高中语文 2024年北京市大兴高考语文三模试卷.pdfVIP

2024年北京市大兴精华学校高考语文三模试卷

一、现代文阅读（18分）

1．（18分）阅读下面材料，完成下列各题。

材料一

华夏文明作为持续了上千年的文明，具有独特的文化形式和特殊的文化传统，文言文是记录传统文化的主要形式。为了解决文

言文翻译问题，研究者将智能语音交互理念引入了文言文机器翻译的关键技术研发，使得译文质量满足文言文翻译需求。

智能语音交互的实现，需要以待翻译语言的预处理为前提，采用自然语言处理技术，主要包括语法分析、句法及语义分析、语

境解析三个主体部分。其中，语法分析作为最关键的处理环节，由分词、词性标注、命名实体识别三部分构成。分词是将原始语音

输出序列，按照合理的划分模式，切割为可以被翻译机器人识别的词语序列，促进后续文言文翻译的顺利进行。考虑到部分文言文

词语与白话文词语语义差别较大，极易引发切分歧义问题，研究者提出在分词模块融入机器学习理念，建立分词数据库，再针对分

词处理后的单个词语，进行词性标注，表明该单词的基本含义和语言形式。最后，针对标注后的词语进行命名实体识别，也就是从

所有的标注词语中，选取特定类别的实体名词，进行特殊标注，便于后续智能交互沟通。

句法及语义分析的主要目的是更好地理解待翻译文言文的语言成分关系，有两个组成部分。语义角色标注可以根据某些短语，

提取出主语、谓语、宾语等基本信息，作为文言文翻译的支撑框架。而语义依存分析，则是为了体现句子的语义关联，便于翻译过

程中对抽象词汇的理解。

除此之外，自然语言处理机制的建立，还需要设计以具体应用语境为基础的语言处理模式，简单来说，就是按照指示图谱，分析

文言文中类似场景，从而对语言进行属性理解。例如，可以依托于某个语义图画，联想出该词语的扩展语义，对待翻译信息进行应

用场景分类，最终选定一个可能性最高的分类结果，作为最终语言识别结果。需要注意的是，语境组合过程中，需要添加纠错机制

处理理解失误的信息。

（取材自刘秋鸽、闵亮的相关文章）

材料二

从处理对象的粒度角度，古文自动处理可以分为词汇层面、句子层面和篇章层面等。古文词汇自动处理，又称古文自动词法分

析，是指通过计算机算法，对数字化处理后的古代典籍文献进行自动分词、词性标注、命名实体识别等处理，从而开展词汇层面的

知识挖掘。词汇自动处理是古文自动处理的基础，也是实现句子和篇章层面古文自动处理的前提条件，还是构建词汇级别语料库与

知识库，实现古文信息检索、机器翻译、自动问答的前提。

汉语不同于英语，无论是现代汉语还是古汉语，字与字、词与词之间均没有分隔符。对于词汇的切分，完全是靠人们对于词

法、语法等语言学知识的积累与理解。古汉语由于产生年代久远，且不是当前通用的语言，故对于古汉语的分词较为困难。然而，

想要开展词汇粒度的相关研究，就必须先要对语料进行分词。

古文自动分词主要经历了三个发展阶段：基于规则匹配的分词、基于统计的分词、基于机器学习和深度学习模型的分词。第

一阶段基于规则的分词方式较为传统，通常是人工构建分词底表，并使用最大匹配的方式进行机械的词语切分。这种分词方式操作

简便，分词效率较高，对计算机性能要求较低，但在前期古汉语词表和领域词表的构建过程往往需要投入大量的人力资源，且通常

只能在特定领域的文本上开展分词，泛化能力较差。此外，受限于预先制定好的规则库及词典资源，此类方法仅能识别出已收录信

息，不具备推理能力与学习能力。第二阶段基于统计的分词方法，改进了对于未收录词的识别效果，通过对古文语料的词频、词

长、韵律、偏旁、字符分类等分布情况进行统计，指导计算机自动判断古文词汇边界，实现对未收录词的识别，且无需构建分词底

表。但是该分词方式同样需要研究人员具备丰富的古文语言学知识以进行人工统计判断，分词效果虽有提升但仍然无法令人满

意。第三阶段机器学习分词方式是基于语言学概率统计模型，加以人工特征工程的辅助，往往能够在古文自动分词任务中取得较高

的分词准确率。基于深度学习的分词模型更是能够自动从古代文本中提取深层次词汇特征与语境信息，在模型的训练过程中完全

无需人工干预。但是机器学习与深度学习模型的分词效果与训练集的大小和人工标注的质量密切相关，训练集的构建过程需要进

行大量的人工数据标注与计算机辅助标注，且对计算