NNT/NL：2022AIXM0248/011ED184多格托拉特论文于2022年7月12日在艾克斯-马赛大学获得支持弗兰克·达利用于自动语言处理的增量模型纪律信息学博士学校ED 184数学与计算机科学实验室研究合作计算机科学实验室ÅS系统陪审团的立场BenoîtCrabbé巴黎城市大学报告员FrançoisYVONLISN/CNRS报告员MarieCandito巴黎城市大学考官CécileCAPPONI艾克斯-马赛大学考官AlexisNASR艾克斯-马赛大学博士生导师AbdellahFOURTASSI艾克斯-马赛大学博士论文联合主任阿菲达维特本人，以下签名人Franck Dary，特此声明，本手稿中的工作是本人的工作，在AlexisNasr和Abdellah Fourtassi的科学指导下，按照研究任务中固有的诚实、正直和责任原则进行本手稿的研究和写作是在遵守《国家研究职业道德宪章》和《艾克斯-马赛大学反剽窃宪章》的情况下进行的本作品之前2022年4月25日订于马赛本作品根据知识共享署名-无商业用途-无修改4.0国际许可证的条款提供3出版物和参加会议作为论文项目一部分的出版物列表：1. 阅读机：研究增量解析策略的通用框架(IWPT2021年; DARY和NASR2021年）2. 低水平语言任务在阅读时间预测中的作用（CogSci 2021; DARY、FOURTASSI和NASR2021）3. CMCL 2021上的TALEP共享任务：低和高的非线性组合用于预测眼动跟踪数据的电平特征(CMCL2021年; DARY、NASR和FOURTASSI2021年）4. 使用深度强化学习进行依赖性分析(TACLDARY、PETIT和NASR2022）在论文期间参加会议和暑期学校1. 会议- TALN 20192. 会议-CogSci 20213. 会议- IWPT 20214. 研讨会-CMCL 20215. 暑期学校4摘要本论文属于因此，从一个文本开始，它是将后者切割成句子，然后切割成单词，并将单词与话语的一部分和形态特征联系起来，然后将单词连接起来本文提出了一个预测模型，该模型允许这些任务在以下情况下同时进行：文本是一个字符一个字符地阅读的，所有的语言预测都是由每个新字符提供的信息更新的我们探索这种架构的原因是希望从人类的阅读中获得灵感，而人类的阅读强加了这两种D’un point de vue expérimental, nous calculons la corrélation entre desvariables oculométriques mesurées sur des sujets humains et des mesures decomplexité propre此外，我们还提出了一种回溯机制，灵感来自于在人类身上观察到的倒退性抽搐。为此，我们使用强化学习，它允许模型在发现自己陷入僵局时执行回溯。关键词：句法分析，分段，增量，惊喜，熵，回溯，眼动测量，强化学习5摘要本文是关于自然语言处理的，更具体地说，是关于句子的句法-形态结构的预测这是将文本分割成句子，然后分割成单词，将每个单词与语音和形态特征的一部分联系起来，然后将单词联系起来，使句法结构明确的问题。本文提出了一个预测模型，可以同时以渐进的方式执行这些任务：文本是一个字符一个字符地阅读的，整个语言预测是由每个新字符带来的信息来更新的。我们探索这种架构的原因是希望受到人类阅读的启发，这两个方面都有约束。从实验的角度来看，我们计算了在人类受试者上测量的眼动跟踪变量与我们模型特有的复杂性指标之间的相关性。更重要的是，我们提出了一种回溯机制，灵感来自于在人类身上观察到的倒退性囊塞 为此，我们使用强化学习，允许模型在到达死端时执行回溯。关键词：依赖性解析、令牌化、增量、过度、熵、反向跟踪、眼动跟踪、强化学习6谢谢你J’aimeraisremerciertouteslespersonnesquim’ontaccompagnéesetsoutenues从对我的研究训练贡献最大的人开始这 他以一种令人钦佩的方式，用教育学和仁慈来指导我。还要感谢Abdellah Fourtassi，他作为联合主任参与了我论文的监督工作。很抱歉我没有和你合作，一切似乎都发生得太快了，我没有花足够的时间从你的建议中受益感谢我的论文评审团的所有成员，特别是报告员，他们给了我大量的时间，并激发了我对研究的兴趣。 以及在辩护中提出的所有有趣的问题。更广泛地说，我要感谢完全客观地说，这是我参加过的最友好现在，我想强调的是，所有的LIS，特别是我在Luminy工作场所遇到的人，都是非常好的伙伴。我认为成为你的同事是一个机会，这让我有动力定期来这里，享受免费的咖啡。非常感谢我所有的朋友，他们会认出自己你们坚定不移的支持使我最后，我欠我的家人很多，他们一直在我身边当然是我的父母，没有他们，这一切都但也有家庭作为一个整体，谁会认识到自己，而阅读这些行。我和你们所有人在一起感觉很好，我认为你们是谦虚和道德的典范。碰巧的是，在不知情的情况下，你对我的论文项目的成功做出了很大的贡献我被邀请到你家很多次，你从来没有到过我家（对不起）;每一次都是一个机会，让我从日常生活中休息一下，想些别的事情，感觉得到了支持，属于一个团体。 我从来没有太多的动机来解释我的研究是关于什么的，我希望辩护已经回答了你的问题。7目录出版物清单和参加会议3摘要4摘要5感谢6目录7图10表表11列表首字母缩略词列表13导言140.1. 不信。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...140.2.如何模拟阅读过程。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...160.3.关于TAL的位置。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...180.4. 用于阅读的低级模型。. . . . . . . . . . . . . . . . ... ...190.5.文档的结构。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...200.6.出版物 。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...211. 自动读取器231.1.介绍。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...231.2. 通过过渡进行句法分析。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...241.2.1. 依赖树8。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...241.2.2. 描述。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...251.2.3. 