【摘 要】
：
【目的】通过引入不确定性损失函数和层级注意力机制,解决多任务谣言检测研究中主观设定主任务和辅助任务问题。【方法】融合谣言勘探、立场检测和谣言检测任务的领域信息,构建改进的任务层级注意力机制模型。同时,首次在多任务谣言检测研究中,引入同方差不确定性损失函数,替代传统损失函数。最后使用PHEME数据集,将改进模型与传统多分类模型进行对比。【结果】所提模型相比于目前最优模型,在Pheme4数据集中,Macro-F值提升4.2个百分点;在Pheme5数据集中,Macro-F值提升7.6个百分点。【局限】只在Phe
【基金项目】
：
南京航空航天大学前瞻性发展策略研究基金项目(项目编号:NW2020001),南京航空航天大学研究生创新基地(实验室)开放基金项目(项目编号:kfjj20200901)的研究成果之一,国家社会科学基金重点项目(项目编号:20ZDA092)。
论文部分内容阅读
【目的】通过引入不确定性损失函数和层级注意力机制,解决多任务谣言检测研究中主观设定主任务和辅助任务问题。【方法】融合谣言勘探、立场检测和谣言检测任务的领域信息,构建改进的任务层级注意力机制模型。同时,首次在多任务谣言检测研究中,引入同方差不确定性损失函数,替代传统损失函数。最后使用PHEME数据集,将改进模型与传统多分类模型进行对比。【结果】所提模型相比于目前最优模型,在Pheme4数据集中,Macro-F值提升4.2个百分点;在Pheme5数据集中,Macro-F值提升7.6个百分点。【局限】只在Phe
其他文献
在全面推进信息技术与教学深度融合的过程中,有必要对智慧教室环境下的课堂教学互动行为加以研究.依托1:1数字化环境下课堂教学互动行为分析编码体系和Nvivo软件,文章以10个
冬天一片昏茫,那幽灵呼吐着阵阵刺骨寒风.雪天是奇妙的,可余下的冬季时辰呢?rn那些无精打采的日子,隐在灰色与褐色里,活脱脱一幅滴墨水彩画.大片大片的留白,大地只剩下轮廓.
大数据时代如何让教育大数据持续产生价值,并为教与学过程提供高质量服务,是当前迫切需要的研究命题。文章基于当前教育大数据的应用瓶颈,首先梳理了数据中台技术的概念内涵及其OneData体系的核心方法论,随后,文章构建了基于数据中台技术的教育大数据架构:以数据采集-存储-处理-服务为核心的数据中台、实现教育大数据价值的数据应用、保障数据资产体系质量的数据治理。最后,文章提出了教育大数据中台架构的应用策略,即产生从数据技术到数据思维的转变并实现从数据闭环到数据生态的打造,以突破教育大数据的应用瓶颈,促进教育大数据
目前,在线学习已成为高等教育非常重要的学习形式之一.为了探究知识类型(陈述性知识与程序性知识)、呈现方式(PPT与视频)与学习风格(序列型与综合型)对大学生在线学习的影响,
后疫情时代,线上线下“融合交互”的混合式教学模式成为高等教育的新常态。文章以深圳国际研究生院为案例学校,从场域视角重点分析了其北京和深圳两个校区采取的“融合交互”的混合式教学模式的影响因素与优缺点,研究发现:“融合交互”混合式教学模式可分为五类混合式教学模式,其教学效果受授课教师的教学场域、学生的学习场域和其他教学参与者的辅助教学场域的影响;学生认为混合式教学模式最大的优点是增加了知识获取的便捷性、在任何时间和地点都可以听课,而最大的缺点是技术连接或网络问题。对混合式教学的多种形态及参与者互动的探讨有助于
利用VR视频重述故事叙事场景,能为学生呈现模拟现实生活的幻境.而沉浸式、探索性、情境化互动叙事方式能产生逼真的体验效果,这种沉浸式互动体验对写作学习有潜在价值.基于此
2012年12月21日rn就在一年多之前,我回到了奥克尼岛,本想着是要短暂停留一下.我当时正在申请伦敦的工作,盼望着快点回归我“真实的生活”.现在想来还是很吃惊,当年关将至,我
新冠疫情大大加速了在线教学方式的应用,而大规模应用和教学全流程覆盖对教学系统提出了新要求.如何检验在线教学体系各子系统支撑大规模应用的能力,以及时弥补体系的薄弱环
智慧教育示范区是教育信息化2.0行动计划的重点任务和高阶目标,是推行智慧教育的试点工程。基于此,文章通过案例分析方法,以首批入选的8个示范区在项目启动会上、第二次工作会议上的汇报报告和各示范区发布的相关政策文件作为文本来源,主要从创建的基础、创建的重点和建设的成果三个维度对各示范区的创建方案、建设情况进行分析,并结合示范区的具体情况,梳理总结出各区域在学习环境的联通、公共服务的优化、信息素养的培养、数据驱动的评价和教育治理的提升五个方面取得的系列成果。此外,文章基于对智慧教育示范区创建中存在的问题进行反思
【目的】构建一个基于两阶段迁移学习的多标签分类模型,以解决现有模型中多标签数据采样困难与跨领域迁移学习共性特征较少的问题。【方法】提出“通用领域-目标领域单标签数据-多标签数据”的两阶段迁移学习模型,首先在通用领域上训练,之后迁移到使用上采样方法均衡后的目标领域单标签数据进行微调,最后迁移到多标签数据,实现多标签分类。【结果】以医学文献图像标注为例,实证结果表明:所提模型对于图像多标签分类和文本多标签分类任务均有较好效果,F1值在一阶段迁移学习模型的基础上提升超过50%。【局限】如何根据不同任务优选基