教学幽默

摘要： 教师在课堂教学中应巧用幽默,点燃学生的学习热情,优化课堂教学方式。为了真正落实新课标的要求,教师应当把握幽默的启发性内核,秉持精思、适度、人本三大原则,运用语言艺术、板书艺术、插画视频艺术三种方式,多层次、多角度地启发学生思考,真正达到课堂教学“寓庄于谐,寓教于乐”的效果,促进学生的全面发展。

摘要： 教师需提升教学能力以吸引学生注意力,教学幽默是一个很好的解决措施.教学幽默因其面对群体的特殊性和目的性的差异,应以失谐理论为指导,附带产生释放理论的效果,切不可运用优势理论.教师应永葆学习之心,跟上时代的步伐;以学生为中心,让学生感受到温暖的幽默;进行积极、正面的引导,促进学生对知识的思考,产生学科兴趣;活跃课堂气氛,增强教学趣味性;形成和谐良好的师生关系.同时,国家应加大教师岗前教学幽默的培训,学校应增加师生互动活动,利于教师对教学幽默创作情境的深知,促进教学幽默良好效果的形成.

摘要： 我之前已发表过关于教师“高级而有趣”的文章。讲到“有趣”就不能不谈幽默,因为幽默是“有趣”的重要方面。“教学幽默”有好坏之分。不好的教学幽默,无助于教学目标的达成,甚至会产生反作用。因此,本文特别强调“好的教学幽默”。

摘要： 很多学生进入高中后怕学物理，他们会觉得高中物理与初中物理相比,难学多了。因此,想要学好物理,必须培养学生对物理的兴趣，这是每位从事高中物理教学工作者要努力做好的一件事情。

摘要： 幽默理论的发展由来已久,虽然幽默的定义至今尚没有统一定论,但是关于幽默的研究逐渐从理论转化为应用,许多学者研究幽默在课堂中的使用,并对其使用效果进行研究。本文在这些研究的基础上,以高校课堂中的教学幽默为中心,探讨了幽默以及课堂教学幽默的定义,梳理了国内外关于课堂教学幽默相关研究,并进一步阐释了高校课堂中教学幽默的作用,最后提出了提升高校教师教学幽默能力的策略建议。

摘要： 幽默理论的发展由来已久,虽然幽默的定义至今尚没有统一定论,但是关于幽默的研究逐渐从理论转化为应用,许多学者研究幽默在课堂中的使用,并对其使用效果进行研究.本文在这些研究的基础上,以高校课堂中的教学幽默为中心,探讨了幽默以及课堂教学幽默的定义,梳理了国内外关于课堂教学幽默相关研究,并进一步阐释了高校课堂中教学幽默的作用,最后提出了提升高校教师教学幽默能力的策略建议.

摘要： 在某班"学前儿童行为观察与分析"的课堂教学中,实施"恰当结合教学情境,巧妙使用教学幽默""利用学生追星心理,改变点名提问方式"两种策略,结合课堂观察、教学反思及访谈,发现更愿意上这门课的学生比例由原先的30％提升到了70％;主动回答问题的人数增长了3倍以上,回答问题的总人次增加了4倍以上;能够完全自主地正确回答,当老师适当提示、点拨后就能正确回答的比例有了较大提升;非个人自主自愿积极主动地回答问题,被老师点名提问后,回答的态度、信心甚至答案的质量都有明显的提升.

摘要： 教学幽默是教师高超教学艺术的表现, 一名具有教学幽默感的教师让学生在欢快、愉悦的心情下学习.教学幽默具有激发学生学习兴趣、营造课堂学习氛围、培养教师与学生积极与正确的生活态度、减轻压力, 缓解疲倦及和谐师生之间关系的作用.教学幽默可以通过积累知识和经验、善于教学反思、积极主动向他人学习和善于发掘幽默题材、学会模仿、积极创新的方式进行培养.

