基于生成对抗网络的类别文本生成

类别文本生成旨在让机器生成人类可理解的文本,并且赋予生成文本特定的类别属性。现有工作主要采用基于生成对抗网络的文本生成框架,往往直接采用卷积神经网络进行文本特征提取,缺乏对文本全局语义的关注;此外,简单地在生成网络中引入注意力无法有效消除解码过程中的噪声。针对上述问题,本文提出一种将文本全局特征与局部特征联合建模的方法,通过将长短时记忆网络提取的全局语义信息与卷积神经网络提取的局部语义信息进行融合,增强生成过程中对文本全局语义信息的关注,并且引入双重注意力,进一步过滤掉序列生成中的无关信息。与基准模型相比,本文提出的方法分别在2个公开的真实数据集(Movie Review和Amazon Review)上取得了至少0.01和0.004的BLEU值的提升,表明了本文方法的有效性。     

谈英语教学中培养学生研究性学习的探讨

当今,英语教学研究探讨的重要性越来越显著,面对我国英语教学中存在的一些不足,如何提高英语教学质量和提高学生的英语能力已经成为一个热点课题。本文以研究性学习为突破口,对在英语教学中培养学生研究性学习进行探讨。这里论述了目前英语教学中的误区,并对研究性学习理论做出解读,确立了研究性学习的突破口。最后还结合英语教学实践,探讨了在英语教学中如何实施研究性学习,并提出了英语教学中实施研究性学习的一些思考与意见,旨在推进英语教学的完善与发展。