我发现话题作文

我发现话题作文（精选11篇）

篇1：我发现话题作文

我发现了蛛蛛的特点，在晴朗的夜里，没有一丝风，闷热极了，外面坐满了乘凉的人们，蜘蛛也架起它那“天桥”来。

科学老师曾说过，蜘蛛能够从尾部拉出一股黏液，它常在两棵大树间架桥：慢慢地、平稳地爬上树去，拉出一股丝，然后便织起网来；一圈又一圈，好似一位巧手的姑娘在绣花，不久，就织成了一张八角风筝似的网。

炙热的夏天来了，小动物们也在频繁地活动着，我家窗前就有一只蜘蛛。一次我观察它，有一只苍蝇想进入我家，蜘蛛就想是我家的卫兵，不放过一只飞虫，飞虫也都会撞到它那张结实的网，但蜘蛛不会马上吃掉那些飞虫，而是从嘴里吐出一种黏液，使那些飞虫变软，然后再细细品尝。我突然想到一个问题，为什么蜘蛛不会被自己的网粘住呢？它怎么会行动自如呢？会不会有什么特异功能呀，我再忍不住了，想马上就知道答案，于是我拿了一个木棍，不停地摆弄蜘蛛，想看看它身上有什么特殊之处，可一不小心，我把蜘蛛杵掉了，网也漏了，我急忙跑了出去，还好蜘蛛被一根丝挂住了，我长长地叹了一口气，蜘蛛终于掉了下去，正巧下面是一条小水沟，它不仅没被水冲走，而且侧着身子，顺着墙壁爬了上来，很奇怪的是，它身上竟没有一滴水，我明明看到它掉入水里了，好奇心使我不由自主地摸了它一下，滑滑的，我恍然大悟，原来它身上有一种特殊的油脂呀！我很高兴，自己终于弄明白了其中的原因，感叹到：“动物们真神奇！”

俗话说：“世间之大，无奇不有。”真是这样的，我们所知道的科学知识真是太少太少了，同样每一个事物都有着不同的特点，我们一定要发挥出来，不要埋没自己的特点，让我们一起在夕阳西下中撒下自己特点的种子，为它冲破自然的美味而万古长青吧！

篇2：我发现话题作文

或许这样的镜头早已司空见惯。但在那一刻，我却被感动了。那一刻，似乎有一股暖流涌遍全身。也许那只受伤的蝴蝶也曾失败过很多次，尝试过很多次新的启航，但在同伴的陪伴下，终究没有放弃，终究在无意之间，为我展示了那触动灵魂的飞翔！

也是在那一刻，一种惭愧不由自主地在我的心头蔓延开来：为什么我会这么孤单？为什么我不可以和那些蝴蝶一样在同伴需要帮助时主动伸出援手呢？为什么要让自己或别人成为一只单飞的蝴蝶呢？

篇3：我发现话题作文

随着互联网的迅速发展，网络信息量爆炸式增长，导致人们处理和使用这些庞大的信息变得越来越困难。面对网络信息过载，如何快速准确地获取人们感兴趣的新闻话题，并对这些新闻话题进行有效地组织、处理和分析，是当前信息处理领域研究的一个重点，其研究成果具有重要的意义。

话题识别与跟踪技术正是在这种情况下所产生。针对不同话题识别任务的特点，新闻话题识别的研究可分为热点话题识别[1,2,3]、敏感话题识别[4,5]、领域话题识别[6]和用户兴趣话题识别[7]四个方面。关于用户兴趣话题识别方面的研究相对较少，Kurtz等人所提出的系统[7]，基于个人配置文件提取用户兴趣过滤新闻文本，从而采用改进的话题聚类算法获取用户感兴趣的话题。该算法在基于新闻文本自身所携信息进行过滤时，易遗漏某些同样需关注的相关话题。为解决该类问题需充分考虑事件关系，关于事件关系识别，杨雪蓉等人提出了一种基于核心词和实体推理的事件关系识别方法[8]。该方法明显优于单基于事件语义的事件关系识别方法，但当面对大量的网络热点新闻事件时，该算法中事件线索集的构建有限，因为对部分事件无法构建虚拟相关事件集合。为了有效提高大规模互联网数据中用户兴趣话题识别的准确率，避免对相关兴趣新闻事件的遗漏，本文提出一种符合新闻特定语义结构的事件多维关联关系计算方法识别事件关系，从而构建事件加权关联网络。基于该事件关联网络，采用连接分析技术综合考虑各新闻事件之间的关联关系，对新闻集按照用户感兴趣的程度进行排序，获取用户感兴趣的新闻事件，进而通过改进的single-pass聚类算法获取用户感兴趣的话题。此外，针对用户兴趣的动态变化特性，本文只需用户择感兴趣的兴趣领域标签即可。实验表明，该算法能达到较高的准确率，使人们能对感兴趣的话题具有全面而准确地认识。

