Sep, 2023

杜撰的众声：重访鲁迅和周作人之间的争议论文

PDF
TL;DR鲁迅和周作人是中国现代文学中最有影响力的作家之一，本研究使用定量方法重新审视 1912 年由兄弟二人化名发表的三篇争议性论文，通过一个可解释的作者归属模型进行文体学分析，以调查这些文章的作者，研究兄弟二人的写作风格。我们的发现表明，《看中国》一文是鲁迅所写。此外，《越人忘了祖先之教》似乎要么由鲁迅主要撰写，要么由他进行了广泛的修订，因为它在风格上与周作人所主张的《看越大地》相似，后者是他承认自己撰写但经鲁迅编辑过的一篇作品。第三篇论文《哪里去了共和国的品格？》呈现了一种混合的写作风格，暗示了彻底的合作。我们提供了文章特征的可视化表示，以促进细致和直观的理解。我们发现了一些证据，表明在他所谓的 “沉默时代” 期间，鲁迅秘密地参与了社会问题，并提供了关于兄弟二人的思想发展轨迹的见解。
lu xunzhou zuorenstylometric analysisauthorship attributioncollaboration
发现论文，激发创造
  • 基于 CRF 与模式匹配的文言方志挖掘方法研究 —— 以中国历史人物传记信息为例

    本文首次开展了基于语言模型和条件随机场的算法识别文言文历史文本中命名实体的研究，并将其扩展至历史文献的文档结构挖掘。通过对 220 余本地志文献的实际评估，该方法表现出很好的效果，成功识别出数千个名称和地址，其中许多与中国传记数据库中记录的个人信息相匹配，成为该数据库中的新近记录。

    Nov, 2015

  • 中文小说多种类型命名实体识别语料库

    基于最大规模的多文类文学命名实体识别语料库，研究文学作品中不同类型实体的特征，并提出了几种基线命名实体识别模型，并进行了跨文类和跨域实验，结果表明文类差异显著影响 NER 性能，尽管不如文体领域与新闻领域之间的领域差异大，文学 NER 仍需要改进且由于文学作品中实体的高多样性，Out-of-Vocabulary（OOV）问题更具挑战性。

    Nov, 2023

  • 同古：基于知识的大型语言模型理解古代汉语

    TongGu is a CCU-specific LLM that utilizes ACCN-INS dataset, RAT, and CCU-RAG techniques to enhance Classical Chinese comprehension and reduce hallucinations.

    Jul, 2024

  • 从口语汉语生成古典诗歌

    本文提出了一种利用非文言文生成古典诗歌的新任务，并采用了无监督机器翻译的方法，在语义上给予用户更多控制权，通过基于分词的填充和强化学习等方法，取得了很好的实验效果，同时探索了如何提高生成诗歌的输入口诀，得到了高质量的诗歌生成。

    Aug, 2019

  • 逐九：为大型语言模型提供的多维多面的中文基准测试

    大语言模型的综合性和准确性评估需要全面而系统的基准。为此，我们提出了 ZhuJiu 基准，具有综合评估大语言模型的多维能力覆盖，多方面合作评估方法，全面的中文基准以及避免潜在数据泄漏的特点。我们对 10 个当前主流大语言模型进行了评估，并对结果进行了深入的讨论和分析。

    Aug, 2023

  • 说文解字：重新思考中文语言预训练的词典和字形

    CDBERT 是一种改进了语义理解的学习范例，它结合了语汇知识和汉字结构。该方法使用 Shuowen 和 Jiezi 两个核心模块，前者用于从汉字字典中获取最合适的意义，后者用于通过结构理解增强汉字的字形表示。通过在现代汉语理解基准 CLUE 和古代汉语基准 CCLUE 上评估，我们的方法表现出对以前的汉语 PLM 的一致提高。此外，我们在收集的古代汉字字典上提出了一种新的多义词鉴别任务 PolyMRC，并在古代汉语理解的少量数据情况下获得了显著的提升。

    May, 2023

  • 古代汉语 CWS 和 POS 的基于不确定性的检索框架

    提出古代汉语词分割和词性标注框架，通过捕捉词性语义和引入外部知识重新预测基线模型的不确定样本，有效提升性能。

    Oct, 2023

  • 调查亡灵心智：基于上下文构造表示（CCR）的古典汉语历史心理文本分析

    通过在古代汉语中开发历史心理文本分析的管道，我们结合心理测量学的专业知识与基于变压器的语言模型生成的文本表示，测量古代汉语语料库中的传统主义、规范强度和集体主义等心理构造，并通过间接监督的对比学习方法与预训练模型进行微调，展示了我们的管道的卓越性能。

    Mar, 2024

  • 面向中文关系抽取的动态多视角融合机制

    本文提出了一种基于 MoVE 框架的中国关系抽取方法，利用内部和外部知识来动态学习多视角特征，以更好地捕捉汉字的语义信息，并在多个真实领域数据集上进行了广泛实验证明了该方法的有效性和稳健性.

    Mar, 2023

  • CMMLU: 用于测量中文海量多任务语言理解的工具

    本文介绍了一个涵盖自然科学、社会科学、工程学和人文学科等多个领域的全面中文基准 CMMLU，并通过评估 18 种面向性能的多语言和中文 LLMs，在不同的主题和设置下评估它们的性能，结果显示，大多数现有 LLM 在提供上下文示例和思维链提示时仍然难以达到 50% 的平均准确性，而随机基准线为 25%，这凸显出 LLMs 有显着的改进空间。

    Jun, 2023