阅读理解

摘要： 小学阶段阅读文章可以分为:记事、写人、写景、状物、说明、诗歌、童话、寓言、散文。而其中说明文阅读理解是 现代文阅读中最容易学习和梳理的类型,也是语文老师要求每个学生此类型尽量得满分的题,在中考或者小学质检中,说明文阅 读理解是必考题型,占比 10 分左右。说明文阅读理解考试题型比较传统,答题模式相对定式,所以,对说明文的阅读理解如果能 捋顺思路并掌握技巧,就可以较大程度上把控正确率不被扣分。所以,我想对说明文阅读理解的答题技巧和要点进行必要的分析 和阐述,让学生轻松驾驭说明文的文体基础知识并学会运用解题技巧。

摘要： 阅读理解困难导致智力障碍儿童逃避阅读学习,严重影响其学业成就水平.思维导图是一种可视化思维方式,能改善学习者认知加工水平,提升其学习能力.本研究采用跨被试多基线实验设计,运用思维导图教学策略对三名智力障碍儿童进行绘本故事教学,旨在对其阅读理解能力进行干预.结果 表明:相较于基线期,三名被试在干预期的阅读理解测验得分均有提升,且干预具有一定的维持作用,验证了思维导图教学策略在提升其阅读理解能力上的效果.研究对结果进行了讨论,并对未来研究和实践干预提出了思考性建议.

摘要： 针对现有命名实体识别方法主要考虑单个句子内的上下文信息,很少考虑文档级上下文影响的问题,文中提出基于机器阅读理解的中文命名实体识别方法,利用阅读理解思想,充分挖掘文档级的上下文特征,支撑实体识别.首先,针对每类实体,将实体识别任务转化为问答任务,构建问题、文本及实体答案三元组.然后,将三元组信息通过双向Transformer编码器进行预训练,再通过卷积神经网络捕捉文档级文本上下文信息.最后通过二进制分类器实现实体答案预测.在MSRA、人民日报公开数据集和自建数据集上的命名实体识别对比实验表明,文中方法性能较优,阅读理解思想对实体识别具有较好的作用.

摘要： 本文考察视觉输入增强对汉语二语学习者语块学习的影响.要求两组中级水平的汉语学习者(每组各20人)分别阅读两种呈现方式的短文:一种是短文中的陌生语块(包括透明度高的语块和透明度低的语块)以加黑和加下划线的方式呈现(即视觉输入增强组);另一种是短文中的陌生语块不加黑、不加下划线(非增强组).阅读结束后接受语块再认和产出的即时测试和延时测试,以及短文阅读理解测试.结果 显示:(1)无论是即时后测还是延时后测,视觉输入增强组的成绩都优于非增强组,即视觉输入增强对语块学习具有促进作用;(2)没有发现视觉输入增强的促进作用随语块的语义透明度的变化而发生变化;(3)没有发现视觉输入增强对文本意义的理解产生消极影响.

摘要： 本文从词汇广度与深度知识的角度,探索华语二语学习者词汇知识与阅读理解的关系.华语词汇知识测试主要以英语词汇知识测试为参考而设计的测试工具,阅读理解则按照TOCFL阅读成绩来判定.本研究结果发现:(1)学习者之词汇广度与词汇深度知识间存在着高度相关,且词汇广度对其词汇深度具有高度预测力;(2)学习者之词汇知识与阅读理解间呈现中度相关,而词汇知识对阅读理解具有相当程度的预测力.整体而言,此结果显示华语教师可透过提升词汇深度达成阅读理解的目标,而词汇深度的提升则必须以习得大量新词汇为基础.

摘要： 针对阅读理解选择题中因果关系类选项,提出了基于因果关系网的因果关系支持度分析方法.首先通过线索短语从阅读材料中抽取因果事件对,并计算事件对之间因果关联强度,综合利用抽取到的因果事件对与其对应的因果关联强度构成因果关系网;然后综合考虑了选项中的每个词在文档中的重要性和整个文档中的区分能力,采用TF-IDF方法分别从原文中检索与选项中因事件和果事件相关的句子;最后基于因果关系网和抽取到的相关句计算选项的因果关系支持度.为了验证该方法,实验采用了769篇模拟材料和13篇北京高考语文试卷材料(包括原文与选择题)作为测试数据集,实验结果表明本文方法的准确率相比于Baseline方法提高了近11个百分点.