1 算法提出

本文提出的基于事件关联网络的用户兴趣话题发现算法中引入了新闻事件兴趣度值的概念，表示用户想要关注某新闻事件的程度。该算法可分为以下四个步骤：第一，基于自主可扩展的知识库，对不同兴趣领域词汇进行扩展；第二，构建由新获取到的新闻事件与用户感兴趣的历史新闻事件组成的事件加权关联网络；第三，基于所构建的事件关联网络，采用链接分析技术，通过计算每个新闻事件的兴趣度值获取用户感兴趣的新闻集。最后，在所得用户感兴趣的新闻集上，基于新闻文本特有的语义框架，采用改进的聚类算法获取用户感兴趣的话题。

1.1 构建可扩展领域知识库

通常用户所能提供的兴趣词数量较为有限，为能更好地把握用户兴趣需求，本文通过采用Bootstrapping半监督机器学习算法[9]构建可自主扩展的知识库，将少量不同兴趣领域词集扩展为能够较全面代表用户兴趣需求的兴趣词集。关于知识库的自主扩展，人工选取新闻语料中少量不同兴趣领域的中心词作为种子词集，从大量的新闻语料库中提取有效词作为待标注词集，自动地进行知识学习，从而实现知识库中不同兴趣领域词汇的扩展。

共现关系与相似关系是建立可扩展知识库的基础，本文分别基于Wordnet与Google检索计算词之间的语义相似度值和共现关系值，将语义相似度值和共现关系值作为每轮新扩展兴趣词的二维置信度。基于Bootstrapping算法，逐步对新获取的新闻词汇进行标注，实现知识库中不同兴趣领域的有效词、相似词对和共现词对的自主扩展。具体算法如下：

输入：用户提供的少量兴趣词集

输出：基于知识库扩展后的能较全面代表用户兴趣的兴趣词集

(1）将用户提供的少量兴趣词赋予兴趣度值x，初始赋值为1，作为初始种子词集W;

(2）从领域知识库中获取实词，作为待标注词集U;

(3）基于领域知识库，计算U中每个词与W中词的语义相似度值Si和共现度值Gi，分别作为二维置信度；

(4）将置信度较高的前n个词，作为新增种子词集N，扩展原始种子词集为W+N;

(5）对新增加的n个种子词，基于置信度值和对应的原始兴趣种子词，计算其兴趣度值x;

(6）重复第（3)～(5）步，直至符合算法结束条件，获取最终的种子词集FW;

该方法中用户只需选择感兴趣的兴趣领域标签即可，有效避免了用户兴趣的动态变化特性所带来用户兴趣判断不准确。随着新输入新闻语料的增多，知识库扩展的效果将更加全面与准确。

1.2 构建事件关联网络

大量的互联网新闻数据中，每一篇新闻报道代表一个新闻事件。大量的事件之间存在着纷繁复杂的关联关系。仅基于事件所携主要信息计算事件的兴趣度值，易忽略同样需关注的相关事件。构建事件关联网络，综合考虑事件间的关联因素，有助于更加准确和全面地获取用户感兴趣的话题。

事件关联网络中，每个节点代表一个新闻事件，将事件兴趣度值作为节点的权重；每个边代表两个事件之间的相关联程度，将事件在时间、人物（或机构）、地点和行为四个维度上的相关程度作为边的四维权重。采用命名实体识别技术获取新闻中表示地点、人物（或机构）和行为的词，基于新闻的实时性，视新闻报道的时间为事件的近似时间，计算事件在时间、人物（或机构）、地点和行为四个维度上的相关程度，即关联网络中边的四维权重，从而综合考虑事件之间在以上四个维度的关联程度。事件各维关联度的计算公式如下：

(1）事件时间关联度计算

如果两个事件发生的时间差值在一定的范围内，则认为这两个事件在时间上是关联的。关联的强度与发生时间的间隔有关。时间的间隔越短，关联的强度越强。具体计算公式如式（1）所示：

式中：time(T1),time(T2)分别表示事件T1,T2的时间；Ti和Tj是任意相关事件。Reltime(T1,T2)的值在[0,1]。

(2）事件人物（或机构）关联度计算

如果两个事件中涉及的人物（或机构）相同或具有较高的相似度或共现率，则认为这两个事件在人物（或机构）上是关联的，关联的强度以相同人物（或机构）为最强。基于改进的词集相似度计算公式，获取事件的人物（或机构）关联度值，具体计算公式如式（2）所示：

