语文主题学习

摘要： “语文主题学习”实施以来,各地语文教师在教学实践中不断丰富、完善这种教学思想,并有所创新。本期的两篇文章分别从类比阅读、自读课文指导两个方面对“语文主题学习”进行了新解读。王维的《山居秋暝》一诗写作者在山村闲居时所看见的秋雨后黄昏的迷人景色,表达出作者空灵、陶醉的心境,于诗情画意中寄托着诗人的高洁情怀和对理想生活的执着追求。

摘要： 社旗县实验学校有小学、初中两个学部,是一所九年一贯制学校。2020年秋季学期,学校启动了“语文主题学习”实验,并由此拉开了新一轮语文课改的序幕。刚接触“语文主题学习”时,大家还有不少困惑:阅读的时间从哪里来?大单元教学如何实施?带着实施课改的信心和决心,我们潜心学习、实践、调整、改进。

摘要： 经过多年的实践,“语文主题学习”越来越成熟。各地一线教师在实践中不断创新,不断拓展,成果层出不穷。本期,我们精选的两篇文章,分别从寓言故事的课堂教学和整本书阅读方面进行了具体阐述,有一定的借鉴价值。在小学低年级段的语文教材中,寓言故事占有很大的比重,它趣味性强,富有哲理,契合小学生的认知实际。在进行寓言教学时,教师应妥善处理寓言故事趣味性和哲理性之间的关系。笔者以统编版语文二年级《我要的是葫芦》的教学为例,谈谈教学寓言故事的一些做法。

摘要： “语文主题学习”强调以一篇带多篇,即围绕某一学习主题,通过提供一定数量的与学习主题具有内在关联的文本材料,让学生获得整体的阅读经验和情感体验。相较于单篇阅读,它的学习容量更大,综合性更强,更有利于提高学生的整体阅读能力。本期精选的三篇文章,从具体课文的教学和写作教学两个维度,阐述了实施语文主题学习的实践策略。

摘要： 时下,当你步入邓州市解放商城学校的校园,那宜人的环境,琅琅的书声,师生互学、书香氤氲的氛围,定会使你心旷神怡、流连忘返……这所昔日名不见经传的学校,正在发生着令人欣喜的变化。——这要归功于“语文主题学习”实验的开展。似春风吹拂、春雨滋润,“语文主题学习”实验活动,使学校焕发出激情与活力。

摘要： 古文教学是初中语文教学的重难点,很多语文教育工作者一直在探索其改革,但是总体来说,古文教学质量不高,仍多是传统的字词串讲和随文释义,处于"少费差慢"的困境。倒不妨站在另一个角度来审视:在这节课或这篇古文的学习中,学生对于学习有没有感兴趣?有没有真正地发挥学生的主体作用呢?

摘要： “双减”背景下,为了提升学生的阅读能力,让课外阅读真正走进课堂,教师必须设计合理的、科学的、有效的阅读教学方式。语文主题学习就成为小学语文阅读教学改革的热点。语文主题学习在课堂上采取1+X单元整合的方式,紧紧围绕统编教材的双线主题,聚焦目标,落实一课一得的教学理念,为“双减”背景下的小学语文阅读教学开辟了新的路径。教学中我做了以下的整合尝试。

摘要： “语文主题学习”强调课前预习,作为文本学习的基础课,预习课对学生理解、掌握学习内容,提高学习质量有很重要的作用。笔者以统编版语文四年级教材中的《小英雄雨来(节选)》的预习为例,谈谈具体做法。一、设计预习单,把握学习重难点预习的主要目的是培养学生“读、认、思、查、问”等自主学习的能力。基于这些能力要求,笔者根据《小英雄雨来(节选)》的教学目标,结合本单元的人文主题、语文要素、课后习题以及交流平台内容,将本课的预习内容概括为以下几个方面.

摘要： 一般而言,语文主题学习倡导同一主题下多篇文章的对比阅读,注重课内阅读与课外阅读的对接与融合。其实,语文主题学习还涉及基础知识教学、长文短教、难文浅教、单元整体教学等。本期,我们精选的两篇文章,分别从小学阶段的字词教学和难文浅教两个角度阐述了作者的教学策略,期望给读者以借鉴。

摘要： “语文主题学习丛书”中有很多难学的课文,丛书对这些课文都给予了教学策略的提示,这对于教师教学教材中的难课文具有借鉴意义。统编版语文第三学段的教材中,难课文逐渐增多,六年级上册《好的故事》就是其一。这篇文章选自鲁迅先生的散文诗集《野草》。“好的故事”不是传统意义上的故事,既没有时间、地点和人物,也没有事情的起因、经过和结果,它是作者在一个“昏沉的夜”里,坐在躺椅上做的一个“美丽、幽雅、有趣”的梦。

摘要： 本发明公开了一种老挝语文本主题分类方法，属于自然语言处理和机器学习技术领域。本发明结合了N‑gram语言特征提取模型与朴素贝叶斯数学模型实现对老挝文章主题识别，在一定程度上消除了朴素贝叶斯的局限性。它认为条件独立假设，将文本看成是词袋子模型，不考虑词语之间的顺序信息，同时使用的unigram与bigram特征模型，提高了文本的识别率。

摘要： 本发明公开了一种基于LDA主题模型和深度学习的群组推荐方法，包括：获取用户的历史信息，所述用户的历史信息包括：用户参与的服务信息、用户参与的群组信息；基于所述用户的历史信息中的主题内容以及LDA主题模型，获得所述用户的历史信息的期间范围内的动态偏好；描述所述用户的动态偏好与服务之间的对应关系；通过群组中各个用户之间的相互影响，修正群组内各个用户的动态偏好与服务之间的对应关系，之后得到群组对于服务的偏好。采用上述方案，可以解决用户偏好相对于时间因素而产生变化的问题；考虑到用户的社交关系对用户的服务选择的影响，更符合实际生活中推荐系统的需求，提高了推荐的精度和准确度。

