讽刺小说

摘要： 逆向教学设计(UbD)是一种以预期结果为导向,将教学评价置于学习活动之前的基于理解的教学设计。以“讽刺小说——揭示人性丑恶”为议题,围绕小说情节梳理、人物形象分析和深刻主题探究,以群文阅读统编初中语文教材中的《我的叔叔于勒》《范进中举》和《变色龙》三篇小说为例,直观呈现逆向教学设计的三个阶段,并通过反思指明逆向教学设计的积极意义。

摘要： 概念建构是一个重构知识的过程。概念建构下的语文专题复习课,能够唤醒学生已有的学习经验,形成认知冲突,基于教材整合,优化教学内容,建构概念核心知识,实现迁移运用,发展协同思维,提升学生深度学习能力,避免碎片化的知识重复,让学生学会思考和解决问题,在丰富的言语实践活动中发展语文核心素养。

摘要： 专题方向《儒林外史》导读设计将带领学生“穿越”到吴敬梓精心构建的“儒林社会”,审视其刻画的封建末世众生追名逐利的丑态,探知其对扭曲读书人灵魂的封建科举制度的深刻批判,深入了解封建社会末期腐朽黑暗的社会现实,思考怎样用回目去规划阅读古典长篇讽刺小说,思考怎样用图表分类梳理书中人物.

摘要： 九年级下册第二单元是初中阶段的第二个小说单元。该单元围绕人文主题“人生百态”选取了《孔乙己》《变色龙》《溜索》《蒲柳人家》四篇小说。《孔乙己》和《变色龙》作为教读课,前者塑造了孔乙己的“苦人”形象,揭露了科举制度的弊端以及国民的劣根性,后者是讽刺小说,通过警官奥楚蔑洛夫对一条狗的态度的几次变化.

摘要： 在当代,戏曲从业者经常从文学经典获取灵感和创作源泉。可是,在文学经典改编为戏曲作品过程中,并不总是成功。“在都市化语境、现代性眼光打量下,古典题材不加裁剪、修饰搬上当代舞台,就会显得陈旧”。[1]这已然成为不争事实。陈云升编剧、周杰俊导演的高甲戏《范进中举》取材于清代小说家吴敬梓创作的讽刺小说《儒林外史》中的“范进中举”部分。

摘要： 《儒林外史》不仅具有深邃的主旨,在艺术上也达到了很高的境界。正因为其博大精深,在整本书阅读过程中,可通过“品一段士人追梦史,赏一幅儒林百态图”,从“重分类、探成因、巧展示、勇思辨”四个方面进行阅读指导,切实提高了学生对讽刺小说的理解品鉴能力,树立了正确的读书观、人生观。

摘要： 《儒林外史》被鲁迅称为中国古代最优秀的讽刺小说,初中语文统编教材九年级下册第三单元名著导读推荐学生共读这部书,从中学习阅读讽刺作品的基本方法、策略。由于《儒林外史》中的主角不断变换,书中出现的多数人物都无法像其他长篇小说一样通过描述人物一生的经历来表现性格特点,只能采用速写式选择片段表现此时此地的人物脸谱,这种高妙的讽刺手段,使学生在阅读理解时面临着很多困难。对此,教师根据文本表达特点,可借助互文视角,让学生在文本前后形象比较。

摘要： 一、阅读文本(一)"1+N"篇目我们群文教学研究小组这次的研训主题是"基于单元目标的‘1+N’群文阅读课堂策略"。正值笔者任教九年级,苦于摸索古代白话小说的教学方法,单篇不容易教,群文更是有挑战,那就试一试,笔者选择的"1"就是九上第六单元《范进中举》。课内选文"1":《范进中举》,作者吴敬梓,选自统编版语文教材九年级上册第六单元。

摘要： 课程视域下的《儒林外史》整本书阅读,要真读,要教会学生形成从"这一个"到"这一群"的思维方式,也即以点串线,以线带面立体化式阅读和思考,做到宏观把握,细节审读,读通整本书。要学会运用"思辨"方法进行整本书阅读,读出人生百态,语言百味,达成把握人物性格、命运发展的动态性,评价知识分子阶层命运的多样性,涵养批判思维精神,提高学生阅读素养的目的。