配置。. . . . . . . . . . . . . . . . . . . . . . . . ... . . ...271.2.4.彩虹渴望 。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...271.2.5. 与 其他动作游戏的比较. . . . . . . . . . . ...291.2.6. 一些变化。. . . . . . . . . . . . . . . . . . . . ... ...311.3. 其他语言注释。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...321.3.1. 中间任务预测的有用性。... ... ... ... ... ... ... ...351.4. A S T 的 扩展。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... 361.5.自动读取。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...371.5.1. 定义。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... 381.5.2. 配置。. . . . . . . . . . . . . . . . . . . . . . . . ... . . ...401.5.3. 行动。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...411.5.4. 分类器。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...431.5.5. 预测算法。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... 471.6. 自 动 学习。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...471.6.1. 监督。 . . . . . . . . . . . . . . . . . . . . . . . . . . . . ...481.6.2. 甲骨文。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ......491.6.3. 神 经 结构。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ......521.7.结论。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...532. 增量机器的行为552.1.介绍。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...5592.2.高级描述。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...582.2.1. 战略。 . . . . . . . . . . . . . . . . . . . . . . . . . . . ... . . ...582.2.2. 一 组特征。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...602.2.3.许多分类器。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...612.2.4. 滑 动 窗口的大 小 。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...622.3.七台机器。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...622.4.经验。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...642.4.1. 分类器。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...642.4.2. 数据和评估。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...652.4.3.顺序或增量策略。... ... ... ... ... ... ... ... ... ... ... ... ...672.4.4. 考虑到向下关系。. . . . . . ...682.4.5.窗口的大小。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...702.5.结论。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...713. 复杂性度量的产生723.1.介绍。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...723.2. 测量人类阅读的复杂性。. . . . . . . . . . . . ... ...743.2.1.整合一个词的困难... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...763.3. 机器复杂性的度量。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...763.3.1. 惊喜。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...763.3.2.熵。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...783.3.3. 比较。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...783.3.4. 与 单词相关的复杂性度量。... ... ... ... ... ... ... ... ... ...803.4.机器。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...10...833.5. 阅读时间的解释模型。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ......853.5.1. 行为数据-Provo语料库。. . . . . . . ... ...863.5.2. 实验方案。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...873.5.3.结果。