摘要： 本发明涉及计算机深度学习技术领域，提出一种深度学习的混合主题模型构建方法，包括以下步骤：步骤S1：预处理阶段；步骤S2：文本信息表征；步骤S3：补充背景信息子网络；步骤S4：全连接层网络进行主题划分，并输出标签分类概率。本发明针对华为云平台和智慧学习平台的数据进行主题挖掘，发现基于深度学习的混合主题模型HTM，在主题分类的领域需要的数据量较小，且在面对长短不同类型的文本时，通过Bi‑LSTM框架可以有效的进行转化获得较好的迁移能力，使得模型迁移能力强、分类错误率低，模型整体分类效果好。为今后深度学习的主题分类模型在小样本学习和迁移学习作出了有益尝试。

摘要： 本发明公开了一种基于主题模型的本体学习方法、系统、装置及介质，其中方法包括以下步骤：获取文档数据集，对所述文档数据集进行预处理；从经过预处理的所述文档数据集中抽取核心概念的种子术语集；根据种子术语集和经过预处理的文档数据集，采用半监督方式对主题模型进行训练；从训练好的主题模型中获取主题词汇矩阵，根据主题词汇矩阵获取多个术语簇，每个所述术语簇对应一个核心概念，完成本体的自动学习。本发明将主题模型应用于本体学习领域，通过主题模型来学习领域的概念，提高概念内术语的语义一致性，可广泛应用于机器学习和语言学领域。

摘要： 本发明涉及基于融合主题信息增强PU学习的事件相关新闻过滤的学习方法。本发明将已标注和未标注的事件相关新闻数据集通过无监督预训练的方式进行主题信息抽取，再将抽取到的主题信息加入到PU学习的初次训练和后续的迭代训练过程中，确保在初始事件相关新闻样本较少的情况下能利用到更多的样本信息，并且在后续的迭代训练过程中都进行主题增强，使得每次迭代训练出来的分类器都能从未标注数据中获取到真正可靠的正负样本数据，来提高最终事件相关新闻分类器的性能。本发明比PU学习的基线模型，F1值提高了1.8％，且在低初始样本和高迭代的情况下领先更多。本发明利用主题信息增强PU学习的方法能有效解决与案例相关的新闻过滤任务中缺乏训练数据的问题。

摘要： 本发明公开了一种老挝语文本主题分类方法，属于自然语言处理和机器学习技术领域。本发明结合了N‑gram语言特征提取模型与朴素贝叶斯数学模型实现对老挝文章主题识别，在一定程度上消除了朴素贝叶斯的局限性。它认为条件独立假设，将文本看成是词袋子模型，不考虑词语之间的顺序信息，同时使用的unigram与bigram特征模型，提高了文本的识别率。

摘要： 本发明公开了一种基于用户意图嵌入图谱学习的主题文本快速检测方法，属于文本检测技术领域，该检测方法具体步骤如下：(1)识别主题文本以抽取主题特征；(2)嵌入用户意图以进行结构化提取；(3)对知识图谱进行结构化处理；(4)构建深度学习模型以检测主题文本；本发明能够更容易用户操作，贴近用户意图，与人工判定结果更为贴近，通过融合主动搜索知识图谱和深度学习的方法，能够提升算法识别性能，提高效率，识别准确率和召回率较高。

摘要： 本公开实施例中提供了一种基于主题注意力的深度学习文本分类模型训练方法，属于计算技术领域，具体包括：根据原始文本构建文本数据集；得到文本的数字化表示、文本的掩盖序列、文本的数字标签；得到样本，并将样本分为训练集和验证集；初始化前向网络中变量；得到表征文本的一组词向量；得到原始注意力矩阵；得到目标注意力矩阵；根据目标注意力矩阵，得到概率矩阵；计算注意力头输出；得到注意力输出；计算主题输出；计算主题概率向量；计算交叉熵损失；计算前向网络变量的梯度；更新网络变量；迭代计算交叉熵损失以及梯度；当迭代达到预设次数或模型损失趋于稳定，迭代停止。通过本公开的方案提高了模型的并行性、稳定性、可视性和准确率。

摘要： 基于深度学习和主题模型的短文本相似度计算方法，属于文本相似度匹配技术领域，要解决的问题是如何通过深度学习网络和LDA主题模型准确实现短文本相似度计算。首先使用BERT对输入模型的多段文本分别进行分词及向量转换，然后将分词后的词向量分别输入到深度学习模型和LDA主题模型。在深度学习模型内部，先利用双向LSTM网络提取单词的上下文信息；再利用1D卷积神经网络将上下文信息与词嵌入信息进行信息融合；最后使用全局最大池化提取关键信息。在LDA主题模型内部，采用吉布斯抽样进行主题提取，提取每段文本的感情色彩。根据两个模型提取到的特征，通过混合型文本语义相似度计算方法计算获得两段文本之间的相似度。

摘要： 本发明属于信息检索技术领域，尤其涉及一种基于本体学习的动态自适应主题爬虫方法及处理器。在主题表示上，该方法基于LDA主题模型和关联规则挖掘的方法半自动化构建领域本体；在链接评价上，该方法综合考虑文本内容和链接结构，设计了一个链接综合优先度评价模型，并通过多目标粒子群算法在爬虫过程中动态更新链接综合优先度评价指标的参数；在链接选择上，该方法提出了一种多目标链接选取的方法，具体是通过非支配排序和最近最远候选解法选择爬虫链接，保证了链接的多样性，扩大主题爬虫的搜索范围，提高了主题爬虫的准确率。