重要的作用。该文围绕智能客服系统中人机结合的服务形式,从六个维度总结和介绍了情感分析技术在智能客服系统中的应用场景,包括用户情感检测、用户情感安抚、情感生成式语聊、客服服务质检、会话满意度预估和智能人工入口。     

跨领域文本情感分类研究进展

作为社会媒体文本情感分析的重要研究课题之一，跨领域文本情感分类旨在利用源领域资源或模型迁移地服务于目标领域的文本情感分类任务，其可以有效缓解目标领域中带标签数据不足问题.本文从三个角度对跨领域文本情感分类方法行了归纳总结：（1）按照目标领域中是否有带标签数据，可分为直推式和归纳式情感迁移方法；（2）按照不同情感适应性策略，可分为实例迁移方法、特征迁移方法、模型迁移方法、基于词典的方法、联合情感主题方法以及图模型方法等；（3）按照可用源领域个数，可分为单源和多源跨领域文本情感分类方法.此外，论文还介绍了深度迁移学习方法及其在跨领域文本情感分类的最新应用成果.最后，论文围绕跨领域文本情感分类面临的关键技术问题，对可能的突破方向进行了展望.     

编码器-解码器模型合成汉英语码转换文本

为了解决汉英语码转换文本数据稀缺的问题，本文提出了基于编码器-解码器模型合成语码转换文本的方法，从有限的语码转换文本与大量单语种平行语料中学习语码转换语言学规则与语种内部的语言学规则，来合成语码转换文本。但是该模型合成的语码转换文本自然度低，因此本文又提出基于带复制机制的编码器-解码器模型合成语码转换文本的方法，在编码器-解码器的基础上，增加了一个门控，用来决定从编码器的预测结果还是从编码器的输入源文本中产生下一个词。最终，该方法使语言模型在SEAME测试集上的困惑度降低了绝对13.96。由此可得出结论，本文提出的方法可大规模地合成自然度高的语码转换文本，缓解语码转换文本数据的稀缺性。      

基于Nvivo12 Plus的劳动教育实践基地评定标准分析

劳动教育是培养人全面发展的重要组成部分,劳动教育实践基地评定标准对劳动教育基地建设有着重要的引领指导作用。本文采用Nvivo12 Plus对7个省市的劳动教育实践基地评定标准进行编码和归类分析,发现已设立的评定标准体系具有强调安全运行是劳动教育实践基地建设的重心、设施完备是劳动教育实践基地建设的中心、育人功能是劳动教育实践基地建设的核心等一些共同特征,但也存在如忽视对教学反馈的评价、内容过于笼统不够全面、忽视基地师资力量评价、各省指标趋同缺乏指向性等问题。为更好地发挥评定标准体系的引领作用,应将教育基地的教学反馈纳入评定标准体系,明确将师资力量构成列为评估指标,增加体验新兴劳动形态的教育内容,在评定标准中彰显地方特性,使劳动教育实践基地评定标准体系更好服务于劳动教育发展的需要。