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...893.5.4.结论第一实验部分。... ... ... ... ... ... ... ... ... ... ...973.6. 阅读时间的预测模型。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ......973.6.1. 行为数据-ZuCo语料库。. . . . . . . . ...983.6.2.用于预测的特 征 。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... 993.6.3. 回归模型1013.6.4. 结果1023.6.5. 结论第二部分实验1043.7. 结论1054. 回退机构1064.1.介绍。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...1064.2.实施。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...1104.2.1. 何时检测错误？ ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...1104.2.2. 我们能在过去走多远？... . . . . . . . . . . . . . . . . . . ...1134.2.3. 回溯后该怎么办？... . . . . . . . . . . . . . . . . ...1164.3.机器。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...1174.4.学徒制 。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...... ... ... ... ... ...1184.4.1. 监 督 学 习 的 不足。... ... ... ... ... ... ... ... ... ... ...1184.4.2.通过强化学 习 。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...1204.4.3. 在 文学中。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...1244.5.经验。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...1264.5.1. 机 器 的参数化。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...126114.5.2. 单语数据。 . . . . . . . . . . . . . . . . . . . . . . ...1284.6.结果。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...1284.6.1.返回的评估。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...1294.7. 多 种 语言体验。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...1314.8. 故 意 的 错误。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...1344.9.结论。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...139第141章参考文献145附件159A.第2章和第3章的实施159A.1.Macaon159软件A.2.第二章第一百六十一章A.3.第三章第一百六十二章B.第4章第一次见面12图表1.1. 短语"露营地的设备"的依赖树它们是新的、漂亮的、干净的。" ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...241.2. 用arc-eager构建语法树。. . . . . . . . . ... ...281.3. 同时执行三项任务的机器示例。 ... ... ... ...391.4. 处理文本"设备"所需的116项操作列表露营地是新的，漂亮和干净。 ... ... ... ... ... ... ... ... ... ... ... ... ... ...451.5. 短语注释："露营地的设备是新的，漂亮的和干净的"。. . . . . . . . . . . . . . . . . . . . . . . . . ... . . ...461.6. "今天的城堡什么都没有留下"的参考分析。 ...511.7. 错误的分析为"今天的城堡什么都没有留下"。 ... ... ... ...511.8. 分类器中使用的体系结构图。... . . . . . . ... ...522.1. 与预测顺序相对应的两种策略。顶部是INCR策略，底部是SQ。 ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...582.2. 按顺序填充条带。. ... ... ... ... ... ... ... ... ... ... ... ... ...592.3. 按增量顺序填充条带。. ... ... ... ... ... ... ... ... ... ... ... ...592.4. 三组性状的比较。当预测蓝色信息时，分类器可以访问绿色信息。. ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...... ... ... ... ... ...603.1. 标签的意外和熵的计算示例。793.2. 句法分析中的惊奇和熵的计算示例。803.3. 执行5个回归的神经网络结构1014.1. 三台简单的机器。左边的机器在语音部分中进行标记，中间的机器在合成树的构造中进行标记。右边的一个和右边的一个同时执行两个任务1174.2. 带有反向反馈的机器，源自图4.1中的机器。1184.3. 与选择回溯行动相关的奖励取消退货1234.4. 选择下一个学习动作的概率通过加强。随机，遵循神谕或分类器...........................................................................1244.5. 标签解析器126的分类器结构13图片列表1.1. 游戏的描述arc-eager。 ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...271.2. 我们系统中的动作集，按任务分组。 ... ... ... ... ... ... ... ... ...442.1. 实验中使用的机器的定义。第一列中的字母表示相同的机器。 ... ... ... ... ... ... ... ... ... ...632.2. 七台机器中使用的特性。... . . . . . . . . . . . . . . . . ... ...642.3. 使用顺序策略的机器与使用增量策略的计算机。. ... ... ... ... ... ... ... ... ... ...682.4. 不使用相同特性集的两个增量机器之间的比较。PA-HA 机器考虑了用于低级别预测的高级别信息。 ... ... ... ... ...682.5. 不使用相同数量分类器的两个增量机器之间的比较。在C-1机器中，只有一个分类器，所有注释级别都使用。 ... . ... . ... . ... . ... ...692.6. 量化增量计算机中窗口大小的影响。 ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...703.1. 将动作与单词联系起来的3种方法的总结。 ... ...813.2. 第一次固定时间的模型。产生复杂度度量的机器使用预先训练的浸入。 ... ... ...903.3. 总固定时间的模型生产机器的机器复杂性测试使用预先训练的潜水。 ... ... ... ... ...933.4. 总固定时间的模型生产机器的机器复杂性保证不使用预先训练的潜水。... ...953.5.INCR_ENT_CUR_MEAN模型中使用的不同复杂性度量与单词频率或长度之间的Pearson相关性。 Pre和NON-Pre指示产生测量值的机器是否使用预先训练过的单词。 ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...963.6. 对回归模型中使用的性状进行分组和描述。...................................................... 1003.7. 由具有不同性状组合的模型获得的性能（MAE）。 MAE Individual列涉及仅使用所考虑的特征以及单词的频率和长度的模型。MAE Group列涉及一个使用组中的所有特征加上前一组中的所有特征144.1. 在我们对UD_French-GSD语料库的切割中，三种不同版本的标记器、解析器和标记解析器的性能。1294.2. RLB版本中机器行为的详细比较。1304.3. 用于我们的多语言实验的语料库，其部分的大小（以令牌数表示）1324.4. 我们的两台机器在其三个版本中对七种不同语言的部分语篇标记和句法分析的结果4.5. 七种语言的标签机RET使用统计数据。1344.6. 根据基本事件的概率，两种行为的预期收益。中间的一些线被省略了。出于易读性的原因。..................................................................................................13715首字母缩略词列表艾尔自动读取。23、38、40、53、55139、159AST通过过渡进行句法分析19、2359、77、81、107、118、124、125、142清洁发展机制马尔可夫决策过程120、121、124塔林自然语言的自动处理1484、85、107、118、124、141、14216简介本论文的目的是提出一个自动自然语言处理（NLP）模型，以增量的方式执行标准的语言分析任务。我们对内在心理方法感兴趣有两个原因。第一个是NLP，旨在通过比较增量模型和非增量模型，更好地理解NLP模型中这种方法的优点和局限性第二个与认知科学有关，旨在研究增量NLP模型是否允许类似于增量认知过程的信息处理，特别是人类阅读。 阅读并不是唯一的渐进式语言认知过程，我们本可以特别关注对口头陈述的理解。阅读的选择是由人类阅读者对阅读过程的控制来指导的实际上，阅读器可以通过他移动眼睛的频率来控制输入的采集速度因此，它可以根据自己的语言处理速度来调整阅读速度，特别是在某些单词上停顿。通过观察花在每个单词上的时间，我们得到了处理速度的线索。此外，读者有能力跳过文本或重读段落。通过观察凝视的方向，我们可以想象读者的注意力在哪里在本章的其余部分，我们将从定义不朽的概念开始，然后，我们将在讨论之前解释这篇论文在NLP领域的地位。简要概述以下章节的内容0.1. 增量性L’incrémentalitéestunecaractéristiquedecertainsprocessuscognitifsrelatifs au 在一个过程每次获取新信息作为输入时， 在阅读的情况下，这些将是字符或单词。因此，在该过程的每个阶段，存在仅涉及要处理的文本输入的一部分（前缀）的一致状态例如，当我们读到一封电子邮件时，它的第一句话是... ."、 我们已经从已经读过的单词中构建了话语的部分表示。本演示文稿涉及17形态学以及句法和语义学。特别是，它使我们能够预测下一个词很可能是一个女性名字，这将是一个新提案的一部分，我们不能不对即将宣布的好消息微笑，然后才意识到，当我们前进时，这是一个广告。 我们对文档的理解，以及我们的情绪状态，都是随着我们发现单词而演变的。L’incrémentalité n’est, en général, pas respectée en TALN 1 simplement parcequ’elle实际上，NLP模型的目标是执行一项任务（翻译、转录、句法分析等）。尽可能精确 然而，通过阻止进入未来，不可避免性是一种限制，可能导致建立一个次优解决方案。在某种程度上，这个未来是可以实现的，没有理由不使用它，如果它允许实现更例如，在自动语音转录任务中，单词的选择可以取决于由语言模型计算的句子的整体一致性然而，在某些情况下，NLP中使用的模型是增量的。有时候，这种渐进性是自然出现的，是对简单有效模型的渴望的副产品 例如，将在第1章中详细描述的转换语法解析器具有几乎增量的行为。 它源于分析器的贪婪行为，这使其具有线性复杂性。类似地，基于单向递归神经网络的语言模型（MIKOLOV，KARAFIÁT，BURGET等）。2010年）也是渐进式的。L’incrémentalité peut aussi être souhaitée dans le but de réagir en tempsréel à des 2012）或生成反向通道，以指示对话代理中的最后，例如，可以F. B.奥斯顿，J. H ALE，K Liegl et al. 2008）或估计单词的整合成本（D EMBERG and K ELLER 2008）。C’est 通常可以使用非嵌入式模型来模拟增量性，方法是在每次访问新信息时从头开始重新处理输入（K AHARD
我的内容管理
收起
我的收益 登录查看自己的收益
我的积分
登录查看自己的积分
我的C币
登录后查看C币余额
我的收藏 
我的下载 
下载帮助 
