事实性

摘要： 了解“大概念”,我们不妨先从这样一个问题入手:我教授的这门学科希望学生最终能获得什么?学生在忘记了那些事实性的知识之后还剩什么?这里的“什么”,其实就是这门学科的“大概念”。由此可见,大概念是一种具有统摄性的“概念”,是学生在遗忘大部分知识后仍能保留下来的重要理解。

摘要： 笔者今天查阅资料翻看高等教育出版社《无机化学》(第4版)在编者的话中说到:在化学中,不规律更普遍。笔者被这句话深深的吸引并思考着,回顾自己的课堂教学的点滴,很多的时候教师更青睐一些规律性,而化学的不规律性正是化学学科引人入胜之魅力所在。如果教师都能正视化学的不规律性并用好,这不就是让学生产生对化学学科好奇心和探究的兴趣,也在潜移默化在提高学生的化学核心素养。

摘要： 如何开发新闻资源受众原则新闻整合性的开发,是受众满足信息摄取的基础,所以要加大实现信息新闻的整合性开发,因此,我们要严格遵循新闻观众评价原则,主要任务是将新闻受众的基本评价需求与广大观众的基本要求相协调结合,开发事实性新闻信息评价资源,以充分满足广大观众对事实新闻资料信息的不同评价要求,从而达到让广大观众能够获得更值得评价的事实新闻资料的目的。虽然现代的媒体传播对当代人们的社会生活已经产生了相当大的影响,但对人们真正重要的心理却产生不了多大的影响,所以,新媒体必须考虑人的心理,来对大众的心理进行导向,从而获得更多关注与喜爱。

摘要： 现象学拒斥任何一种建基于观念与实在之分的传统形而上学立场,然而建立一门科学的形而上学却是胡塞尔现象学的哲学使命.胡塞尔积极构想的现象学形而上学的最终形态,是一种关于超越论事实的目的 论形而上学.超越论事实虽然超越了直观明见性,但仍然在事实的世界和事实的精神生活之构造中显露自身,因而不是一种出于生存论动机的哲学悬设,而是现象学的实事本身.世界的目的 论意义作为超越论事实,要求一种奠基于超越论现象学的"可信的形而上学建构",即动机引发的建构.通过这种建构,作为目的 论原则的"神"被还原至一种原被动性的前自我与非自我不可分割地彼此纠缠的原结构.

摘要： 深度学习的研究者发现不同学生在阅读活动中的信息加工水平不同。一部分学生主要采用死记硬背的方式进行浅层加工,另一部分学生则进行深层加工,更多地关注文本想要表达什么。有意思的是,许多学生同时具备深层加工和浅层加工能力,但是,当判断出学校的考试鼓励回忆一些事实性的信息而不鼓励深度理解的时候,他们在学习过程中就会选择只进行浅层加工而不进行深层加工。

摘要： "生命"概念在海德格尔早期思想中占据了一个重要地位,这个概念背后无疑有狄尔泰的影子.在海德格尔看来,"回到事情本身"其实是"回到生命本身",而不是"回到意识本身".海德格尔把狄尔泰生命哲学中含有的激进倾向更激进地推向他的事实性释义学.哲学必须从事实性生命经验开始,而事实性生命经验就是此在与世界的互动,就是对意蕴的关切.

摘要： 教育理论与教育实践的关系问题,是一个牵涉面很广且一直被人们关注的复杂问题.教育理论是规范性理论,教育实践是规范性实践,规范性构成二者关系内在关联点;而教育理论与教育实践的双向交织,构成二者关系立体繁复的总体样态,也使这一问题多年未能得到很好解决.这个问题之所以难以解决,是因为人们对教育理论与教育实践的关系的复杂性认识不清,对其规范性认识不足.复杂性涉及过程,它可以把握整体而避免片面性;规范性涉及方向,它可以提升理性而避免随意性.通过对复杂性与规范性的深入剖析,可以从总体上把握教育理论与教育实践的关系,确保教育实践方向的正确性和教育实践过程的有效性.

摘要： 现象学拒斥任何一种建基于观念与实在之分的传统形而上学立场,然而建立一门科学的形而上学却是胡塞尔现象学的哲学使命。胡塞尔积极构想的现象学形而上学的最终形态,是一种关于超越论事实的目的论形而上学。超越论事实虽然超越了直观明见性,但仍然在事实的世界和事实的精神生活之构造中显露自身,因而不是一种出于生存论动机的哲学悬设,而是现象学的实事本身。世界的目的论意义作为超越论事实,要求一种奠基于超越论现象学的“可信的形而上学建构”,即动机引发的建构。通过这种建构,作为目的论原则的“神”被还原至一种原被动性的前自我与非自我不可分割地彼此糾缠的原结构。

摘要： 知识论近来关注理解问题。理解与知识、事实性的关系被重点关注。理解需要知识但与知识不同。理解需要事实性,但是在事实基础上又有主体的构造。

摘要： 本发明提供了一种摘要事实一致性的评估验证方法以及系统，所述评估验证方法包括：根据TF‑IDF分数选择摘要中最相关的前K个证据形成单独的句子；对所形成的单独的句子进行推理深度学习后，对事实的一致性进行评分；计算K个一致性分数的加权组合作为最终的一致性分数。本发明的评估验证方法减少了评估模型的计算量，单句进行推理的方式，模型可以更好地对文本细节进行建模，提高了一致性评估的精度。

