文本意识

摘要： 2017 年“学科核心素养”的出世,极大提高了教材中传统文化的占比,使文言文阅读教学越来越受到关注。初中文言文教学中贯穿思辨活动,将更新陈旧的教学模式、提高教学效能、发展思辨能力。文章从初中文言文思辨教学的缺席入手,分析思辨教学的必要性,并以《愚公移山》教学为例,探寻基于文本意识的思辨教学实操策略。

摘要： 阅读理解作为高考语文重要的考查内容,因其体式的多样、内容的多元、承载的考查功能丰富而成为难攻的堡垒。破解阅读理解难题,应树立三种意识:文体意识,读懂文本说了什么;语境意识,明确文题怎么融合;规则意识,清楚解题如何操作。

摘要： 笔者认为,语文课堂教学中,每一位语文教师都应培养学生的五种意识,即文体意识、文本意识、语境意识、方法意识和时代意识,并且把这五种意识贯穿于语文教学的各个阶段。文体意识。从有些学校语文教学的现状来看,学生的文体意识普遍较差,文体概念混淆不清。课堂教学中经常有这样的现象:当老师问表达方式时,学生答说明方法;当老师问表现手法时,学生答修辞方法;当老师问记叙的顺序时,学生答说明顺序……这种啼笑皆非的现象不胜枚举。

摘要： 在国内报告文学创作队伍中,肖根胜是一位胸中有大爱、笔下含真情的作家。多年来,他始终贴着地面行走,把自己植根于广袤的中原大地,带着对身边优秀人物、感人事迹的敬佩之情,用饱含深情的五彩之笔为他们树碑立传,描绘他们的壮丽人生,先后创作出了《青海长云》《天使的梦想》《生命赞歌》《浦江水清润中原》《王秀仙老人的初心》《防疫路上的代步车和顺口溜》等一批优秀报告文学作品,以鲜明的主题思想、鲜活的语言、朴实的文风、简洁明快而又大气厚重的文本意识和大量生动感人的细节,加上严谨的结构和精巧的布局谋篇艺术,赢得了广大读者的称赞。

摘要： 在小学语文阅读教学中,教师要引领学生细读、宽读、深度分析文本,揣摩文本语言、感受文本意境、体味文本情感,让读写相融,以读促悟、以读促写,能促进学生语言素养的提升。

摘要： 文本解读在语文教育中越来越重要,也是最能彰显语文教育的魅力,虽然多年来,文本解读的道路是崎岖不平的,也走了不少的弯路,但我们语文老师要树立文本意识,立足文本,与文本对话,走进文本的意境,并将学生引入文本的情境中去,让学生对文本形成个性化的解读.

摘要： 阅读教学的质量直接影响学生的整体语文综合素养，因此小学语文阅读教学一直是语文教学中的重点关注。小学语文阅读教学由于学生知识基础薄弱、情感经验缺乏等原因导致教师一直将目光局限于文本教材的字词认识、句子理解上。在一定程度上来说，学生的文本意识较为薄弱、情感价值也没有得到很好地熏陶和导向。接下来，本文试简单探讨在阅读教学中如何让学生做到心随“文本”动，情在“阅读”中。

摘要： 在语文这门学科的学习中,阅读教学作为其中行之有效的教学方式之一而被众多的教师所重视,同时阅读教学方式对于学生阅读理解能力的提升以及语文核心素养的培养有着十分显著的影响.但是在实际的语文阅读教学环节中,教师因为深受应试教育理念的影响,导致阅读教学中的文本意识被弱化,这种现象的出现会对学生的信息收集处理、认知、思维、审美等能力产生影响本文就从阅读教学的文本意识弱化分析入手,并在文后提出了对应的解决方案,以期对今后的语文阅读教学有所帮助.

摘要： 研究者将“阿!这不是我二十年来时时记得的故乡?”作为理解文章主题和情感的切入口,引发学生感受作者记忆中的故乡与眼前故乡景象的变化、小说人物前后的变化和“我”两种情感变化的多重对比,学习小说对比艺术手法的运用,结合文章议论性、抒情性文字,进一步理解作者的情感和小说的主旨。

摘要： 在"部编初中语文教科书编写思想、框架体系及使用建议"中,构建"教读—自读—课外阅读"三位一体的阅读教学体系,特别提出了要"沟通课内外阅读,课外阅读成为课程的有效组成部分",建议老师们采取1加X的办法,即讲一篇课文,附加若干篇课外阅读的文章。

摘要： 本发明公开了一种用于短文本意图识别的网络层结构，包括CNN层、特征连接层、全连接层，其中，CNN层用于对输入句矩阵通过包含n个卷积核的卷积窗口的卷积操作，然后使用最大池化操作，提取出n个特征；特征连接层用于在CNN层完成卷积操作后对得到的特征进行纵向叠加形成m维特征；全连接层采用每层神经元递减的方式搭建，使深层神经元能够代表更复杂的特征，全连接层用于将特征连接层得到的m维特征的特征值作为输入，并进行计算最终输出计算结果。本发明的网络层结构是结合CNN与全连接的一种深度学习网络，实现一种意图分类的方法，试验证明可达到在10毫秒以内完成意图识别的目标，且准确度保证在98％以上。