摘要： 使用教学幽默应坚持教育性原则、适当性原则、科学性和灵活性相结合原则、方式有别原则.在小学课堂上,我们可以选用语言艺术法、体态幽默法、插曲法、自嘲法、故错法等幽默教学方法.教师在使用教学幽默时应该注意分清主次、禁揭疤嘲讽、考虑学生认知水平等问题.

摘要： 一种基于神经网络和幽默特征的幽默识别方法，属于数据挖掘和自然语言处理领域，用以解决进行幽默识别的问题，要点是包括S1、幽默语料采集及预处理；S2、幽默特征提取；S3、文本的词向量表示；S4、神经网络模型构建；S5、幽默识别结果评价，效果是：对特定形式的幽默数据进行采集和预处理，根据相关成熟的幽默理论，充分考虑到幽默文本的语音特性，构造幽默的语音特征；利用幽默的模糊性特性，提取了句子中拥有同义词最多的词作为特征词并对其进行向量化；采用了深度学习方法，提取了幽默文本背后深层次的语义特征，并将幽默的语音特征和模糊性特征融合到神经网络当中，从而进行幽默识别，在数据集上的实验验证了本发明方法对幽默识别的有效性。

摘要： 本发明公开了一种外部知识增强的幽默文本生成方法，该方法包括对短笑话数据集预处理得到主体句‑背景知识‑妙语句对齐的数据，构建幽默文本生成模型，利用幽默文本生成模型生成幽默文本。本发明提出利用图注意力网络来聚合一个笑话主体句的背景知识图，增强节点表达，并提出将背景知识图融合到妙语句解码器中，从而实现给定主体句及相关的背景知识，能够生成富含幽默感的妙语句。

摘要： 本发明公开了一种基于人工智能的幽默生成与情感交互方法及机器人系统，所述方法应用于机器人中，包括：获取用户的数据；根据用户的数据，生成幽默语段输出；监测用户对输出的幽默语段反馈的情感；当用户反馈的情感识别结果为预设情感时，判断输出的幽默语段具备幽默的特点，且用户反馈的情感识别结果中预设情感程度越大，判断输出的幽默语段的幽默程度越大；当用户反馈的情感识别结果为预设情感以外的情感时，判断输出的幽默语段不具备幽默的特点；将具备幽默特点的幽默语段、该幽默语段对应的环境信息以及该幽默语段的幽默程度存入幽默大数据知识库。本发明可以通过幽默生成触发和改变用户的情感，并可以通过情感识别检验幽默的效果。

摘要： 本发明公开了一种基于幽默识别的情感交互方法和机器人系统，所述方法包括：机器人获取用户的输入语段，作为用户语段；对用户语段进行识别，得到用户语段的幽默程度；根据用户语段的幽默程度，计算需要反馈的情感程度；根据需要反馈的情感程度，通过情感计算表达情感；幽默检验装置通过对表达的情感进行情感识别，获取反馈的情感程度；根据情感识别的结果中反馈的情感程度，计算识别得到的幽默程度获取用户语段的真实幽默程度；通过比较识别得到的幽默程度和用户语段的真实幽默程度的差异，判断幽默识别的准确度。本发明可以通过幽默识别来识别用户的幽默，以此检验机器人对幽默识别的能力，而且可以通过情感表达来表达识别的结果。

摘要： 一种基于神经网络和幽默特征的幽默识别方法，属于数据挖掘和自然语言处理领域，用以解决进行幽默识别的问题，要点是包括S1、幽默语料采集及预处理；S2、幽默特征提取；S3、文本的词向量表示；S4、神经网络模型构建；S5、幽默识别结果评价，效果是：对特定形式的幽默数据进行采集和预处理，根据相关成熟的幽默理论，充分考虑到幽默文本的语音特性，构造幽默的语音特征；利用幽默的模糊性特性，提取了句子中拥有同义词最多的词作为特征词并对其进行向量化；采用了深度学习方法，提取了幽默文本背后深层次的语义特征，并将幽默的语音特征和模糊性特征融合到神经网络当中，从而进行幽默识别，在数据集上的实验验证了本发明方法对幽默识别的有效性。

