1学科基础课平台必修课 《现代汉语 A1》 《现代汉语 A2》 《古代汉语 A》 《古代汉语 B》 《中国古代文学 1》 《中国古代文学 2》 《中国古代文学 3》 《中国古代文学 4》 《中国现代文学》 《中国当代文学》 《外国文学 1》 《外国文学 2》 《文学概论》 2学科基础课平台选修课 《写作学 1》 《写作学 2》 《新闻采访与写作》 《语言学概论》 《语义学》 《美学原理》 《西方美学史》 《中国文化概论》 《西方文化概论》 《比较文学》 《民间文学》 《诗词格律》 《中国古典文献学》 《中国少数民族文学研究》 《汉语言文学专业导论》 《新闻摄影》 《汉语学年论文》 《汉语学年论文》考试大纲 《汉语言毕业论文》 《汉语毕业论文》考试大纲 《汉语毕业实习》 《汉语言毕业实习》考试大纲 《文学评论写作》 《百篇经典背诵 1》 《百篇经典背诵 2》 4专业课平台选修课 《文字学》 《部首解读》 《音韵学》 《现代汉语语法研究》 《汉语修辞学》 《训诂学》 《唐宋散文研究》 《红楼梦研究》 《文学前沿问题讲座》 《中国现当代散文研究》 《中国现当代女作家研究》 《中国现当代文学思潮与流派研究》 《鲁迅作品研究》 《洛夫诗歌研究》 《林语堂作品研究》 《张爱玲研究》 《通俗文学研究》 《新诗研究》 《网络文学研究》 《西方文学名著选读》 《海外华语文学研究》 《中国文学批评史》 《马列文论》 《西方文论》 《诸子研究》 《王船山研究》 《研究》 《中国哲学史》 《秘书学》 《档案学》 《编辑学》 《公务文书写作》 《广告策划与创意》 《演讲与口才》 《书法》 《公共关系学》 《社交礼仪》 《联墨艺术》 《南岳道教文化研究》 《影视文化》 《中学语文教学法》

提出了一种面向网络长文本的话题检测方法.针对文本表示的高维稀疏性和忽略潜在语义的问题，提出了Word2vec&LDA（latent dirichlet allocation）的文本表示方法.将LDA提取的文本特征词隐含主题和Word2vec映射的特征词向量进行加权融合既能够进行降维的作用又可以较为完整的表示出文本信息.针对传统话题发现方法对长文本输入顺序敏感问题，提出了基于文本聚类的Single-Pass&HAC（hierarchical agglomerative clustering）的话题发现方法，在引入时间窗口和凝聚式层次聚类的基础上对于文本的输入顺序具有了更强的鲁棒性，同时提高了聚类的精度和效率.为了评估所提出方法的有效性，本文从某大学社交平台收集了来自真实世界的多源数据集，并基于此进行了大量的实验.实验结果证明，本文提出的方法相对于现有的方法，如VSM（state vector space model）、Single-Pass等拥有更好的效果，话题检测的精度提高了10%~20%

提出基于双向长短期记忆网络（bidirectional long short-term memory，BiLSTM）和前向神经网络的融合模型完成公共安全事件的触发词识别任务.首先通过BiLSTM提取整段文本的高层语义特征，避免了以往机器学习方法需要人工提取特征的问题，其次采用特征拼接并在前向神经网络中识别并分类事件触发词.实验结果表明相较于基准模型，本文方法在中文突发事件语料库（Chinese emergency corpus，CEC）上取得了更为突出的性能，Micro-F1值为78.47%.此外本文讨论了不同拼接特征在触发词识别任务中的重要性，对文本分析中3类特征（词性、句法、实体）的重要程度进行了比较和分析，得出句法特征对于事件触发词识别任务助益最大的结论