反问句

摘要： 对外汉语中高级听力教学主要提高学生对词、句子、短文的听力理解能力,涉及到生词、惯用语、句子的语气语调、汉语文化等内容.听力教学过程中,疏通听力词汇障碍,对话题以头脑风暴的方式先行口头表达来熟悉话题.日常听力教学中多借用HSK题中以典型句式、惯用语等设听力障碍的材料来练习学生听力水平、养成留学生用汉语思维听汉语的习惯.听力教学中,充分利用网络多媒体技术,多辅以现成的音视频材料.

摘要： 反问句作为假性问句是有名无实,而否定问句才是名副其实的假性问句.否定问句的句法结构标记是否定疑问词语,当且仅当某一信息内容是双方的共享信息时,否定问句才能成为恰当的表达方式.否定疑问词语的功能只是明示问句的命题内容,它不会改变命题内容肯定或否定的性质.与陈述句、祈使句、感叹句以及疑问句相比,否定问句在句法结构、使用条件以及语用功能等方面都独具特色,因此,否定问句既不属于疑问语气范畴,也不属于陈述语气范畴,而是构成了独特的否定问语气.

摘要： 激趣导入:平时不好好学习,能考上大学么?教学目标:知识与能力:掌握反问句改为陈述句的方法。过程与方法:通过练习比赛等方式,学生会把反问句改为陈述句。情感态度与价值观:培养学生的语文素养。教学重难点:教学重点:通过练习比赛等方式,学生会把反问句改为陈述句并能扎实地掌握方法;教学难点:学生掌握反问句改成陈述句的方法后,能够养成热爱练习语文句型转换习题的习惯,从而快速提升语文素养。

摘要： 这不是很伟大的奇观吗?——巴金《海上日出》这是部编版四年级下册《海上日出》这篇课文的最后一段。这个结尾有点特别,它是一个反问句,意思是"这是很伟大的奇观"。为什么巴金爷爷不直接陈述,而要用反问句来结尾呢?咱们今天就来讲一讲问句的知识。问句主要有三种类型:疑问句、设问句和反问句。提出问题,不知道答案,需要对方回答的问句就是疑问句,简单说来,就是有疑而问。它的作用是引起别人的阅读兴趣,有时可以起过渡作用。

摘要： 例文呈现"我爸爸妈妈不偷不抢,有什么好嫌弃的?"(反问句增强语气,加深读者印象。)〇程雨田在浙江宁波,有一对夫妻刚从工地干完活,来不及换衣服就到学校接儿子。因为衣服上沾满了灰尘,他们担心儿子会被其他小孩儿取笑。没想到,面对大人的顾虑,小朋友说道:"我爸爸妈妈不偷不抢,有什么好嫌弃的?"这不是什么慷慨激昂的漂亮话,也没有什么精妙至深的大道理,只是一句普普通通的心里话.

摘要： 同样一个意思,让两个人去表达,往往会有两种效果。有些人能把话说得如春风扑面,有些人一张口就让人心生厌烦。我仔细观察了身边的人,发现反问句式是最强大的对话杀器。这大概来源于我们上学时收获的“优良传统”。我们的班主任,无论来自天南海北,无论男女老少,竟然共享着一套惊人相似的话语体系。

摘要： 昨天去表妹家聚餐,吃到一半的时候,表妹让表妹夫再去拿-瓶饮料来,表妹夫就问她饮料放在哪里,表妹就反问他:“你觉得饮料会在哪里?”表妹夫又问她是不是在阳台的柜子里,表妹又反问他:“不在那个柜子里还能在哪儿?”

摘要： 反问句是对外汉语教学中的难点.文章从语法意义和语用功能上对反问句的复杂性进行分析,并以两个常用句式“不是……吗?”和“谁”为例,进行多维度的分析和探讨,寻找可以应用在教学中的思考角度和引导方法,以求帮助外国学习者跨越障碍,能够在社会交际中主动、准确地运用反问句.

摘要： 反问是一种带有强烈情感色彩的表达方式,对其进行自动识别将提升隐式情感分析的整体效率.针对汉语反问句识别问题,本文分析了反问句的句式特点,将反问句的句式结构融入到卷积神级网络的构建中,提出一种融合句式结构的卷积神经网络的反问句识别方法.首先利用置信度大于70％的反问句的特征词、序列模式,对大规模未被标注的微博语料进行初步筛选,获取大量伪反问句.然后通过多个卷积核分别对句子的词向量和反问句的特征进行抽取,获取句子语义特征和反问词特征,将两者共同作用生成句子的表示.最后利用softmax分类器实现句子的分类.实验结果表明,利用该方法对微博中反问句的识别准确率、召回率和F值分别达到了89.5％、84.2％和86.7％.

摘要： 本说明书实施例提供一种针对用户问句输出反问问句的方法和装置，方法包括：首先得到预先建立的业务导图中与当前用户问句匹配的语义节点所构成的当前匹配节点集合，接着若根据当前匹配节点集合确定需要用户补充信息时，根据当前匹配节点集合生成反问树，反问树包括根节点，根节点后挂载多条路径，多条路径包含的节点属于多条链路且不属于当前匹配节点集合，多条路径包含的节点层级与多条链路的节点层级一致，最后以反问树的根节点作为当前节点的初始节点，根据当前节点的至少一个层级的多个子节点，输出反问问句，反问问句用于询问多个子节点中与当前用户问句相关的目标子节点，使得输出的反问问句能够明确提示用户需要补充的信息。