式中：object(T1)、object(T2)为事件中涉及的人名（或机构名称）的集合，集合中的元素可以重复；|object(T1)⋂object(T2)|表示两个事件中重复出现的人名（或机构名称）和具有较高相似度或共现率的人名数量；|object(T1)⋃object(T2)|表示两个事件中总共涉及的人名数量，Relobject(T1,T2)的值在[0,1]。

(3）事件地点关联度计算

基于改进的词集相似度计算公式，获取事件的地点关联度值，具体计算公式如式（3）所示：

式中：locate(T1),locate(T2)为事件中涉及的地名集合，集合中的元素可以重复；|locate(T1)⋂locate(T2)|表示两个话题中重复出现的地名和具有较高相似度或共现率的地名数量；|locate(T1)⋃locate(T2)|表示两个事件中总共涉及的地名数量；Re llocate(T1,T2)的值在[0,1]。

(4）事件行为关联度计算

如果两个事件中涉及的行为相同，或是相近的，则认为这两个事件在行为上是关联的。关联的强度以相同行为为最强。事件的行为关联度值通过度量新闻事件中除表示时间、地点、人物以外的特征词间的语义相似度得到。具体计算公式如式（4）所示：

式中：A1和A2是表示话题行为的特征词集合，max Sim(w,A)*IDF(w)是词w与特征词集A中语义最相近的词的语义相似性；IDF(w)反映了词包含信息量的多少。英国国家语料库（British National Corpus）被用来统计IDF(w)。

1.3 计算事件兴趣度值

基于事件关联网络计算用户对某一新闻感兴趣的程度，所采取的链接分析从两个方面展开：一是考虑当前新获取的事件间的关联影响，如果某一事件与其他用户感兴趣的新闻事件关联关系越紧密，则认为该事件的事件兴趣度值越高；二是考虑用户感兴趣的相似的历史新闻事件对当前事件的影响，认为相似的事件通常具有相近的事件兴趣度。另外，在每次对新获取的事件兴趣度度量时，将兴趣度较高的事件保留起来作为历史新闻事件。

对新获取的新闻事件，在事件关联网络中分别从时间、对象（人物或组织）、空间和行为这四个维度来分析事件的兴趣度值。首先，对网络中代表新获取新闻事件的节点赋予表示其事件兴趣度值的初始权重SEvent(t)，具体计算公式如式（5）所示：

式中：a1,a2,a3,a4分别表示时间、人物（或机构）、地点和行为兴趣度在事件兴趣度计算所占权重；Stime(t),Sobject(t),Sspace(t)和Sact(t)分别表示通过与用户扩展兴趣词集的匹配，新闻事件特征词集中兴趣度值最高的表示时间、人物（或机构）、地点和行为的词的兴趣度值。

然后，为分析事件之间的关联影响，在建立的事件关联网络上，采用随机游走模型，分析事件的兴趣度。关联网络中所有事件的集合表示为T={t1,t2，…，tn}，ti是关联图中的事件。无向图G=<v,ET,EO,ES,EA>是根据事件间的相关度建立的关联图，其中V是包含n个事件的节点的集合，等于T;ET、EO、ES、EA分别是新闻事件节点在时间、对象、空间、行为上的边的集合，若两节点间的相关度大于给定阈值，则有边存在，它是v×v的一个子集。对新爬取到的新闻事件在多维度相关事件影响下的事件兴趣度SEvent(t)的计算公式如式（6）所示：

式中：a1和a5,a2和a6,a3和a7,a4和a8分别表示在时间、空间、对象和行为上的权重，取值范围为（0,1]，，且0<ai<1;Stime(t)和Stime(w),Sobject(t)和Sobject(w),Sspace(t)和Sspace(w),Sact(t)和Sact(w)分别是事件在时间、空间、对象（人物或组织）、行为这四个维度上的初始兴趣度值。Reltime(t,w),Relobject(t,w),Relspace(t,w),Relact(t,w)反映了事件在时间、对象（人物或组织）、空间、和行为这四个维度上的相关联程度。

基于式（6）计算事件兴趣度值，将事件兴趣度值大于特定阈值的新闻事件，归为用户感兴趣的新闻事件集，获取用户感兴趣的事件集。

1.4 用户兴趣话题识别

针对网络热点新闻话题中难以区分一个话题下的多个子话题现象，本文采用一种基于LDA(Latent Dirichlet Allocation）模型的改进的Single-Pass聚类算法对1.3节中所获取的用户感兴趣的新闻进行聚类，从而获取用户兴趣话题。应用LDA模型对新闻文档进行建模[10]，使用Single-Pass聚类算法生成话题，并针对新闻文本特有的语义架构，在Single-Pass聚类算法中的文本相似性将同时利用向量相似性和命名实体相似性。