摘要： 说起讽刺艺术,许多人首先想到的仍然是鲁迅先生,而说起张天翼这位作家,大多时候还是以其创作的童话闻名。事实上,在20世纪30年代,张天翼创作了许多优秀的讽刺小说,被诸多学者评价为“继承了鲁迅先生对中国文化的反思和对国民劣根性的批判”。

摘要： 本发明涉及动态记忆案件描述的涉案微博评论讽刺句检测方法，属于自然语言处理技术领域。本发明包括步骤：构建涉案微博讽刺数据集；利用词嵌入和位置嵌入分别将涉案微博正文和涉案微博评论分别进行特征编码，在特征编码后的涉案微博评论中引入注意力机制；通过动态记忆机制，获得与涉案微博评论相关的正文表征；将获得的正文表征和评论表征进行拼接得到新的表征，将表征作为输入来训练模型，通过模型进行涉案微博评论讽刺句检测。本发明通过将案件描述信息作为背景信息实现了涉案评论句讽刺检测，从获取的舆情数据中检测出讽刺句，为后续的情感分析提供了支撑。

摘要： 本发明涉及一种基于多尺度跨模态神经网络的多模态讽刺对象检测方法，包括步骤：获取一定量的包含讽刺意味且带有图像的推特文本作为基础数据集；结合图像和文本上下文对照信息，对基础数据集中的图文对进行标注；设计多模态讽刺对象检测神经网络。本发明的有益效果是：本发明设计并构建了多模态讽刺对象检测神经网络，包括文本信息编码器、图像信息编码器、B2M转换器、跨模态编码器(MCE)、M2N转换网络、文本讽刺对象检测网络(TSTI)和图像讽刺对象检测网络，结合图像和文本来检测推特文本中的文本讽刺对象和图像讽刺对象；本发明相比较于已有的方法具有更高的性能。

摘要： 本发明公开了一种对社交媒体多模态信息中讽刺情感识别的方法，充分利用文本、图像和图像属性三种模态来解决具有挑战性的多模态讽刺检测任务。首先提取图像特征和图像属性特征，接着利用图像属性特征与基于RoBERTa的文本预训练网络连接提取文本特征，从而将文本模态、图像模态和图像属性模态的特征重构并融合为一个特征向量对讽刺情感进行预测。本发明在社交媒体的图文信息数据集上有超过1％的准确率提升和超过3％的F1值提升，证明了多模态分层融合模型的有效性和三种模态的实用性，从而充分发挥文本的上下文信息和不同模态间的相互作用。

摘要： 本发明提供了一种基于知识注入的双注意力网络的多模态讽刺意图识别方法，该方法包括：获取待识别数据内容，所述待识别数据内容包括若干文本、图片对；对文本中的词和图片中的对象进行编码，得到原始表示；基于待识别数据内容的隐性上下文信息对原始表示进行扩展，得到上下文感知表示；获取原始表示与上下文感知表示的注意力计算结果；根据注意力计算结果，计算原始跨模态对比表示和上下文感知跨模态对比表示；基于所述原始跨模态对比表示和所述上下文感知跨模态对比表示，计算讽刺意图识别结果。本发明有助于提高讽刺识别的整体性能，方便模型的实际应用，并对预测结果提供可解释性。

摘要： 本发明一种基于讽刺识别和细粒度特征融合的多模态蒙古文情感分析方法，首先，将机器翻译和情感分析结合，以解决由于蒙古语情感数据集的匮乏导致情感分析不准确的问题；其次，将图像属性纳入讽刺识别中，并利用属性特征和Bi‑GRU提取文本特征，使用Bi‑GRU替换Bi‑LSTM，缓解了Bi‑LSTM记忆单元结构复杂，训练时间长的问题；第三，结合图文相关性检测，以解决多模态情感分析中若存在配图和发布的文本完全无关的情况对分析结果造成较大偏差的问题；最后，结合多模态细粒度混合的方法，在多模态细粒度混合时根据上下文环境的差异，考虑到了各模态中不同组成成分的差别，从而避免噪音信息的影响。

