摘要：长距离依赖结构中的中间空隙是连结填充词及其最终空隙的桥梁。心理语言学家们通过在线阅读实验,发现英语本族人在线处理这类句子时的确存在"中间空隙效应"。然而,二语学习者的情况尚不清楚。本研究以两组不同语言水平的中国英语学习者和一组英语本族人为被试,采用被试间和被试内设计的在线阅读任务,考察被试阅读过程中的"中间空隙效应"。结果发现,中国英语学习者不能像英语本族人那样利用句中的中间空隙完成在线阅读任务,但两个水平组之间的表现并无显著差异。

摘要：针对以往的遥感道路提取研究中大多忽略了整个输入图像的道路结构特性,对于较为复杂、多道路区域的情况,难以产生完整道路网的问题。首先,设计了一个带状池化模块SPM,用于有效地扩大接收领域的骨干。具体来说,SPM侧重于沿着水平或垂直空间维度编码长距离上下文,并对汇集的映射中的每个空间位置的全局水平和垂直信息进行编码,实现了捕获长距离空间依赖性和利用通道间依赖性的能力的提升。考虑到道路尺度的多样性,提出级联的多尺度注意增强模块(CMSAE),利用多尺度特征上的空间注意剩余块来捕获长距离依赖,并引入信道注意层来优化多尺度特征融合,目的是解决现有方法中道路提取不连续和锯齿状边界识别的问题,并聚合连续道路的空间细节和语义信息。经实验验证和多种算法进行比较,所提方法相较于U-Net网络在Precision、Recall、IoU、ACC四个指标上分别提升了3.05、2.12、3.43、1.85个百分点,均优于对比算法,证明了该方法在改善道路提取任务中不连续问题的有效性。

摘要：句子相似度计算是自然语言处理的一项基础任务,其准确性直接影响机器翻译、问题回答等下游任务的性能。传统机器学习方法主要依靠词形、词序及结构等浅层特征计算句子相似度,而深度学习方法能够融入深层语义特征,从而取得了更好效果。深度学习方法如卷积神经网络在提取文本特征时存在提取句子语义特征较浅、长距离依赖信息不足的缺点。因此设计了DCNN(dependency convolutional neural network)模型,该模型利用词语之间的依存关系来解决该不足。DCNN模型首先通过依存句法分析得到句子中词语之间的依存关系,而后根据与当前词存在一跳或者两跳关系的词语形成二元和三元的词语组合,再将这两部分信息作为原句信息的补充,输入到卷积神经网络中,以此来获取词语之间长距离依赖信息。实验结果表明,加入依存句法信息得到的长距离依赖能有效提升模型性能。在MSRP(microsoft research paraphrase corpus)数据集上,模型准确度和F1值分别为80.33%和85.91,在SICK(sentences involving compositional knowledge)数据集上模型的皮尔森相关系数能达到87.5,在MSRvid(microsoft video paraphrase corpus)数据集上模型的皮尔森相关系数能达到92.2。