计算向量相似性，采用基于有效词库的方法，文本的向量维度一般能够达到上万维，消耗了大量的计算资源。故采用LDA模型，LDA不仅能发掘文本中隐含的主题信息，同时能够将文本表示成主题分布的过程看作是将文本用低维度向量表示的过程，即LDA能够很大程度上对高维文本向量进行降维处理。LDA模型参数中K代表将在文本集合中设定的K个主题，将每一个文本向这K个主题上去映射，转换成一个K维的向量，向量的每一个维度对应一个主题。如此，原本基于有效词库用高维文本向量表示的文本即可用K维的低维文本向量进行表示。从而，易通过计算两个K维向量的夹角获取这两个文本之间的向量相似度。然而，仅仅考虑向量相似度是不够的，新闻数据集中包含有很多十分相似的话题，比如“中日关系系列话题”，“世界杯比赛系列话题”，“自然灾害相关话题”等，这些话题从内容相似性上来说非常的相近，因此可以推断出经过LDA主题模型表示后，这些文本之间的区别体现得仍然不是特别全面。故，引入命名实体相似度的计算，通过得到两个文本的命名实体集合，基于新闻特有的语义框架[11]，分别基于1.2节中的式（1）～式（4）计算两个新闻文本在时间、人名（或组织名）、地名和行为四个方面的相似度，实现对话体更加精准划分聚类。

2 实验分析

2.1 实验数据

通过网络爬虫收集自Retuers网站（http：//www.reuter s.com/）的英文数据集，作为实验所用的英文数据集，包含2014年1月—2014年6月的18 000篇新闻，如表1所示，涵盖了国际、经济、政治、军事、社会、科技等多个领域。

构建可供用户选择的兴趣分类标签集，分别有自然灾害、医疗疾病、食品安全、事故、领土纷争、恐怖主义、信息安全、能源、政治和腐败等标签。每个标签下人为标注少量的领域中心词作为初始种子词。标注人员根据兴趣选取不同标签，如表2所示。每位标注人员分别在6组数据集上标注出其感兴趣的话题，构建标准的测试数据集。

2.2 评价标准

本实验中使用准确率、召回率和F值对该算法进行评估。准确率表示一个被识别出的用户感兴趣的新闻话题是用户感兴趣的可能性。召回率表示识别出的用户感兴趣的新闻话题与用户实际感兴趣的话题的比率；F指标是为了同时考察召回率和准确率所提出，F指标把准确率和召回率统一到一个指标。

基于该算法在6组数据集上依次进行实验时，将上一组数据中所得用户感兴趣的新闻事件作为下一组实验所构建的事件关联网络中的历史新闻事件。例如，在数据集3上进行实验，构建事件关联网络时，将数据集1,2上所得用户感兴趣的新闻事件作为该关联网络中的历史新闻事件。

2.3 实验结果分析

在已标注的6组测试数据集上，经过参数调试，取1.4节所提聚类算法中向量相似度阈值rv=0.375、命名实体相似度阈值rn=0.475和LDA模型中主题个数K=120时，可获取最优话题聚类结果。同时，对所构建的事件关联网络，将节点间在时间、人物、地点和行为4个纬度上的关联度阈值Rt,Ro,Rl和Ra分别设置为0.325,0.15,0.15和0.275可得最佳新闻事件过滤效果。

基于以上参数设定，为验证该算法的有效性，采用用户1提供的兴趣标签，分别在6组数据集上依次进行试验。将加入事件关联网络后的用户兴趣话题发现算法与加入事件关联网络前的用户兴趣话题发现算法进行对比。加入事件关联网络前，基于式（5）计算每篇新闻兴趣度值，并对每篇新闻的兴趣度值做归一化处理，设置兴趣度阈值为0.5，大于该阈值的新闻归为用户感兴趣的新闻。两组实验结果分别如表4所示。

从以上实验结果可知，仅基于文本自身所携关键词集的用户兴趣话题发现算法准确率并不是很高，并且随着数据量的增加其准确率会明显下降。从6组测试数据上的两组实验结果可知，引入事件关联网络后，用户兴趣话题识别的准确率，召回率和F值都有明显提高；并且，随着数据量的增加，基于事件关联网络的用户兴趣话题发现算法能够维持在一个较高的准确率。通过对所识别出的用户兴趣话题内容分析，可知该算法能对相关兴趣话题有更加全面的识别，与更加精准的划分。表5为基于用户1所选兴趣标签，在数据集5,6上所获取的部分兴趣话题的代表性特征词集实例。

为进一步验证关联网络中时间、人物、地点和行为每个维度对事件关联关系的影响，在6组测试数据集上分别将式（6）中，表示时间、空间、对象和行为上的权重a1和a5,a2和a6,a3和a7,a4和a8依次设为0，其他三维取均值，并与四个维度取均值时所获实验效果进行对比。实验所得用户兴趣话题识别的准确率，召回率和F值如图1～图3所示，在充分考虑新闻事件在时间、人物、地点和行为上的关联度时可达最优的实验效果。