摘要： 本发明提出一种融合多级语义信息的多模态讽刺识别系统方法，所述方法通过融合多级语义信息来分析多模态数据，然后以讽刺识别模块来判别多模态数据中是否存在讽刺感；在生成多模态数据时，以特征提取模块提取图文数据的特征表示及图文数据的中级语义信息，以图文融合模块融合图文数据的特征表示并提取产生讽刺感的图文片段，以语义融合模块融合图文数据的中级、高级语义信息；本发明能够提取图文模态数据的特征表示及图文数据中的中级语义信息，通过注意力机制融合多模态数据，并关联图文模态的中级语义，分析多模态数据中是否存在讽刺感。

摘要： 本发明涉及动态记忆案件描述的涉案微博评论讽刺句检测方法，属于自然语言处理技术领域。本发明包括步骤：构建涉案微博讽刺数据集；利用词嵌入和位置嵌入分别将涉案微博正文和涉案微博评论分别进行特征编码，在特征编码后的涉案微博评论中引入注意力机制；通过动态记忆机制，获得与涉案微博评论相关的正文表征；将获得的正文表征和评论表征进行拼接得到新的表征，将表征作为输入来训练模型，通过模型进行涉案微博评论讽刺句检测。本发明通过将案件描述信息作为背景信息实现了涉案评论句讽刺检测，从获取的舆情数据中检测出讽刺句，为后续的情感分析提供了支撑。

摘要： 本发明实施例提供上下文讽刺检测方法、装置、电子设备及存储介质，该方法包括：对用户评论文本进行分析得到用户评论特征；将所述用户评论特征输入预设讽刺检测模型，得到讽刺检测结果；其中，所述预设讽刺检测模型是通过对带讽刺标签的用户评论样本特征和无标签的用户评论样本特征训练得到的。针对讽刺检测的特点设计了内容特征和上下文特征的用户评论特征，然后针对讽刺检测的实际业务场景特点选取了一种半监督学习方法，采用多次抽取与带讽刺标签的用户评论样本特征相等数量的无标记数据构建决策树，集成多棵决策树预测输入文本，节省了大量的数据标注工作，从而更符合真实应用场景，最终更好的实现上下文讽刺检测。

摘要： 本发明实施例公开了一种讽刺内容识别方法、装置、电子设备以及存储介质。该方法包括：获取待识别的数据内容，并提取所述数据内容的文本内容和图像内容；提取所述图像内容的第一特征信息，其中，所述第一特征信息至少包括所述图像内容中的文本向量特征；提取所述文本内容的第二特征信息，其中，所述第二特征信息至少包括所述文本内容的表情符号特征；将所述图像内容的第一特征信息和所述文本内容的第二特征信息输入至预先训练的讽刺内容识别模型，得到所述数据内容的讽刺识别结果。通过本发明实施例公开的技术方案，实现了更加准确的识别到讽刺内容，更加精准的了解待识别的数据内容的表达含义。

摘要： 本发明属于网络语言检测领域，具体涉及一种基于Bi‑ISCA来检测用户生成短文本中的讽刺情绪的方法，包括句内单词编码层模块、Bi‑ISCA模块、整合与最终预测模块，所述句内单词编码层模块连接有Bi‑ISCA模块，所述Bi‑ISCA模块连接有整合与最终预测模块。本发明通过一种新的深度学习结构，该结构使用了一种新颖的注意机制即Bi‑ISCA捕获句间依赖关系，从而仅利用会话上下文来检测用户生成的短文本中的讽刺。本发明所提出的深度学习模型展示了捕获显性、隐含和上下文不一致的词的能力，这些词是导致讽刺的短语，在这一领域上，Bi‑ISCA结构有着巨大的优势。本发明用于检测用户生成短文本中的讽刺情绪。