摘要： 基于反事实的图神经网络可解释性方法涉及图神经网络解释方法技术领域，解决了现有可理解性和可信度弱的问题，包括：步骤一、根据待解释的大图G和大图上的目标节点vi，使用深度优先搜索算法进行解释子图Gi枚举；步骤二、对每个枚举得到的解释子图计算可模拟性和反事实相关性，将每个Gi的可模拟性排名和其反事实相关性排名相加得到每个Gi的综合排名，根据所有Gi的综合排名选取综合排名靠前的Gi作为最优Gi；步骤三、分析最优Gi的鲁棒性。本发明设计了一种基于图表的反事实解释形式，更易于人类理解，提出了图神经网络解释的鲁棒性指标，有利于提高解释的可信度。采用本发明基于反事实的图神经网络可解释性方法得到的反事实解释可以更好地被人们所理解和接受。

摘要： 本发明公开了一种基于图卷积网络的反事实项目推荐方法，本发明通过对图卷积网络GCN引入满意度，且满意度与项目曝光特征、项目内容特征、用户项目曝光特征偏好和项目内容特征偏好均有关，使得本发明提出的方法充分考虑了数据间的因果关系，从而达到通过本方法生成的项目推荐列表更符合用户期望，大大减少“点击欺骗”的概率；本发明解决了传统的推荐方法得到的推荐列表与用户期望存在较大差距的问题。

摘要： 本发明公开了一种基于图循环神经网络的事件事实性检测方法，属于信息抽取技术和计算机自然语言处理技术领域。本发明通过训练一个图循环神经网络事件事实性检测器，有效利用依存树中的信息，将其中包含丰富信息的边类别标签和方向信息与神经网络进行结合，同时，利用参数共享的性质缓解过拟合的风险。本方法，克服了传统方法没有将依存树中包含丰富信息的边类别标签和方向信息结合进神经网络中的缺陷，提高信息利用率。通过利用参数共享机制，规避了堆叠图网络层数来建模依存树中的多跳路径时因参数线性增长而导致的容易过拟合的风险。

摘要： 本发明涉及一种中文事件事实性识别方法和系统，利用事件事实性信息和它们之间的联系，采用机器学习和推理相结合的方法来识别中文事件的事实性。本发明的方法和系统，与现有的方法和系统相比，总体的识别性能有所提升，同时，在处理类别的不均衡问题上有更好的效果，尤其在事件数目较少的类别的事实性识别上有明显的性能提升。

摘要： 本发明公开了一种用于航运新闻摘要生成的事实性信息编码与评估方法，包括：输入新闻文本信息并进行语义编码,获得多层级新闻文本编码特征和信息；基于多层级新闻文本编码特征和信息，构建多层次实体，基于多层次实体构建实体关系图；提取实体关系图中不同层级的事实性信息；将事实性信息中四元组的元素拼接，获得事实性信息编码；将判断事实性信息重要性的过程建模为一个具体的二分类任务来评分，基于评分挑选出多个事实性信息，并转化为事实性信息图；通过注意力机制网络及双向LSTM网络遍历事实性信息图,生成文本摘要的事实性信息；将文本摘要的事实性信息融入新闻摘要生成模型，通过模型生成航运新闻摘要。提升了摘要生成的效果和准确率。

摘要： 本发明公开了一种基于图循环神经网络的事件事实性检测方法，属于信息抽取技术和计算机自然语言处理技术领域。本发明通过训练一个图循环神经网络事件事实性检测器，有效利用依存树中的信息，将其中包含丰富信息的边类别标签和方向信息与神经网络进行结合，同时，利用参数共享的性质缓解过拟合的风险。本方法，克服了传统方法没有将依存树中包含丰富信息的边类别标签和方向信息结合进神经网络中的缺陷，提高信息利用率。通过利用参数共享机制，规避了堆叠图网络层数来建模依存树中的多跳路径时因参数线性增长而导致的容易过拟合的风险。

摘要： 本发明提供一种事件事实性预测方法、装置、电子设备与存储介质，所述方法包括：确定待分析的句子；将所述句子输入至事实性预测模型，得到事实性预测模型输出的所述句子中各个事件触发词的事实性取值；其中，所述事实性预测模型基于稀疏自注意力机制提取所述句子的语义图，并基于所述句子的语义图和句法图进行事实性预测；所述句法图是对所述句子进行句法分析得到的；所述事实性预测模型是基于样本句子以及所述样本句子中各个样本事件触发词的样本事实性取值训练得到的。本发明提供的方法、装置、电子设备与存储介质，能够极大地提高事件事实性预测的准确性，减轻句法分析工具带来的误差累积问题。

摘要： 本发明涉及一种中文事件事实性识别方法和系统，利用事件事实性信息和它们之间的联系，采用机器学习和推理相结合的方法来识别中文事件的事实性。本发明的方法和系统，与现有的方法和系统相比，总体的识别性能有所提升，同时，在处理类别的不均衡问题上有更好的效果，尤其在事件数目较少的类别的事实性识别上有明显的性能提升。

摘要： 本申请实施例提供了一种针对事实一致性的生成式摘要纠错方法，其技术要点是，建立检索模块与纠错模块，将待纠错的摘要及对应源文本进行数据预处理后，成对输入至所述检索模块，所述检索模块以三分类任务的形式，针对所述待纠错摘要的各句内容，从所述对应源文本中检索证据信息与之匹配获取匹配集合；纠错模块通过所述编码器、掩码器和解码器对掩码特征进行解码以生成纠错文本；从内容和事实性两方面评估所述纠错文本，计算纠错文本收益后，生成一条记录加入到样本池中；从样本池中选取样本收益最大的N条记录以计算策略梯度损失，指导纠错模块参数学习，使用学习完毕的检索模块与纠错模块对目标数据中的待纠错摘要进行纠错。