新冠病症统一命名的建议

新冠疫情暴发三年多来，国内外出现多种有关新冠病症的名称，如国内有新型冠状病毒肺炎、新型冠状病毒感染等，国外有世卫组织命名的2019冠状病毒病以及倡用的新冠后症状，此外还有长新冠、新冠后综合征、新冠后遗症等较为常见的名称。目前已出现一定的混乱，需要正视。通过辨析，提出取舍意见，认为目前应与世卫组织一致，统一使用2019冠状病毒病、新冠后症状。根据术语学有关要求，同时提出规范名词的建议，为进一步审定新冠病症名称提供参考。     

基于BERT和多头注意力的中文命名实体识别方法

针对双向长短时记忆网络-条件随机场(bi-directional long short-term memory-conditional random field,BiLSTM-CRF)模型存在准确率低和向量无法表示上下文的问题，提出一种改进的中文命名实体识别模型。利用裁剪的双向编码器表征模型(bidirectional encoder representations from transformers,BERT)得到包含上下文信息的语义向量;输入双向门控循环单元(bidirectional gated recurrent unit,BiGRU)网络及多头自注意力层捕获序列的全局和局部特征;通过条件随机场(conditional random field,CRF)层进行序列解码标注，提取出命名实体。在人民日报和微软亚洲研究院(Microsoft research Asia,MSRA)数据集上的实验结果表明，改进模型在识别效果和速度方面都有一定提高;对BERT模型内在机理的分析表明，BERT模型主要依赖从低层和中层学习到的短语及语法信息完成命名实体识别(named entity recognition，NER)任务。     

面向低资源命名实体识别的BiLSTM-Att-BCRF模型

在低资源场景下,由于受训练数据量少的限制,现有模型的参数不能拟合到预期效果,所以导致模型识别实体的性能不佳.该文提出一种融入伯努利分布(Bernoulli distribution)的新型损失函数,使模型能较好拟合数据.此外,该文在BiLSTM-CRF模型基础上融合多层字符特征信息和自注意力机制,并结合基于伯努利分布的新型损失函数,构建了BiLSTM-Att-BCRF模型.BiLSTM-Att-BCRF模型在20%的CONLL2003和20%的BC5CDR的数据集上,F₁值在BiLSTM-CRF模型基础上分别提升了7.00%和4.08%,能较好地适应低资源命名实体识别任务.     

浅谈中国插花创作特点

本文从构思立意、构图造型及命名三个方面阐述了中国插花的创作特点。中国插花艺术受中国传统文化的影响,采用师法自然并高于自然的手法,利用自然花材的姿质来体现作品的美,色彩上注重疏淡雅致,并注重作品的主题表达和诗情画意。作品形态自然、线条优美、意境隽逸、情趣盎然、耐人寻味。     

词典信息分层调整的中文命名实体识别方法

在中文命名实体识别任务中，字信息融合词汇信息能丰富文本特征，但一个字可能对应多个候选词汇，容易产生词汇冲突，融合无关词汇信息会影响模型的识别效果，对此提出了词典信息分层调整的中文命名实体识别方法。首先将所有潜在词语按照词语长度进行分层，通过高层词语反馈调整低层词语的权重来保留更有用的信息，以此缓解语义偏差问题和降低词汇冲突影响；然后将词汇信息拼接到字信息来增强文本特征表示。在Resume和Weibo数据集上的实验结果表明，本文方法与传统方法相比具有更优的效果。     

地理学术语中基元隐喻构词元素的类别特征和构词价值——以《地理学名词》(第2版)为例

文章从术语学角度出发,在分析地理学术语中基元隐喻构词元素的结构形式、基本类型及其特征的基础上,总结基元隐喻构词元素在地理学术语命名中的应用价值及运用策略,并对基元隐喻构词元素的形象性与地理学科术语命名的科学性、准确性之间的关系进行探讨,以期为学科术语命名提供参考。     

基于RoBERTa和对抗训练的中文医疗命名实体识别

BERT(Bidirectional Encoder Representations from Transformers)和神经网络模型相结合的方法目前已被广泛应用于中文医疗命名实体识别领域。但BERT在中文中是以字为粒度切分的，没有考虑到中文分词。而神经网络模型往往局部不稳定，即使微小的扰动也可能误导它们，导致模型的鲁棒性差。为了解决这两个问题，提出了一种基于RoBERTa(A Robustly OptimizedBERTPre-trainingApproach)和对抗训练的中文医疗命名实体识别模型（ATRBC）。首先，使用RoBERTa-wwm-ext-large(ARobustlyOptimizedBERTPre-training Approach-whole word masking-extended data-large)预训练模型得到输入文本的初始向量表示；其次，在初始向量表示上添加一些扰动来生成对抗样本；最后，将初始向量表示和对抗样本一同依次输入双向长短期记忆网络和条件随机场中，得到最终的预测结果。在CCKS 2019数据集上的实验结果表明，AT-RBC模型的F1值达到了...     

形象性应成为术语定名原则之一——以地质学术语中的“亲”与“嫌”为例

文章从地质学术语中的“亲”与“嫌”两个构成要素入手,初步探讨术语定名和汉译中的形象性问题,并结合对《地质学名词》相关文本的统计分析,尝试提出促成术语形象性的三种生成方式——摹状、拟人和隐喻。在前人基础上总结当前术语定名原则,认为形象性对于术语系统尤其是汉语术语系统具有重要意义,应当成为定名原则之一,并提出这些原则应当按照由微观到宏观的次序进行参照。     

基于NDN架构的车联网内容检索协议

在已有的基于NDN架构的车联网（vehicular named data networking，VNDN）内容检索协议中，对于地理位置无关应用的内容检索通常是以洪泛方式获得内容提供者的位置，这种方式不仅开销大且不能适应内容提供者位置的高度动态变化.本文提出了一种基于分簇和预测机制的VNDN内容检索协议CPCoR （content retrieval protocol based on clustering and prediction mechanism）.CPCoR通过车辆和路边单元的协同交互，建立了动态的网络内容索引表，在街道内转发机制中选择链路稳定性较好的簇头进行转发，在街道间转发机制中利用街道的路由性能来选择最优的转发街道.实验结果表明，与已有的Navigo和CCVN协议相比，CPCoR协议提高了21.5%和51.3%的内容获取成功率，且有效降低了22.6%和28.4%的内容获取成本.