Transfer language selection for zero-shot cross-lingual abusive language detection

We study the selection of transfer languages for automatic abusive language detection. Instead of preparing a dataset for every language, we demonstrate the effectiveness of cross-lingual transfer learning for zero-shot abusive language detection. This way we can use existing data from higher-resource languages to build better detection systems for low-resource languages. Our datasets are from seven different languages from three language families. We measure the distance between the languages using several language similarity measures, especially by quantifying the World Atlas of Language Structures. We show that there is a correlation between linguistic similarity and classifier performance. This discovery allows us to choose an optimal transfer language for zero shot abusive language detection.     

AdaSL: An Unsupervised Domain Adaptation framework for Arabic multi-dialectal Sequence Labeling

Dialectal Arabic (DA) refers to varieties of everyday spoken languages in the Arab world. These dialects differ according to the country and region of the speaker, and their textual content is constantly growing with the rise of social media networks and web blogs. Although research on Natural Language Processing (NLP) on standard Arabic, namely Modern Standard Arabic (MSA), has witnessed remarkable progress, research efforts on DA are rather limited. This is due to numerous challenges, such as the scarcity of labeled data as well as the nature and structure of DA. While some recent works have reached decent results on several DA sentence classification tasks, other complex tasks, such as sequence labeling, still suffer from weak performances when it comes to DA varieties with either a limited amount of labeled data or unlabeled data only. Besides, it has been shown that zero-shot transfer learning from models trained on MSA does not perform well on DA. In this paper, we introduce AdaSL, a new unsupervised domain adaptation framework for Arabic multi-dialectal sequence labeling, leveraging unlabeled DA data, labeled MSA data, and existing multilingual and Arabic Pre-trained Language Models (PLMs). The proposed framework relies on four key components: (1) domain adaptive fine-tuning of multilingual/MSA language models on unlabeled DA data, (2) sub-word embedding pooling, (3) iterative self-training on unlabeled DA data, and (4) iterative DA and MSA distribution alignment. We evaluate our framework on multi-dialectal Named Entity Recognition (NER) and Part-of-Speech (POS) tagging tasks.The overall results show that the zero-shot transfer learning, using our proposed framework, boosts the performance of the multilingual PLMs by 40.87% in macro-F1 score for the NER task, while it boosts the accuracy by 6.95% for the POS tagging task. For the Arabic PLMs, our proposed framework increases performance by 16.18% macro-F1 for the NER task and 2.22% accuracy for the POS tagging task, and thus, achieving new state-of-the-art zero-shot transfer learning performance for Arabic multi-dialectal sequence labeling.     

我国综合立体交通网中心节点评估识别

鉴于学术界对于交通中心节点的评估识别还存在指标体系考虑因子不足、计算方法导致信息损失等问题,且未见全国层面的区县级精度研究,构建涵盖政治战略、社会经济、交通运输、国土生态等方面共18个指标的中心节点评估指标体系,基于我国全国区县级单元,利用专家赋值法和多维魔方法开展更全面、更详细、更精准的交通节点评估识别,以提高综合交通的整体运转效率,实现交通与国土空间的协同发展。评估识别出687个区县级中心节点并分为3个级别,这些中心节点具有良好的全国性服务与覆盖水平。总体上看,经济越发达、区域面积越大的省份拥有较多的中心节点,土地面积在中心节点筛选中作用凸显;经济较发达、区域面积较小的省份拥有的中心节点占单元总数的比例较高,经济因素的作用更明显。     

基于互联网传播文本的地区环境形象评价方法

利用文本分类、情感分析等自然语言处理手段,开发基于互联网文本信息的地区环境形象评价方法。为满足生态环境大数据的分析需求,划分了环境形象类别,分别从文体来源、情感极性和环境要素这三种角度评价地区环境形象。人工标注环境文本语料,对比支持向量机、朴素贝叶斯和卷积神经网络三种算法,最终构建了以卷积神经网络为核心算法的地区环境形象评价模型。方法的分类效果较好,三种分类的F1值均满足分析需求,环境要素的F1值在0.8~0.9之间,情感分析的F1值在0.8以上,文体来源的F1值在0.9左右。该方法应用在长三角城市,可实时处理地区热点环境舆情,分析地区环境形象,提供精准直观的环境形象评估结果,为区域环境管理提供基础信息支持。     

土地规模化经营对农村产业融合发展的影响及作用机制

随着农地流转的深化,土地规模化经营能否促进农村产业融合发展亟待研究。本文基于中国省级面板数据,通过测算农村产业融合发展水平,利用双向固定效应模型和系统广义矩估计方法,实证检验土地规模化经营对农村产业融合发展的影响及其传导机制。进一步基于2020年CLES农户调查数据,利用Logit模型探究了土地规模化经营影响农户参与农村产业融合发展行为的微观基础。研究表明：①从宏观层面来看,土地规模化经营对农村产业融合发展具有推动作用,影响机制分析表明其受到农村劳动力转移和农村居民收入水平的正向调节作用,且是通过提升农村居民收入水平来推动农村产业融合发展。②从微观层面来看,土地规模化经营推动了农户参与农村产业融合发展行为,且是通过提高农户参与农业技术培训积极性来推动农户家庭参与农村产业融合发展行为。因此,推动土地规模化经营与实现农村产业融合发展在政策目标上具有协同性,为实现农村产业融合发展,政府应实施有利于土地规模化经营的配套制度,拓宽农村居民收入渠道,有序推进农村劳动力转移,完善农业技术培训服务,助力农村产业融合发展。     

传统武术发展的时代性思考

文章以传统武术作为研究对象,运用文献资料法、逻辑分析等研究方法,对传统武术的概念进行了从新的界定,并对传统武术目前的“尴尬”现状和问题做出系统的研究和分析。研究发现：传统武术的发展现状不容乐观,其生存环境和空间受到了前所未有的挑战和威胁。认为：解放思想、改革创新、文化回归、传承和保护并重是传统武术未来发展的时代需求、立足之本、必然趋势、有效保障。试图为中国传统武术的发展提供一定的理论依据。     

法语第二外语学习之学习动机

学生学习动机在法语学习中起着不可替代的作用,作为第二外语,摆在所有的教练员面前的问题是,如何保持这种动机学习法语,从开始到结束？     

C语言指针教学思路

指针是C语言的重要数据类型,也是C语言的精华所在。正确而灵活地运用指针,可以编制出简练紧凑、功能强而执行效率高的程序。本文将从以下几方面介绍在教学中如何让学生走出指针学习的误区。。     

基于金融职业素质培养的融合式教学模式的构建

新的形势要求金融从业人员必须具备完备的职业素质。随着社会经济的发展,越来越多的商业银行将职业素养作为招聘人才的重要标准。而传统的人才培养方式采取封闭式教学方法教授专业知识与技能,忽略了对学生基本素质的培养。因而,融合式教学模式应运而生。融合式教学模式注重学生的主动性与参与性,以灵活多样的方式将专业技能传授给学生,从就业的社会需求出发,努力培养具有扎实专业知识及良好职业素质的复合型人才。     

情感因素对儿童二语习得的影响

针对当前英语学习者趋于年幼的现象,本文分析了情感因素在儿童第二语言学习中的影响。文章运用了克拉申的“情感过滤假设”,就焦虑、性格、自尊心和动机几个方面分析了儿童学习英语中的具体情感因素,并就这些方面提出了一些相应对策。