实际上，某些需关注新闻事件本身所包含的兴趣关键词并不多，主要原因为该类事件可能是由某兴趣话题所衍生出的新话题，或是与兴趣话题有着较强相互影响关系的其他话题，这时仅基于文本自身所携兴趣关键词信息，将无法准确判断该类新闻事件。引入事件关联网络后，该类新闻事件因和某些具有较高兴趣度值的事件有着较强的关联关系，基于1.3节中的链接分析模型，计算新闻的兴趣度值，获取用户感兴趣的新闻事件集。从而基于改进的聚类算法获得用户兴趣话题。综上，该算法能够有效地适用于大数据量情况下的用户兴趣话题的识别，且取得了较为理想的实验结果。

3 结语

针对用户兴趣话题识别中话题识别不全与误差较大的问题，本文所提基于事件关联网络的用户兴趣话题发现算法中充分考虑了海量信息中新闻事件之间的复杂关联关系，将其与基于新闻文本自身所携用户兴趣信息的文本过滤算法有机结合，获取用户感兴趣的新闻事件集，有助于识别出同样需关注的相关感兴趣的话题。并提出了一种基于LDA模型的改进的single-pass聚类算法最终获取用户感兴趣的话题。实验结果表明，针对网络中的大量新闻数据，该算法只需用户选择感兴趣的相关领域标签，并通过引入基于新闻文本特有语义框架的事件关联网络，能够较为准确而全面地获取用户感兴趣的话题。

参考文献

[1]张玥,张宏莉.基于关联性的热点话题识别[J].智能计算机与应用,2014(3):55-59.

[2]MA Hui-fang.Hot topic extraction using time window[C]//Proceedings of 2011 International Conference on Machine Learning and Cybernetics(ICMLC).Guilin,China:[s.n.],2011:56-60.

[3]YOU Bo,LIU Ming,LIU Bing-quan,et al.Detecting hot topics in technology news streams[C]//Proceedings of 2012 International Conference on Machine Learning and Cybernetics(ICMLC).Xi’an,China:[s.n.],2012:1968-1974.

[4]ZHAO Li-yong,ZHAO Chong-chong,PANG Jing-qin,et al.Sensitive topic detection model based on collaboration of dynamic case knowledge base[C]//Proceedings of 20th IEEE International Workshops on Enabling Technologies:Infrastructure for Collaborative Enterprises(WETICE).Paris:IEEE,2011:156-161.

[5]ZHAO Li-yong,LI Ai-min.A novel system for sensitive topic detection and alert assessment[C]//Proceedings of2011Eighth International Conference on Fuzzy Systems and Knowledge Discovery(FSKD).Shanghai,China:[s.n.],2011:1751-1755.

[6]DAI Xiang-ying,CHEN Qing-cai,WANG Xiao-long,et al.Online topic detection and tracking of financial news based on hierarchical clustering[C]//Proceedings of International Conference on Machine Learning and Cybernetics(ICMLC).Qingdao,2010:3341-3346.

[7]KURTZ A J,MOSTAFA J.Topic detection and interest tracking in a dynamic online news source[C]//Proceedings of Joint Conference on Digital Libraries.[S.l.]:[s.n.],2003:122-124.

[8]杨雪蓉,洪宇,马彬,等.基于核心词和实体推理的事件关系识别方法[J].中文信息学报,2014,28(2):100-108.

[9]VETTER T,JONES M J,POGGIO T.A bootstrapping algorithm for learning linear models of object classes[C]//Proceedings of 1997 IEEE Computer Society Conference on Computer Vision and Pattern Recognition.San Juan:IEEE,1997:40-46.

[10]赵爱华,刘培玉,郑燕.基于LDA的新闻话题子话题划分方法[J].小型微型计算机系统,2013,34(4):732-737.

篇4：话题作文“发现生活”教学设计

有人说，岁月就像一条河，生活就像一首歌。生活中有得意也有失意，有成功也有失败，有悲欢也有离合……生活就像一个万花筒，只要你善于发现，总能看到它的丰富和美丽。

生活是写作的源泉。请以“发现生活”为话题写一篇作文。

要求：①自拟题目，作文内容与话题要密切相关。

②自选文体；

③自定立意；

④不少于800字。

二、训练达成目标

感情真挚，思想健康，内容充实，中心明确。（重点）

见解新颖，材料新鲜，构思新巧，推理想象有独到之处，有个性特征。（难点）

三、设计意图

1.使高中学生学会写复杂的记叙文和中规中矩的议论文。

2.引导学生自觉的围绕“话题”进行审题、立意、选材和构思等方面的训练。

四、指导过程

（一）写作导引：现在，话题作文几乎可以说成了高考作文的一种模式。话题作文有较大的写作空间，如“立意自定，文体自选，题目自拟”。落实这“三自方针”，是自由写作的一种重要实践。