摘要： 本发明公开一种本发明还提供一种同义问句生成模型训练方法及系统，其中所述方法包括：获取训练样本集，所述训练样本集中包含有多个同义问句集合，所述多个同义问句集合中的每一个同义问句集合分别包含多个问句对；以所述训练样本集中的问句对对所述同义问句生成模型进行训练。通过训练得到同义问句生成模型，可以在进行同义问句的扩展时直接将待扩展问句输入至训练好的同义问句生成模型即可得到多个扩展出的同义问句，节省了人力物力，并且还使得扩展出的句式更加的多种多样。

摘要： 本说明书实施例提供一种根据用户问句召回标准问句的方法和装置，方法包括：针对当前用户问句进行分词处理，得到所述当前用户问句对应的分词集合；将所述分词集合作为预先训练的第一卷积神经网络CNN模型的输入，通过所述第一CNN模型的输出得到所述当前用户问句的第一句子表示向量；获取根据预先训练的第二CNN模型生成的各标准问句对应的各第二句子表示向量；根据所述第一句子表示向量与各第二句子表示向量，确定召回的标准问句；其中，所述第一CNN模型、所述第二CNN模型作为深度结构语义模型DSSM模型中的特征提取器，通过对所述DSSM模型的训练而训练获得。能够高效地根据用户问句召回标准问句，并且召回的标准问句有较大概率符合用户述求。

摘要： 本说明书实施例提供了一种基于对话系统获取与用户问句对应的反问句的方法和装置，所述对话系统中预设有与第一标准问题对应的第一反问模块，所述第一反问模块中包括从所述第一标准问题拆分的第一子句和第二子句，所述方法包括：获取第一用户的第一问句；从所述第一问句拆分出第三子句和第四子句；确定所述第三子句与所述第一子句是否匹配；在确定所述第三子句与所述第一子句匹配的情况中，通过合并所述第四子句与所述第一子句获取第二问句；获取所述第二问句与所述第一标准问题的相似度；在所述第二问句与所述第一标准问题的相似度大于预定阈值的情况中，基于所述第一子句获取与所述第一问句对应的反问句。

摘要： 本说明书实施例提供了一种基于对话系统对用户问句提出反问的方法和装置，所述对话系统中预设有与N个标准问题对应的M个反问模块，其中M≥N，每个反问模块中包括从相应的标准问题拆分的第一子句和第二子句，所述方法包括：获取第一用户的第一问句；对于所述M个反问模块中的每个反问模块，分别确定所述第一问句与其中的所述第一子句和第二子句是否匹配；在所述第一问句与该反问模块中的第一子句的匹配、且所述第一问句与该反问模块中的第二子句不匹配的情况中，基于该反问模块中的第二子句获取针对所述第一问句的反问句，以基于所述M个反问模块获取针对所述第一问句的多个反问句。

摘要： 本说明书实施例提供了一种基于对话系统对用户问句提出反问的方法和装置，所述对话系统中包括强化学习模型，所述方法包括：获取基于对话系统的第一对话回合，所述第一对话回合中包括T轮对话；获取与所述第一对话回合对应的T个状态；获取与所述T轮对话中包括的多个反问句分别对应的多个反馈分数向量，所述反馈分数向量包括的多个维度与多个预定特征分别对应；基于所述T个状态、所述多个反问句以及所述多个反馈分数向量，训练所述强化学习模型，以用于基于所述强化学习模型对用户问句提出反问。

摘要： 本说明书实施例提供了一种基于对话系统获取与用户问句对应的反问句的方法和装置，所述对话系统中预设有与第一标准问题对应的第一反问模块，所述第一反问模块中包括从所述第一标准问题拆分的第一子句和第二子句，所述方法包括：获取第一用户的第一问句；从所述第一问句拆分出第三子句和第四子句；确定所述第三子句与所述第一子句是否匹配；在确定所述第三子句与所述第一子句匹配的情况中，通过合并所述第四子句与所述第一子句获取第二问句；获取所述第二问句与所述第一标准问题的相似度；在所述第二问句与所述第一标准问题的相似度大于预定阈值的情况中，基于所述第一子句获取与所述第一问句对应的反问句。

摘要： 本说明书实施例提供了一种基于对话系统对用户问句提出反问的方法和装置，所述对话系统中包括强化学习模型，所述方法包括：获取基于对话系统的第一对话回合，所述第一对话回合中包括T轮对话；获取与所述第一对话回合对应的T个状态；获取与所述T轮对话中包括的多个反问句分别对应的多个反馈分数向量，所述反馈分数向量包括的多个维度与多个预定特征分别对应；基于所述T个状态、所述多个反问句以及所述多个反馈分数向量，训练所述强化学习模型，以用于基于所述强化学习模型对用户问句提出反问。

摘要： 本说明书实施例提供了一种基于对话系统对用户问句提出反问的方法和装置，所述对话系统中预设有与N个标准问题对应的M个反问模块，其中M≥N，每个反问模块中包括从相应的标准问题拆分的第一子句和第二子句，所述方法包括：获取第一用户的第一问句；对于所述M个反问模块中的每个反问模块，分别确定所述第一问句与其中的所述第一子句和第二子句是否匹配；在所述第一问句与该反问模块中的第一子句的匹配、且所述第一问句与该反问模块中的第二子句不匹配的情况中，基于该反问模块中的第二子句获取针对所述第一问句的反问句，以基于所述M个反问模块获取针对所述第一问句的多个反问句。

摘要： 本发明涉及人工智能技术领域，公开了一种正反问句自动生成方法，该方法包括：对短句中的特征词进行依存句法分析，得到采用XML文件存储的句子的依存关系树数据结构；利用所述依存关系树数据结构，读取所述XML文件，生成依存关系树；及采用广度优先算法遍历生成的依存关系树，找到第一个出现的预设词性的单词或者词组，在其前面加上疑问特征“是否”，生成所述短句的正反问句。本发明还提出一种正反问句自动生成装置以及一种计算机可读存储介质。本发明可以批量生成短句的正反问句。