从文学语言对机器学习的挑战反观文学类文本的教学.docVIP

从文学语言对机器学习的挑战反观文学类文本的教学 　　摘 要：随着计算机科学技术的发展，机器学习逐渐成为人工智能研究的核心之一。目前研究已经取得了很大的进展，然而随着人工智能的深入发展，机器学习面临着越来越多的挑战，其中之一就是对文学语言的理解。文学语言对机器学习提出的挑战主要有两方面：一是文学表现手法对机器学习的挑战；二是情感倾向分析对机器学习的挑战。从文学语言对机器学习的这两方面挑战入手，反观文学类文本的教学，其目的是在机器学习和人类学习的对比中找到文学类文本教学的重难点解读和训练方法。 　　关键词:文学语言；机器学习；文学类文本；语文教学 　　文学语言对机器学习提出的挑战主要有两方面：一是文学表现手法对机器学习的挑战；二是情感倾向分析对机器学习的挑战。这给了笔者一个启示：文学类文本的教学正是学生在教师的指导下主要解决这两个问题进而准确、透彻地理解文本。 　　本文试从文学语言对机器学习的这两方面挑战入手，反观目前文学类文本的教学中出现了阅读的游离现象，其目的是在机器学习和人类学习的对比中找到文学类文本教学的重难点与解读和训练方法。文学类文本教学中对文学表现手法和情感态度的指导和训练主要体现在以下几点方面。 　　一、文学表现手法的指导和训练 　　1.文学表现手法对机器学习的挑战 　　文学作品是形象思维的结晶，其表现形式自然也需要形象生动，除了常常采用夸张、拟人、典故、双关等表现手法，还要照顾韵律、节奏、效果等美学因素，还可能标新立异，使文本有不合语法、违反常识的现象，比如量词的换用、词类活用、韵律影响语序，这对于机器学习来说无能为力，而具有一定形象思维的人就很容易解决。 　　这些人类学习中比较容易得到解决的问题是目前计算机自然语言处理中亟待解决的问题，但是专家学者感到困难重重。我们认为机器永远不可能完全理解文学语言。而人与机器的差别就在于此，人可以通过学习和训练比较容易地解决这些问题。这也正是我们阅读文学类文本应该重点注意的问题，当然也就是在语文教学中应该重点指导和训练的内容。 　　2.文学类文本教学中对表现手法的指导学习 　　教育是有指导的学习，人类借助老师、教材等有指导的方式主要学习知识。知识不能等同于能力，但是能力的强弱在某种程度上或在某些方面又要依赖于是否具备足够的知识。 　　教师在指导时要选准指导的时机，当然应该在学生需要指导的时候加以指导；另外要选准指导内容，即什么内容是要对学生加以指导、点拨的。对于文学类文本的阅读，我们认为教师应该引导学生关注文学类文本中那些运用表现手法的语句，指导学生积累表现手法的知识，训练学生学会运用这些表现手法。这样就使原来对学生来说是隐性的信息变成显性的信息，使原来对学生来说是不确定的信息变成确定的信息。 　　二、对把握作者情感态度的指导训练 　　1.情感倾向分析对机器学习的挑战 　　情感倾向分析是机器学习的术语，一般又称为观点抽取、观点挖掘等。 　　情感倾向分析技术正是通过让计算机自动识别海量文档集合中的主观褒贬态度，以使用户从繁重的网页浏览和信息融合工作中解脱出来。 　　情感倾向分析技术使计算机通过对文本内容的处理，帮助区分文本内容是否为主观评价性内容，进而识别这种主观评价是褒义还是贬义。 　　情感倾向分析的任务大体上可以分为：（1）识别文本是否表达情感，即文本内容为主观评价型内容还是客观描述型内容；（2）识别文本中所表达的情感是褒义还是贬义。目前机器学习在这一问题的解决上遇到了似乎难以突破的障碍。 　　2.文学类文本教学中对把握作者情感态度的指导训练 　　情感倾向分析在文本阅读中就是对作者在文中的观点态度的把握，作者的观点和态度即作者赞成什么，反对什么，热爱什么，厌恶什么，也即作者的见解和主张，是作者世界观和价值观的反映。作者在文中的观点和态度，有时比较直接、明显、集中；有时则比较分散，需要对有关内容进行综合分析；而有时则隐含于字里行间，还需要仔细分析和抽象概括。 　　由以上分析我们得出学生对文本进行情感倾向分析可以按照这样的步骤和要求指导和训练： 　　第一步，进行文本内容主客观分类训练。要训练学生准确而快速地提取文中的主观句，总结归纳主观句的语言特征和常见的位置。 　　第二步，对提取的主观句进行情感倾向分类训练。要指导和训练学生正确地进行情感褒贬分类，但是作者的情感往往是复杂而细腻的，这还需要读者进行更细类别的分类，注意词语褒贬义的信息、语义指向等。实验表明考虑词语情感对于情感分析具有较大的帮助。 　　第三步，筛选作者产生这些情感倾向的原因。这些信息往往在那些看似客观的叙述语句中。 　　第四步，结合文本思考这些情感倾向对作者和所有读者的意义所在。 　　就中文信息处理而言，字处理已经基本完成，词处理已经研究了二十余年，尚有许