立意自定，是指作者自由表达自己对问题的看法；文体自选，是指根据所要写的内容，自由选择适合表达的体裁；题目自拟，是说可以并应该自己拟一个紧扣话题、确切生动的文章题目。这些给了同学们充分展示自己才华的机会。我们可以按这“三自方针”，写好这篇话题作文。

（二）技法点拨：近年来高考话题作文的命题特别是2004年以来江苏省的作文命题给我们带来什么新的启示呢？值得记取的至少有以下三点：

其一，中学作文教学要把关注社会关注生活落到实处，要把读写结合、注重文化积淀落到实处（而非只喊口号）。

其二，作文教学必须实现个性的解放。求解放，必须坚持走自主、求真、创新之路；要创新，必须以培养创造性品质和创造性思维能力为基础。

其三，作文训练应遵循规律，在开放的前提下重视规范，打造扎实内功。

为此，要在以下五个方面搞好扎实的训练：

①审题训练——立足准确，追求深刻；

②拟题训练——立足醒目，追求夺目；

③文体训练——立足合“格”，追求创新；

④表达训练——立足通畅，追求文采；

⑤书写训练——立足规范，追求美观。

（三）思路点拨：人人都在生活之中，但未必能人人都深刻认识了生活。写作“发现”生活的话题，需要作者打开第三只眼睛——“慧眼”，不仅能从惊天动地的大事中发现生活的价值和意义，更能从平凡的生活小事中发现生活的丰富与美丽，写出“见人之所未见”的独特感悟。

比如一位在医院陪病人的小姑娘，误把透过残窗斜落到过道上的一方月光，当成了白手绢，弯腰拾了一下。这么件小事普通的不能再普通，细微的不能再细微；小姑娘不被人看见则罢，被人看见了恐怕只有尴尬的份儿。假如你目睹这一场景，会涌现什么样的感想呢？恐怕会投去鄙夷的一瞥吧。这能当作写作素材吗？

作家鲍尔吉·原野刚巧在医院为父亲陪床，目睹这一场景，他没有嘲笑小姑娘，而是觉得：“这一举动充满生机。小姑娘也是病人的家属，我不知她的病人在床上煎熬着是怎样的痛苦，但她的心里仍装着美，不然不会把月光当作手帕。”作家感伤自己在小姑娘之前已将楼道走过几遍，却对周遭懵然无动于衷，反问自己：为何不能象小姑娘一样空灵？许多年后，作家写出了美文《月光手帕》，启迪读者：世俗的眼光使我们失去了多少美的发现，给我们造成多少无法弥补的遗憾！

学习鲍尔吉·原野，发掘并表现生活的美吧。

生活是什么？门捷列夫说：“生活便是寻找新知识。”列夫·托尔斯泰说：“生活不是享受而是很辛苦的生活。”巴尔扎克说：“生活的智慧大概在于逢事都问个为什么。”歌德说：“生活之树常青。”

五、写作实践。

紧扣话题，从自己对现实生活的感悟与发现中拟出一个题目，提出对立意、文体、选材、构思的考虑，在小组或全班交流、讨论，听取意见，思考成熟后再动手写出文章。

（习作选萃）

辛酸父爱

铁富高级中学石荣茂

叶落了。

花开了。

时间也随风飘走了，生活也变的更好了。

随着时间的流逝，我发现了一个奇怪的现象。它使我感动，使我流泪。它使我感受到了伟大的父爱。

父亲是个农民，并无额外收入。但生活过得很满足，早晨下地干完活之后，吃午饭时总会来一瓶啤酒，然后睡一觉，下午再去干活。到了晚上还会喝上二两大曲。每逢下雨天爸爸就会出去打扑克来打发时间。生活虽不宽裕，但父亲还是过得不亦乐乎。

渐渐的，我上初中了，开销也变大了。

有一次星期天回家，我却意外的发现爸爸这两天没有喝啤酒。我就好奇的问爸爸：“爸爸，你生病了吗？怎么不喝啤酒了？”爸爸微笑着说：“我这么健壮，怎么会生病呢？只是最近不想喝。”

我没有再想下去。

可过了几个星期，爸爸平日喝的优质大曲也下岗了，换成了塑料大曲（因是用塑料桶装的散酒，故戏称）。

我又问爸爸，爸爸说：“整天喝一种酒，口感不好，想换换口味。”爸爸的眼中透露出一种我琢磨不透的神情来，但我没敢往下想。

时间转瞬即逝，不觉得我已经上了初三，上学的开支更大了。

忽然有一天，我感觉到家里缺少了一种气氛，我仔细一想：爸爸没喝酒。

我去问父亲：“爸爸，今天怎么没喝酒啊！”他的表情变了一下，而后又微笑地说：“近来胃不好，不想喝酒。”从他的言辞中，我似乎听到了什么，但我没问。

一天，爸爸出去了。我就跑到母亲跟前问爸爸戒酒的原因。母亲说：“你现在大了，消费也高了，因此，你爸爸打算戒酒为你省一部分钱，现在还真的戒了。”