摘要： 本发明属于幽默文本生成技术领域，公开了一种幽默文本自动生成方法、系统、介质、设备及终端，提出新的幽默文本生成任务；构建基于生成对抗网络的幽默文本生成模型AMQ‑GAN；采用双判别器，分别提取语义特征和幽默特征；采用基于对比学习的数据增强技术，并采用prompt设置特定的幽默文本训练模板，使生成的文本突出幽默的特征。本发明设计AMQ‑GAN模型，通过SimCSE技术、prompting技术、语义特征判别和幽默特征判别器，有效指导生成器生成了具有语义特征和幽默特征的开放式文本。实验结果表明，本发明提出的AMQ‑GAN模型在一定程度上实现了开放性幽默文本的要求。

摘要： 本发明属于人工智能领域，提供了一种基于注意力机制的幽默文本分类方法、装置、设备、介质，包括：获取待检测文本，将待检测文本输入至预处理模型得到预处理输出信息；将预处理输出信息输入至词向量注意力模块，根据词向量注意力模块输出的词向量权重矩阵和预处理输出信息得到词向量特征信息；将词向量特征信息输入至词义注意力模块，根据词义注意力模块输出的词义权重矩阵和词向量特征信息得到词义特征信息；针对词向量特征信息和词义特征信息进行元素求和得到文本特征；将文本特征输入至分类模型得到幽默分类结果。本发明能够从词向量和词义两个维度对待检测文本进行分析，提高幽默文本分类的准确性，确保下游业务的正常运行。

摘要： 本发明公开了一种基于NER识别情景喜剧对话幽默度的方法，所述方法包括以下步骤：步骤一：数据采集并进行数据预处理，形成待识别文本信息；步骤二：RoBERTa预训练模型构建二分类模型；步骤三：RoBERTa预训练模型构建NER模型，将待识别文本信息中句子的每个字符按照命名实体标注的方法进行标注，其中属于幽默范畴的字符标为1，不属于幽默范畴的字符标为0；步骤四：采用九折交叉验证的方式，将句子中所有字词中被标注为1的字符所占比例与预设阈值进行对比，若所占比例大于预设阈值则判定该句子是幽默，否则判定为非幽默。本发明能够智能高效的对情景喜剧对话进行幽默度识别，容错率高。

摘要： 本发明涉及人工智能技术，可应用于数字医疗领域，揭露一种基于幽默度的文本分类方法，包括：利用替换词对集替换第一原始文本训练集中的部分词语，得到第二原始文本训练集；组合标准类别集及所述第一原始文本训练集得到第一标准文本训练集，及组合所述标准类别集及所述第二原始文本训练集得到第二标准文本训练集；利用所述第一标准文本训练集、所述第二标准文本训练集训练文本分类模型；利用训练完成的所述文本分类模型对待分类文本进行文本分类。此外，本发明还揭露一种基于幽默度的文本分类装置、电子设备及存储介质。本发明还涉及区块链技术，第一原始文本训练集等可以从区块链中获取。本发明可以解决训练数据较为浪费，分类效果不好的问题。

摘要： 基于反向翻译的中文幽默分类模型，属于自然语言处理领域，包括：S1.文本输入层；S2.BERT嵌入层；S3.汉语拼音特征嵌入层；S4.文本词性特征嵌入层；S5.特征融合层；S6.BiGRU层；S7.全连接层，最终由全连接层完成对中文文本幽默的分类输出；有益效果是：在基于反向翻译技术结合语言学幽默理论的方法基础上，提出了基础模型BERT‑BiGRU‑Softmax对中文文本幽默进行分类研究，并在模型中逐步加入不同的幽默特征，实现特征融合模型BERT+POS+Homophony‑BiGRU‑Softmax，该模型对最终判断中文文本是否为幽默是有效果的。