基于深度学习的Stack Overflow问题帖分类方法

针对基于正则表达式和传统机器学习的分类方法分别存在模式手工提取困难和性能瓶颈的问题, 提出一种基于深度学习的问题帖分类方法, 采用深度文本挖掘模型TextCNN和融合注意力机制的TextRNN构建分类模型. 实验结果表明, 基于深度学习的方法在多数问题目的类别上的分类性能优于已有基准方法, 且使用的Adam优化器优于SGD优化器, 使用Glove预训练的词向量优于使用随机生成的词向量. 该方法以提问目的对帖子进行分类, 可为分析Stack Overflow(SO)上的帖子讨论主题增加新维度.     

一种基于类不平衡学习的情感分析方法

针对网络评论中普遍存在的负面评论较少而影响力却较大的类不平衡问题, 提出一种基于类不平衡学习的情感分析方法. 该方法利用深度学习训练过程中的概率输出, 以计算样例的信息熵作为影响因子构建交叉信息熵损失函数. 在IMDB公开数据集上进行实验验证的结果表明, 基于集成信息熵损失函数的双向长短期记忆网络能处理类不平衡问题; 对数据的统计分析结果表明, 该策略能提升基于双向长短期记忆网络的评论情感极性分类性能. 针对AUC(area under curve)指标, 使用集成信息熵损失函数的双向长短期记忆网络模型比未考虑类不平衡的深度学习模型在中位数上最多提升15.3%.     

土壤肥料学实验课程的教学改革与实践

为全面培育卓越农林人才，提高教学培养质量，本研究结合土壤肥料学的课程内容、教学特点及实验方法，对存在的问题进行了剖析，并结合实际针对存在问题做出了相应改革，适时调整《土壤肥料学》实验课程内容和形式。通过删减验证性实验内容，增设综合性实验，传统部分教学内容实现网络化等三方面对该课程的实验课部分进行了改革与实践，以期提高学生综合运用所学《土壤肥料学》的相关知识来解决生产实际问题的能力。     

多策略融合的俄语文本词语提取方法研究

俄语是联合国工作语言之一,是俄罗斯等多个国家的官方语言。随着“一带一路”倡议的推进和全球化进程的加快,俄语文本数据成为有关组织管理决策的重要信息来源,俄语文本挖掘也因而成为重要的管理决策支持方法。然而,俄语文本挖掘方法研究目前还远未成熟,尤其是其关键基础——俄语文本词语提取的性能较低,阻碍着俄语文本建模的准确性。因此,文章提出一种多策略融合的俄语文本词语提取方法,结合俄语词性分析、语法规则和串频统计等多种方法,自动提取包含单词和短语在内的俄语词语。在联合国平行语料库和Taiga Corpus语料库上的实验结果表明,文章提出的方法在保证高召回率的同时,达到了85%以上的高准确率,显著优于常用的n-gram方法,能够为俄语文本主题发现和文本分/聚类等文本挖掘应用提供有效的词库。     

大学英语教学中中国传统文化渗透路径探究

文化与语言有着密切的联系，一定的文化背景知识有助于促进语言应用能力的提高。大学英语教学的同时也应该是对文化的传授，英语教学不仅是语言知识的教授，更应该是文化知识的传播。从多模态视角出发，探究中国传统文化导入大学英语教学的必要性及途径，有助于提高当代大学生的英语识读能力及文化传播的能力。     

数学专业师范生教学技能的调查研究--以四川文理学院为例

教学技能是教师最重要的专业素质，是师范生在大学期间需要掌握的基础职业技能。通过调查研究表明，数学专业大学生教学基本功发展不平衡，不同年级学生的教学技能水平存在显著差异。教学实践、课改认知、教学交流、自主练习是影响教学技能的四个主因子。男女生在表达技能、教学设计技能、几何作图技能等方面差异显著，而在教材分析、多媒体使用方面不存在显著性差异。要通过完善教学技能培养机制，夯实师范基础技能培养，改革教学技能培养方式等途径，合力提高师范生的教学技能，增强就业竞争力。     

GIS专业英语教学改革的探讨

在分析GIS专业发展特点、明确GIS专业英语课程设置目标的基础上,探讨了GIS专业英语的教学内容及其教学方法与手段.GIS专业英语的教学内容不能一概而论,教师应根据GIS专业的发展特点及GIS专业英语课程设置目标制定合理的教学内容.在教学过程中,应注重精读与泛读相结合,GIS专业术语学习及"听、说、写"能力的培养.     

浅议国际商务合同翻译教学中术语意识的培养

国际商务合同翻译过程中涉及多个专业的术语翻译,如法律术语、国际贸易术语、保险术语和金融术语等。作者认为在国际商务合同翻译教学中除了讲授国际商务合同的基础知识、语言特点、句法结构和合同的整体构成以及普通翻译技巧等之外,还需要重视学生对术语基础知识和术语翻译原则等方面的学习,培养学生的术语意识,提升学生的国际商务合同翻译质量和水平,并给出了培养学生术语意识的相关方法。     

Forecasting economic indicators using a consumer sentiment index: Survey‐based versus text‐based data

Given the confirmed effectiveness of the survey‐based consumer sentiment index (CSI) as a leading indicator of real economic conditions, the CSI is actively used in making policy judgments and decisions in many countries. However, although the CSI offers qualitative information for presenting current conditions and predicting a household's future economic activity, the survey‐based method has several limitations. In this context, we extracted sentiment information from online economic news articles and demonstrated that the Korean cases are a good illustration of applying a text mining technique when generating a CSI using sentiment analysis. By applying a simple sentiment analysis based on the lexicon approach, this paper confirmed that news articles can be an effective source for generating an economic indicator in Korea. Even though cross‐national comparative research results are suited better than national‐level data to generalize and verify the method used in this study, international comparisons are quite challenging to draw due to the necessary linguistic preprocessing. We hope to encourage further cross‐national comparative research to apply the approach proposed in this study.