听到这里，我的眼泪不自觉的从眼中流了出来，母亲的眼睛也湿润了。

甜甜父爱，辛酸父爱，浓浓父爱。我这时似乎闻到了酒香，那浓烈的酒味正弥漫着整个屋子。近而飘到了世界的每一个角落。

“因为爱，所以爱。”也唱出了父亲的心声。

蜜蜂毫无所求，只求别人快乐，把蜜献给大家；老牛，也无所求，帮助别人干活，帮别人分担忧愁；父亲，更无所求，把爱注入我的心房，使我快乐，使我幸福。

这时耳边不觉传来“父亲是那拉车的牛……”的歌声。

点评：这是一篇用第一人称写的记叙文，文字质朴，情感真挚。有关父亲喝酒的细节描写，很能打动人的心弦。随着“我”的年龄的增长，年级的升高，上学开销的增大，平凡的父亲，用伟大而辛酸的父爱充实了儿子——“我”的成长过程，自然而然的扣紧了话题。习作以议论开头，以议论收束，抒情意味浓郁，观察细致，描写真实，人物对话推动了故事情节的发展。

篇5：我发现话题作文

那年冬天，下着鹅毛大雪，无趣的孩子们在窗上那层薄薄水蒸气上画圈圈，人们边搓着冻得红肿的手边在门前跺脚。而此时，不远处的马丁音乐学院正热气腾腾地举办新一年的音乐会。炽热的舞台灯光照耀着白色的棉衣裙，到处都是五彩挂饰，好不热闹。而处在后台的我正胆颤心惊，竖起耳朵听主持人报幕。“下面请欣赏电子琴独奏——雪绒花。”我在主持人的微笑和观众的热情走上台，心跳更是加速了：这几个星期很少练习，会不会手滑按错了键?节拍调错了怎么办?会不会忘谱……我在忐忑不安的心跳下颤抖地上了琴座，僵硬地开始了演奏。我尽量弹得很慢，想着下一句，可在终于到了高潮时，思路却突然卡带，在这段曲上徘徊了很久，愣是迸不出下一个音符。我把头埋的低低的，涨红了脸。观众席上已有了骚动，有漫不经心的聊天声和孩子们的嘘声。我即羞愧又后悔，老师上课时我总是不专心记谱，回到家练习时也会偷懒……要是平常认真对待学琴就好了!我此时想学琴的愿望如此强烈。刺眼的舞台灯火辣辣的照在我身上，仿佛在嘲笑我。我在心里努力回想老师边弹边让我唱的五线谱，这时，我发现老师在台下悄悄对我比着口型：降b调，降b调……于是，我调整了状态，重头开始起，匀速地弹下了曲子，虽然不很流利，但我弹得很投入。一曲终，掌声雷动，我还沉浸在刚才的音乐中。久久不散。刹那间，我发现了自我，我也可以陶醉在弹琴的快乐之中，那黑白枯燥的五线谱，瞬间变得生动起来。

那次的“团队扶桥”活动，给我的印象甚是深刻。一条粗糙的木板，由两头那小小的肩膀支起。而从桥上爬过的同学，便是他们的责任。同学们将木板架到肩膀上，游戏终于开始了。第一位同学小心翼翼地爬到第一块木板上，挨个前行。当她跪在了我肩头的木板上，我觉得肩膀一压，霎时间传来了同学的体重，我吃力地抬起肩膀。刹那间，我感受到了肩上的重量，那是一种责任。同学们从我们的肩头爬过，是如此的信任我们，将我们认为是可依靠的。从小依赖父母的我们，习惯了父母对我们的责任。刹那间，我感受到了。感受到了我自己的力量，在家人和老师的臂弯中成长的我，也会对另一个生命负责。一股强大的力量充斥了我的心，这是我的责任，总有一天，我们也会像自己的父母一样，成为别人依靠的港湾。