摘要： 语言风格是高考阅读理解中的重要考察内容,然而,不同考察方式所需的分类层次不尽相同,本文将语言风格鉴赏转化为层次分类问题.在类别标签指导下,利用图分割算法,获取与特定类别相对应的原始簇.基于原始簇,利用层次聚类获取语言风格类别层次结构,之后结合层次结构训练SVM层次分类器.在解答语言风格鉴赏题过程中,依据阅读理解题干确定所需分类层次,利用SVM层次分类器完成对阅读材料语言风格判别,最后结合知识库生成语言风格鉴赏题答案.实验结果表明,基于层次结构的语言风格判别方法,可以为高考鉴赏问题的解答提供技术支撑.

摘要： 阅读理解监控策略是阅读理解策略的重要组成部分.阅读理解监控策略的教学,有助于将学生培养成为成熟的阅读者.参与2009年PISA测试的自我报告表明,上海初中学生阅读理解监控策略运用水平明显偏低.为探析这一原因,论文以新课改以来上海市8位初中优秀语文教师的20节课例为分析对象,并重点访谈上海市浦东新区A学校初中部六、七年级的5位语文教师、调查了上海市浦东新区的一所示范性初级中学的228名学生,了解他们在实际的教与学的过程中采用的阅读理解监控策略,以探析上海市初中语文教师阅读理解监控策略教学的现状.结果发现:上海市初中语文教师的阅读理解监控策略教学意识整体较弱,在教学中也很少注重对学生这方面的培养;学生未能较好地掌握阅读理解监控的具体策略,仍需要教师在教学中给予重视.

摘要： 本研究旨在探讨科技如何辅助学生学习中文阅读理解课程.研究的科技应用为(1)辅助学生阅读中文文学作品时绘制心智图(2)在学生绘图阐述阅读理解时提供反覆指导.Popplet与EverCam为主要应用的两项科技工具.本研究采质性研究法,透过课堂观察和学生晤谈了解科技辅助学生的发展与学习成效.研究对象为台湾19位实施国际文凭组织小学阶段课程的六年级学生.研究发现,科技在提升学生学习动机与促进高层次思考过程中扮演极为重要的角色,透过心智图绘制与反覆指导,学生在对文章进行评估和分析时能建构思考逻辑,而该历程即能对中文阅读有更深入的理解.

摘要： 近年来,对阅读教学及阅读理解能力的考查越来越受重视,但是学生在阅读记叙文时仍有一些困难.因此笔者希望在学生阅读记叙文时提供鹰架支持,以此来提高学生阅读理解的能力.该准实验研究共进行三轮教学.针对伸展、评鉴和创意三种高层次阅读能力分别进行教学,过程遵循"扶、放、收"三循环教学的原则.结果表明,学生的阅读能力整体上有了明显进步.

摘要： 英语阅读能力是英语综合运用能力中极为重要的组成部分.阅读能力的水平从某种程度上制约着英语听、说、写三项技能的提高.阅读理解题在三校生高考英语卷面总分100分中占有35分的分值.本文主要对目前学生阅读理解中存在的主要问题进行了对策梳理,以期能帮助学生提升阅读理解的解题能力.

摘要： 语言是文化的载体,文化通过语言得到传播,语言与文化相辅相成,互为依存,要理解一篇文章必须具备一定的文化背景知识.本文指出在外语教学中,文化背景知识对提高学生阅读理解能力有重要的教学价值并且提出相应补偿策略.通过从阅读理解对文化背景知识的依赖性出发,分析其在英语教学中的重要性并探讨提出相应解决方案.研究表明英语教师应该采取适当的方法加强文化背景知识的传授,扫除文化上的障碍,从而更好的引领协助学生的学习,提高学生的阅读水平.

