超级计算机首次通过图灵测试

正6月7日,英国雷丁大学研究表明,有一台超级计算机成功让人类相信它是一个13岁的男孩儿,从而成为有史以来首台通过"图灵测试"的机器。据悉,参加英国皇家学会测试的共有5台机器,他们的目标是通过文本对话让测试者将其误认为是人类。这项测试起源于1950年,由计算机科学先驱阿兰·图灵(Alan Turing)设计。图灵表示,倘若机器与人类无法区分,就表明机器也在"思考"。     

课外阅读是语文学习的金钥匙

课外阅读是提高语文学习能力、激发学习兴趣、培养高尚情操的重要工具。养成良好的阅读习惯要激发阅读兴趣,保证读物的质量,充足的阅读时间,多样的阅读方法,读后交流、思考辩论。     

用于多标签文本分类的深度模块化标签注意网络

针对现有文本多标签语义信息挖掘方法仅注重从文本到标签的映射方向，而忽略了从标签到文本的映射方向的问题，本文认为从标签到文本的映射方向可以过滤文本中与标签无关的噪声信息，进而生成只关注于标签信息的文本表示。基于此假设，本文基于注意力机制提出了一种深度模块化标签注意网络，主要由标签注意网络进行多层级联而成。在标签注意网络中构建了双向标签注意单元和自我注意单元，从而得到标签和文本的双向依赖表示。模型在公开数据集RCV1、AAPD、EUR-Lex上与SGM、LSAN、EXAM等算法进行比较，对于现有的最佳性能平均提升0.54%。     

我国开展儿童分级阅读研究的探讨

对比分析了中美儿童分级阅读在研究主体、研究方法、研究应用上的差异,总结出我国儿童分级阅读的研究现状及出现的问题。提出了借鉴美国经验、立足我国国情开展儿童分级阅读的途径,包括组成多学科研究团队、制定科学的分级标准、全方位深入应用到儿童阅读教育中。     

长夜漫漫路迢迢——中国校园戏剧的彷徨与迷失

戏剧艺术自诞生一刻，就陷入二元分裂的命运，这是亘古至今诸多戏剧家无法更改的现实。长久以来，国内校园内缺乏戏剧艺术方面的专业指导，年轻人又摆脱不去追求时尚的驿动心态，再加上周边环境中充斥一种“颠覆传统、解构经典”的氛围。因此，学生在创作道路上难免陷入导演精神与文本精神、源于生活与源于意念的分歧，尽管他们不断地寻找解救之道，但终究还是步履维艰，难以突破现状。     

HLMGAN:分层学习的多奖励文本生成对抗网络

文本生成是自然语言处理的一项重要任务. 针对生成的文本大多缺乏多样性，且当生成文本过长时，文本生成的质量会有明显下降的问题，提出了一种采用Sentences and Words（SW）奖励机制的传递向量文本生成对抗网络. 首先，为生成器提出了层次结构设计，包括传递特征向量训练模块和生成向量训练模块，同时传递判别模型中真实文本特征向量给生成器的传递特征向量训练模块，由此来提高长文本生成的准确率，生成向量训练模块接收其生成词序列；然后，在训练过程中，使用关系存储核心代替传统的长短期记忆循环神经网络模型作为生成器，提高了模型的表达能力和捕获信息的能力；最后，采用SW奖励机制提高文本生成的多样性. 实验结果表明，分层学习的多奖励文本生成对抗网络（Generation Adversarial Network Based on Hierarchical Learning with Multi-reward Text，HLMGAN）模型在合成数据负对数似然度和双语互译质量评估辅助工具指标中均有所提升.     

基于文本分析的新加坡概念规划述评

利用文本分析法从战略目标、关键议题和战略措施3个方面对新加坡1991、2001和2013年三版概念规划纲要及相关公众咨询报告进行了系统分析和解读,以更加深入地了解新加坡概念规划的特征和演进脉络,更好地为我国城市战略规划的发展提供经验借鉴。同时将文本分析法引入到城市规划研究中,推进城市规划研究工具的进步。     

第二语言（汉语）教学中把字句习得情况考察

朝鲜族中学生把字句的偏误主要出现在＂把＂后宾语、把字句谓语、把字句谓语的前后成分以及语序上。其中＂谓语前后成分＂偏误占的比例最高,其次为＂谓语＂偏误。＂语序＂偏误占的比例最小,语序已不再是把字句习得难点。产生偏误的主要原因是目的语干扰和母语干扰。该文通过调查、统计,分析了朝鲜族中学生把字句各成分的习得情况以及致误原因,并排出了把字句谓语前后成分的准确度顺序,揭示了学生对把字句的认知规律和习得过程。     

回归文本——赫施对诠释学的批判与重构

赫施对主观主义诠释学的理论进行了批判,重新构建了客观主义诠释学;他的理论一提出,就在学术界引起了激烈的争议,而这也正是他重构诠释学的学术价值所在,对后续研究具有很大的启迪作用。