论课堂教学师生互动

课堂教学中的师生互动,是影响课堂质量的重要因素。因此,我们应该给予一定的重视。在这里,我们以师生互动问题作为论点,从语言互动,情感互动,两个方面分析了课堂教学师生互动的具体表现,以我国课堂教学师生互动存在的问题为出发点,找其原因,提出解决问题的策略,旨在使课堂教学中,师生能够广泛参与,学生能在愉快,轻松的氛围中学习,从而获得良好的发展。     

基于Att-BiGRU-CRF模型的中文文本情感分析

基于注意力机制(attention)的神经网络模型在自然语言处理的情感分析任务中至关重要.针对目前情感分析任务中现有神经网络模型耗时长、准确率低、特征提取不充分等问题,本文提出了基于注意力机制结合条件随机场(conditional random field,CRF)和双向门控循环神经网络(bidirectional g...     

组胺对大鼠小脑顶核神经元电活动的兴奋作用

小脑顶核在运动控制和躯体平衡中起着重要作用. 先前的研究揭示了小脑顶核接受下丘脑-小脑组胺能神经纤维的投射, 但对支配小脑顶核的组胺能神经投射的功能作用目前还没有报道. 本研究采用脑片制备观察了组胺对小脑顶核神经元放电活动的影响. 47张小脑脑片记录了65个小脑顶核细胞, 其中绝大部分细胞对组胺刺激表现出兴奋反应(58/65, 89.2%). 用低钙/高镁脑脊液灌流脑片, 不能阻断这些神经元对组胺的兴奋反应 (n = 10), 说明组胺对顶核神经元的兴奋作用是直接的突触后效应. 组胺H₂受体阻断剂ranitidine可阻断组胺对顶核细胞的兴奋效应(n = 15), 而H₁受体阻断剂triprolidine (n = 15)和chlorpheniramine (n = 10)不能阻断组胺的兴奋效应. H₂受体激动剂dimaprit可以模拟组胺对顶核细胞的兴奋效应(n = 20), 而_H1受体激动剂2-pyridylethlamine不能引起小脑顶核神经元任何反应(n = 16); 并且, dimaprit对顶核的兴奋效应能被H₂受体阻断剂ranitidine阻断(n = 13), 而不能被H₁受体阻断剂triprolidine阻断(n = 15). 以上结果说明, 组胺是经H₂受体的介导兴奋小脑顶核神经元, 提示下丘脑-小脑组胺能神经纤维可能通过其对小脑顶核神经元的兴奋性输入, 调制经小脑顶核介导的感觉-运动整合过程.     

基于XLNet的中文文本情感分析

针对Word2vec等静态词向量模型不能解决一词多义、传统情感分析模型不能同时提取文本的全局和局部信息问题,本文提出了结合广义自回归预训练语言模型(XLNet)的文本情感分析模型。首先利用XLNet表示文本特征,然后利用卷积神经网络提取文本向量的局部特征,再利用双向门控循环单元提取文本的更深层次上下文信息,最后引入注意力机制,根据特征的重要性赋予特征不同的权重,并进行文本情感极性分析。仿真实验中将本文模型与5种常用的情感分析模型进行对比,验证了模型的准确率和优越性。     

论情感管理在高校图书馆管理中的应用

阐述了情感管理的含义,从被管理者角度分析了影响高校图书馆情感管理的因素,提出具体的情感管理的方式。     

一种基于词嵌入模型和卷积神经网络的简化文本分类方法

自然语言处理（Natural Language Processing,NLP）可分为自然语言理解（Natural Language Understanding,NLU）和自然语言生成（Natural Language Generation,NLG）两大类子任务。预训练语言模型和神经语言模型在自然语言理解的整个流程中占据重要地位。本文梳理了文本预训练语言模型的发展流程,并分析当下主流的预训练语言模型以及深度学习模型的不足,基于经典预训练语言模型（Word2Vec）和卷积神经网络分类模型（CNN）,提出一种简化的文本分类模型（Simplified CNN）,在多个情感分析（Sentiment Analysis,SA）基准数据集上进行实验测试,实验结果表明,在文本分类任务上,简单网络可以得到与复杂网络相媲美的分类效果并且运行时间优于复杂网络,与传统的分类模型相比较,在分类效果上表现出了优势。     

一种加权词向量的混合网络文本情感分析方法

针对文本中关键信息被忽略以及分类准确率不高的问题,提出一种加权word2vec的卷积神经网络(CNN)与ATT-BiGRU混合神经网络情感分析模型.由于word2vec生成的词向量无法突出文本关键词的作用,因此引入词频-逆文档频率(TF-IDF)算法计算词汇权重值.然后,将加权运算后的词向量输入CNN与ATT-BiGR...     

基于SnowNLP的微博网络舆情分析系统

随着微博、抖音、贴吧等新兴网络社交媒体的发展,大量用户开始喜欢使用这些平台进行发布和获取信息,因此累积了大量舆情数据。为了能够及时监测网络舆论动向,更好的维护互联网的安全运营和网络安全,针对实时微博数据,研究设计了一种基于SnowNLP的微博网络舆情分析系统。该系统由舆情数据采集、舆情数据分析和舆情数据可视化组成,能够实现微博数据文本挖掘、网络舆情数据情感分析、舆情数据与关键词匹配结果统计等功能,并能够对微博内容情感分析结果、用户等级、内容分词结果等进行可视化展示。实验测试结果表明：本系统功能运行正常,同时验证了设计方案的可行性和有效性。系统在网络舆情监测领域具有重要的应用价值。     

基于卷积神经网络和XGBoost的情感分析模型

情感分析是文本信息挖掘中的重要任务之一,在个性化推荐、舆情分析等方面具有重要的理论和应用价值,但情感分析对于短文本和长文本部分内容进行分析时准确率不高.本文利用卷积神经网络(CNN)模型在特征提取方面的优势,提出了一种结合XGBoost的高精度分类的卷积神经网络混合模型.该模型利用XGBoost进行回归分析,很好地解决了在卷积神经网络中使用softmax来进行回归分析时导致的准确度不高的问题,在对短文本和长文本部分内容进行情感分析时有良好的效果.最后在多个类的数据集上进行实验,取得了比卷积神经网络模型和时间递归神经网络更好的结果.     

以新HSK考题和经典对外汉语教材为语料基础的情感句分析

对外汉语教学的目标是培养学生的交际能力,句子情感信息的理解和表达是初级阶段交际能力培养的重要内容。以国家汉办公布的新HSK试卷文本和6套经典对外汉语教材为语料基础,以句子为单位,对语料的情感信息进行人工标注,计算情感句在不同类型语料中的分布,并进行了对比分析。结果显示,句子中显示积极评价态度、表达"吃惊/怀疑"、"关心"情感类别的频率最高,分别为38.62%、10.18%、9.31%,在情感句中非常显著。此外,还从每个情感句中抽取了情感词、短语和句式,分析其组合方式以及分布规律,发现在表达消极的情感时,多使用"否定词+积极情感词"的表达方式,相关数据和结论可为汉语国际教育领域情感句研究以及新HSK备考提供参考。