简介:针对传统军事命名实体识别方法存在人工构建特征复杂和军事文本分词不准确等问题,提出了一种基于深度学习的军事命名实体识别方法。结合双向长短时记忆(Bi-directionalLongShort-TermMemory,Bi-LSTM)神经网络对较长句子上下文的记忆能力、字向量(characterembedding)对汉字语义的表示能力和条件随机场(ConditionalRandomField,CRF)对标注规则的学习能力,构建了character+Bi-LSTM+CRF实体识别模型。为验证方法的有效性,在军事想定语料集上进行了实验,结果表明:该方法比传统方法识别效果好,识别准确率、召回率和F值均大幅提升。
简介:基于教师认知研究成果,以68名参加2010年“国培计划--新疆兵团中小学英语教师短期集中培训”的民族初中英语教师为被试,采用语料分析法和教师观念分析法,首先构建了被试的知识结构模型,然后采用单因素分析法研究了教师知识结构对其在教学事件处理时信息提取能力的影响,研究发现:1)被试专业知识结构在知识类型上分布极不均衡。学科教学知识(PCK)使用量突出,课程开发知识(CDK)、英语学科知识(ECK)、学习理论知识(LT)、学习者知识(LK)和普通教育知识(GPK)使用量偏少,教师知识结构不够完善;2)被试知识结构模型的不同知识在总量上与教师信息提取数量有显著的线性关系,即教师知识结构对教师教学事件处理时的信息提取能力有很强的预测力;在单项关系上,除CDK和GPK外,其余类型知识均对教师信息提取能力有显著的影响,预测力明确。