摘要： 本发明公开了一种文本意图识别方法、装置、系统以及文本分类系统，涉及计算机技术领域。该方法的一具体实施方式包括：获取待识别文本中的一个或多个分词；在判断预先建立的数据库中存储有包含至少一个所述分词、并且与待识别文本的相似度符合预设条件的历史文本时，依据存储在所述数据库中的、所述历史文本的意图信息确定待识别文本的意图信息。该实施方式能够在意图识别错误时实现系统的及时修复。

摘要： 本发明公开了一种面向电网调度系统实时调度助手的文本意图识别方法，所述方法为：利用LSTM时序学习和长距离关联学习的能力分时刻编码对话文本，然后使用Attention机制将当前时刻和过往每轮对话的向量表示进行融合，加强与过往时刻话术的关联，同时去掉冗余噪声信息，进而得到当前时刻轮话术文本的向量表示，最后将向量输入分类器进行分类；解决了调度交互作业过程文本是语音翻译过来，包含更多的噪音文字，同时在内容上也会包含很多打招呼、寒暄以及身份确认等过程干扰信息，会在模型的学习过程中引入过多的噪声且忽略了时序的因素，影响模型最终的分类效果，进而影响意图识别理解的结果等技术问题。

摘要： 本申请涉及人工智能领域的文本意图识别，具体公开了一种文本意图识别方法、装置及存储介质。该方法包括：对待识别文本添加至少一对第一实体标签，其中，所述至少一对第一实体标签中的每对第一实体标签用于表征一个实体类型，所述每对第一实体标签所表征的实体类型用于指示一个意图；根据所述待识别文本以及所述至少一对第一实体标签，确定所述待识别文本的意图。本申请有利于提高对文本意图识别的准确率。

摘要： 本申请涉及人工智能技术领域的文本意图识别，具体公开了一种文本意图识别方法、装置及存储介质。该方法包括：根据预先构造的实体字典库，确定待识别文本中的至少一个实体以及所述至少一个实体中每个实体在所述待识别文本中的位置；对所述每个实体以及所述每个实体在所述待识别文本中的位置进行编码，得到与所述每个实体对应的第一特征向量；对所述待识别文本中的每个单词分别进行编码，得到所述每个单词对应的第二特征向量；根据所述每个实体对应的第一特征向量以及所述每个单词对应的第二特征向量，确定所述待识别文本对应的意图。本申请实施例有利于提高文本意图识别的精确度。

摘要： 本发明公开了一种文本意图分类方法、系统及计算机可读存储介质，包括如下步骤：对输入语料信息中的词汇进行词向量转换，得到词向量矩阵；基于词向量矩阵，通过相对位置编码对词的位置进行编码，得到位置向量矩阵；根据位置向量矩阵的相对位置关系，计算输入语料信息的相对位置注意力权重；并计算位置向量矩阵的相关性；将相对位置注意力权重与自注意力权重进行拼接，并构建线性层，得到线性映射向量矩阵；将线性向量矩阵与位置向量矩阵进行求和并取平均值，得到均值向量矩阵；对均值向量矩阵进行分类处理，得到文本意图分类结果。本发明解决了现有技术忽视将文本的结构化信息加入到注意力机制中，文本意图识别的准确性较低的问题。

摘要： 本发明公开了一种文本意图识别方法、装置及计算设备，方法包括：获取目标文本经词槽替换后的词向量表示，所述词槽替换是指将目标文件中的实体词替换为实体词槽；获取目标文本的字向量表示；对所述词向量表示和字向量表示进行拼接，得到目标文本的文本向量表示；将所述文本向量表示输入到预设的意图识别模型进行处理，得到目标文本的文本意图。

摘要： 本发明提供了一种用于小样本意图识别的文本数据优化方法，包括以下步骤：步骤1，构建训练文本数据集；步骤2，对训练任务按照具有的意图数阶梯式地划分级别；步骤3，采样一个批次的小样本意图识别训练样本；步骤4，在基于度量学习的元学习模型上使用采样出的同一批次的两个以上的任务做并行训练；步骤5，判断训练是否终止；步骤6，结束模型训练。本发明可以将并行化训练元学习模型应用在现实场景中小样本意图识别的训练任务意图数不一致的情况。

摘要： 本公开提供一种文本意图分类方法、装置、设备及存储介质。该方法包括：获取基础语料数据，基础语料数据中包含多个标注实例；对每个标注实例中的句子执行语法规则抽取操作，得到每个句子对应的第一语法规则；基于句子以及第一语法规则进行语法规则的扩展，得到第二语法规则，并将第一语法规则和第二语法规则组成语法规则集合；将每个语法规则分别转化为相应的有限状态自动机，并将获取到的待分类文本中的关键词进行替换，分别利用每个有限状态自动机对待分类文本执行匹配操作；将规则匹配得分最高的有限状态自动机对应语法规则的意图类别作为待分类文本的意图分类结果。本公开提升了文本意图分类的准确性，提升分类效率及分类性能。

摘要： 本发明提供一种文本意图理解的连续学习方法和系统，该方法包括：当需要训练新模型时，获取训练数据；其中，训练数据包括新增标注数据和原模型已经采用的部分历史标注数据；依据新增标注数据和原模型已经采用的部分历史标注数据，构建训练批次数据；依据训练批次数据，以及原模型与新模型之间的分布约束，对新模型进行训练，得到新版本模型；从而通过利用少量历史标注数据，结合新增的标注数据来进行文本意图的连续学习；本申请重点优化文本意图理解中的灾难性遗忘问题，在保证意图分类效果的情况下，降低训练耗时和训练成本。