摘要： 初中生的数学学习能力,很大程度上表现在对数学语言的理解方面,而语言的理解离不开阅读.数学语言的特殊性,决定了对数学语言的阅读理解与一般文字性语言有很大不同.本研究选择了几个数学对象,分别用数学语言的三种不同形式——文字语言、符号语言和图形语言加以表述,并制成测试卷.对解题成绩的分析显示:学生对符号语言的理解明显难于其他语言形式,而文字语言又略难于图形语言.因此,加强阅读方法的指导,并学会不同语言形式的转换,对提高学习者的数学阅读理解能力会有一定帮助.

摘要： 文章阐述了读写相生是中国语文教学的基本法则."以写促读"就是用"写"的方式来促进"读",引导学生关注那些最有表现力的字词,写出自己最新鲜、最独特的感受,促使学生对文本作出个性化的解读."因读悟写"则是引导学生通过阅读来开拓视野,激活思想,从经典阅读中受到启发;并且引导学生从经典阅读中揣摩文体特征,"发现"写作技巧,总结结构模型,体味语言风格.

摘要： 本发明公开了一种机器阅读理解方法，其包括以下步骤：S1、得到问题和文章的字符级表示向量；S2、得到编码后的问题向量和文章向量；S3、得到双向注意力模型的输出P1和共同注意力模型的输出P2；S4、得到聚合后的向量P3；S5、得到文本编码向量P4；S6、获取文章内部单词之间的全局交互信息；S7、获取使用自注意力模型后的文本向量P5；S8、根据P4和P5得到聚合后的数据P6；S9、根据P6和P得到文章的上下文语境向量；S10、根据文章的上下文语境向量和编码后的问题向量预测答案位置，完成机器阅读理解。本发明可快速进行文章阅读理解，并从文章中给出问题的答案。

摘要： 本申请公开了阅读理解模型的训练方法及阅读理解处理方法，涉及自然语言处理、深度学习技术领域。具体实现方案为：将参考领域的第一训练样本分别输入参考领域的参考阅读理解模型和目标领域的目标阅读理解模型，以得到参考阅读理解模型输出的第一输出数据，以及目标阅读理解模型输出的第二输出数据，根据第一输出数据和第二输出数据之间的差异，对目标阅读理解模型执行第一训练过程，从而使得该目标阅读理解模型能够直接学习得到参考阅读理解模型已学习到的参考领域知识，避免了目标阅读理解模型从该参考领域的第一训练样本中学习参考领域知识的过程，使得模型训练更加高效，能够得到优于单纯依赖于该参考领域的第一训练样本得到的训练结果。

摘要： 本发明涉及一种机器阅读理解方法、装置、设备和介质，其中，该机器阅读理解方法包括：接收问题和文章，将该问题通过编码层计算转换为问题向量，将该文章通过该编码层计算转换为文章向量，将该问题向量和该文章向量通过多重注意力层进行计算得到交互信息向量，其中，该多重注意力层包括训练好的自注意力模型和多个注意力匹配模型，将该文章通过训练好的BTM主题模型进行计算得到主题词语，将该主题词语进行编码得到主题特征向量，将该交互信息向量和该主题特征向量通过非线性输出层进行计算，得到与该问题相关的答案。通过本申请，解决了使用单一的单词匹配方法进行机器阅读理解存在答案的准确度低的问题，提高了机器阅读理解答案的准确度。

摘要： 本发明实施例提供一种基于多语言的阅读理解任务识别方法及装置，该方法包括：获取任一目标语言的阅读理解任务数据，编码得到上下文嵌入表达向量；将所述嵌入表达向量，输入预设的多语言阅读理解模型，根据多语言阅读理解模型的输出结果，确定阅读理解任务的答案；其中，所述多语言阅读理解模型，以源语言任务数据分别和每一目标语言任务数据的关联语义信息矩阵，进行融合后得到的特征向量作为输入，以源语言任务数据的答案作为标签，进行训练后得到。该方法能够同时支持迁移多语言和多任务数据集中的知识到目标语言中，实现目标语言无数据、少数据条件下的抽取式阅读理解任务，可以提高目标语言少数据以及富数据的抽取式阅读理解任务的准确度。

