本意

摘要： 掌握古汉语的常用词,是学习文言文的重要途径。而要掌握古汉语的常用词,就要掌握该常用词的本意和在新的语境里的引申义。为了帮助学生提升文言文阅读理解能力,本文结合自己的教学工作实际,从各种语言材料里精选了三十五个具有代表性的、学生不易掌握的文言实词,并配上包含该实词的例句和翻译,详细解析了这些实词的本意和引申义。

摘要： 在一些大型活动中导演常会分配谁第一个出场,谁做压轴节目。久而久在人们的观念里,压轴就是代表最后一个出场其实,这是人们认识中的一个盲区。压轴本意是指倒数第二目,而不是想当然认为的最后一个。

摘要： 对小学生而言,fish这个单词并不陌生,用作名词时,其本意是“鱼”,而用作动词时,其本意就是“钓鱼;捕鱼”。这么看,似乎fish这个词太简单不过了,实在是没有什么可以深究的地方。然而,事实并非如此!仅仅就fish用作名词时的用法来看,其实也不简单。

摘要： 在《三峡》的教学中,一些老师在强调重点实词时,常有把“猿鸣三声泪沾裳”的“裳”翻译成“下衣”的情况。窃以为,这样翻译欠妥。“裳”本意虽然是“下衣”,但在这里却不能这么解释,而应该用其引申义“衣服”。因为翻译成“下衣”明显不合逻辑,哪有人把裤子哭湿的。

摘要： “霜降过后秋将去,秋后算账正当时。”这是笔者在一篇叫作《秋后算账》的文章里读到的句子“过去,“秋后算账”的本意是指秋后结算账目,因为北方农作物每年只耕作一次,春播秋收,所以,这一年中费用的余欠,就可以凭借一家人挣工分的多少,在秋后结算了。”

摘要： 号外号外!超级大号外!据本辫观测,在离意少编辑部不足一本意少远的地方有一群奇怪生物出没!他们喜欢“断案”,天天忙得不可开交;他们号称是侦探,但是又不像福尔摩斯那样纤瘦,而是基本上长得圆嘟嘟、胖鼓鼓,他们就是本辫本期隆重向大家介绍的——美食大侦探!

摘要： 屈原被流放江南,远离权力中心,但高贵的王室血统让他仍享有优于平民的生活待遇.顷襄王是屈原的学生,流放屈原并不是他的本意;郢都城虽然被破,但楚国仍很强大;故此,屈原没有自杀的理由.屈原坚信,在楚国的天空有一片绚丽的净土,他要乘龙驭凤去到这片净土寻找他理想中的"美人",实现他的"美政"理想.出于对龙和凤的崇拜,他选择端午节在凤凰山下的汨罗江投江.

摘要： "三羊开泰"本为"三阳开泰",最早出自中国古代传统文化典籍《易经》,本意是指冬去春来,阴消阳长,有吉亨之象。常用以称颂岁首或寓意吉祥。《易经》以正月为泰卦,古人认为是阴气渐去阳气始生。农历十一月冬至那天白昼最短,往后白昼渐长,故认为冬至是“一阳生”,十二月是“二阳生”,正月则是“三阳开泰”。

摘要： 搭档,本意指共同抬橱架的人,引申为共同参与做某事并共同承担责任的人。简言之,就是因为某件事,人和人之间产生了密切关联。他们总是以组合的方式出现,留给人们深刻印象。人和人之间,常常因为不同的个性,所处的境地,或"阴差阳错",或"命中注定",组成各种各样的搭档。

摘要： 奇葩长鼻,两地迁徙。长长的吻部占到身体的一半,一双大大的眼晴,嘴巴位于身体的下方,这就是长鼻鲨。长鼻鲨的学名叫班德林加鲨,本意是用来纪念发现化石的学者班德林加,但在我国,人们通常根据它长鼻的特征,将它叫为长鼻鲨。长鼻鲨的长吻和今天的匙吻鲟、锯鳐的吻颇为相似。

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： 本申请公开了一种小样本意图识别方法、系统、设备及存储介质，所述小样本意图识别方法包括：获取待识别文本信息，将所述待识别文本信息输入至预设槽位抽取模型进行槽位抽取，获得目标槽位文本信息，基于预设知识规则以及预设构建的多任务子模型，分别对所述目标槽位文本信息进行多任务识别，获得不同任务的识别结果，其中，所述多任务子模型包括意图分类模型和意图匹配模型，所述意图分类模型和所述意图匹配模型均是基于小样本学习构建的训练语料集进行迭代训练获得，基于预设构建的目标融合模型，对所述不同任务的识别结果进行融合判定，获得目标意图识别结果。本申请解决了模型进行小样本意图识别的准确性较低的技术问题。

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： 本发明公开了一种用于少样本意图识别系统的自训练模型构建方法，其特点是该方法采用特殊样例选择模块筛选不确定较高的样例，在每一次轮自我训练过程中对每一个批次的候选样例选择不确定性最高的一组样例作为候选列表，将其通过自适应主动阈值模块筛选，分为高确定型样例和特殊样例两种类别，其中特殊样例即高不确定性样例送往数据库人工标注，高确定性样例作为自训练模型中的伪标签，最后将两类标注并入训练集中进行下一轮自训练迭代。本发明与现有技术相比具有加快模型的推理速度和减少人工标注成本，降低应用成本和时间成本，有效提高了在电商领域意图识别场景下的准确率，能够应用在多种不同的场景，具有广泛的实用意义。

摘要： 本发明属于对话系统意图识别应用领域，提出了一种针对小语种的小样本意图识别方法。该方法通过数据预处理、方法设计、模型训练和模型测试和四个阶段，基于小样本学习意图识别，旨在针对小语种对话语句进行意图识别，从人类对话中理解其真实意图。本发明中的小样本学习可以在每类只有少量甚至个位数标记数据的情况下实现类别预测，因此能有效突破小语种语料不足的障碍。同时发现了用户意图表达多样化对意图识别的干扰，从多语义的角度对对话语句进行特征建模和关系建模，确保了语句语义特征更接近真实意图特征，提高了小语种意图识别的准确性。