摘要： 一种基于阅读理解模型的智能对话方法及系统，涉及智能问答技术领域，包括：S1：构建智能对话语料库，包括相互对应的类别，段落，问题，答案；S2：获取用户输入问题并判断输入问题是否包含预设关键字；S3：将输入问题与语料库中的每个段落分别匹配，获得输入问题与每个段落的相关性，返回待定的相关性最高段落以及语料库中与其对应的类别；S4：基于机器阅读理解模型从所述S3返回的选定段落中抽取答案，向用户输出答案；S5：根据用户对答案的反馈，重新训练机器阅读理解模型，完成机器阅读理解模型的迭代优化。本发明提供的一种基于阅读理解模型的智能对话方法及系统，可对于用户提出的业务相关问题进行准确解答并给予辅助。

摘要： 一种机器阅读理解系统的自定义问题数据自动生成方法，包括：数据集预处理模块、答案挖掘模块和问题生成模块，数据集预处理模块根据HotpotQA和SQuAD机器阅读理解数据集中的信息，使用模型判定机制进行问题难度分类，得到每个问题的客观难度，使用问题类型分类器进行问题类型分类并得到每个问题的类型，将数据集进行数据集切分后输出至答案挖掘模块，答案挖掘模块从数据集中的文本得到作为答案的实体和问题类型后输出至问题生成模块，问题生成模块根据数据集文本，答案实体以及问题类型，使用编码器‑解码器架构的神经网络得到生成的问题问句和答案。本发明在阅读理解问题的难度的客观评价以及阅读理解问题的类型的客观分类的基础上，实现机器阅读理解系统的可控类型和难度的问题数据自动生成。

摘要： 本发明涉及一种基于序列化证据抽取的推理阅读理解方法及系统。该方法训练基于序列化证据抽取的阅读理解模型，该模型包括编码层、推理交互层、证据预测层、答案预测层；利用训练完成的基于序列化证据抽取的阅读理解模型，输入上下文文本和问题文本，输出答案的类型、答案文本以及相关证据句子的集合。本发明通过GRU与注意力机制根据问题句子来序列化抽取证据文档中的句子作为证据句子的预测结果，将证据句子之间的相关关系考虑进去，逐步推理得到相关证据，同时覆盖问题中的重要信息。本发明从原来的独立预测每个证据句子变为序列化抽取证据句子，从而建模证据之间的相关性认证，从而提高了网络的安全可靠性。

摘要： 本发明提供了英语阅读理解水平评估推荐方法及系统。该方法包括：获取多个学生解答N个英语阅读理解试题的答题数据；根据所述答题数据确定所述N个英语阅读理解试题中每个英语阅读理解试题的复杂度；根据所述每个英语阅读理解试题的复杂度、目标学生对所述N个英语阅读理解试题的答题数据，确定所述目标学生对英语阅读理解试题的理解能力；根据所述目标学生对英语阅读理解试题的理解能力，为所述目标学生推送相应复杂度的英语阅读理解试题。

摘要： 本发明涉及一种基于多任务联合训练的机器阅读理解模型的使用方法，具体包括如下步骤：S1：建立基于多任务学习的阅读理解模型，将阅读理解任务分为多个子任务，设计多个子模块分别进行处理，并进行多任务联合训练，其中子模块包括文本编码模块；答案抽取模块；答案分类模块；支撑句判别模块；S2：将文本及问题输入文本编码模块，由文本编码模块进行编码，然后输入至答案抽取模块与答案分类模块与支撑句判别模块；S3：由答案抽取模块、答案分类模块与支撑句判别模块输出结果。本发明可以避免文本的重复编码，同时将答案抽取，答案分类，支撑句判别三个模块进行多任务联合训练，相互促进，提升最终的模型表现。

摘要： 本发明公开一种机器阅读理解方法及系统，方法包括：获取机器阅读理解数据集；对机器阅读理解数据集进行处理，获得训练集和测试集；构建基于图注意力网络的机器阅读理解模型；将训练集输入机器阅读理解模型进行训练，获得模型参数；将测试集输入已求取模型参数后的机器阅读理解模型进行阅读理解，获得每篇文章中每个问题的答案。本发明基于图注意力网络构建机器阅读理解模型既可以捕获到文章的语义信息，又可以捕获到上下文信息和单词间的关联信息，从而提高机器阅读理解任务的准确性。