那次和好友梨子闲暇时游街购物，地面热的像一层蒸笼，连太阳都披着毛巾舔着冰棍儿。闲逛了一整天，视力保持0。8的梨子一眼捕捉到一家甜饮店。我们立即以光速冲至店内，半分钟后，刚刚列了淑女计划的我们一边大口咬着冰棍，一边拿着加了片柠檬的果汁大踏步走出了店门。解了渴也解了热，我拿着一根木棍，晃了晃空空如也的塑料杯，问：“有垃圾桶吗?”梨子漫不经心地说：“随便扔了吧。”于是，不经大脑思考的我接受了梨子的建议，将木棍在空中划过一道优美的弧线，扔到地上。刚走出没几步，后面传出了一个稚嫩的声音：“不能乱扔垃圾!”回头一看，是一个不过五六岁大的小男孩。“那又怎么样。”虽然有些不安，我和梨子还是停下脚步说。“宝宝做得对，垃圾要扔垃圾箱，姐姐不懂文明。”旁边一位着装休闲的阿姨道。“姐姐是坏孩子，还是少先队员呢。”小男孩嘟囔道，弯腰拾起两根木棍，投进垃圾箱。我和梨子尴尬地脸红了，有些无地自容。在那一刹那，我感到万分羞愧。在刚入少先队员的纯真年代，我们都很认真地做好每一件事，作业本上的每一个错字都会擦干净;洗手会认真地用洗手液搓干净，然后认真地拧紧龙头……为什么长大后反而随便了呢?在那个小男孩面前，我只能自愧不如。刹那间，我发现了我对自己放松了要求，如果每一件事都能像最初接触时一样认真地做好，便不会成为一个随便的人。

篇6：我发现了燕子的秘密话题作文

可为什么雨前燕子要低飞呢？我一直想不通。于是，我便在下雨之前出去看看到底是因为什么燕子才低飞的。在外面我正好发现了一只燕子，它飞来飞去到底在干什么呢？我用放大镜一看，原来燕子在觅食细小的虫子呢！可是，为什么要低飞才能吃到虫子呢？我去问爸爸，爸爸也不知道。我只好自己去网上查找我一个又一个疑问的答案，经过我的细心查找，终于找到了答案。

原来燕子要到低一点的.地方捉虫子吃是因为下雨前空气中的水分子会上涨，虫子的翅膀沾上了水分子后就会让翅膀特别特别粘，而且也会变得特别的重，根本飞不起来，所以燕子要是想吃到这些虫子的话，就得飞得和虫子们一样低，才可以吃到虫子。

篇7：我发现了蚊子的秘密话题作文

原来，在蚊子的头部有一对大眼睛，几乎占去头部大部分的地方。这对眼睛叫复眼，是由许许多多小眼组成的，不但能够辨别物体，同时可以区别不同颜色以及不同强度的光线。蚊子喜欢在比较暗的光线下活动，不喜欢强光。不过，由于它们的种类不同，对光的喜爱程度也不同。

比如，伊蚊喜欢在午后三四点时开始活动，而库蚊和按蚊则大多在晚上六点半或是凌晨一点多时活动。可它们无论在什么时候活动，都会尽可能躲避强光。白天的时候，由于穿深色衣服反射的光线较弱，正符合蚊子活动时的要求；而白色或浅色由于反射光线较强，蚊子不喜欢，才不会去接近。另外，蚊子喜欢叮咬体温较高的人，而深色衣服的吸热能力强。因此，穿黑色衣服比穿白色衣服被蚊子叮咬的机会要多。看到这里，我往自己身上看了看，发现我正好穿着黑色上衣，而妈妈穿着白色裙子，我想：原来是这样啊！

篇8：我发现，所以我快乐

一个年轻人到处寻找快乐，但是，他却遇到了许许多多的烦恼和忧愁。

他向上帝询问，快乐到底在哪里？

上帝指着湖边的竹林，说："你现在先替我造一只竹排吧！"

年轻人把寻找快乐的事暂放到一边，他找来了造竹排的工具，锯倒了一棵又一棵的竹子，并把它们编排在一起，过了几天，竹排造好了。

竹排下水了，年轻人撑起了竹篙，竹排缓缓游动。他唱起了山歌，歌声在江面上缭绕。上帝问他："我亲爱的孩子，你快乐吗？"

年轻人回答："快乐极了！"

快乐就是这样，它往往在你为一个明确的目的忙得无暇顾及其他的时候突然来访。当你专注于一件美好的事情时，你就会惊讶地发现，自己的心情已经飞扬了起来。

二

一个园丁，郁闷地坐在家门前，吧嗒吧嗒地大口吸着烟。

上帝问他："尊敬的先生，你不开心吗？"

园丁点点头，说："是的，我失去了快乐，我怕播下的种子没有收获！"

上帝接着说："请不要气馁，人生需要去不断地创造，你接着试试看！"

园丁回到园子里，他带着工具，继续给花草施肥、锄草、浇水，最后，辛勤培育的花朵灿烂开放，园丁的汗水得到了回报。

上帝问："你还郁闷吗？"

园丁说："不，我很幸福，因为我发现了快乐的根源。"

艰辛地求索，快乐地获得，在更多的时候，快乐的获得是无须旁人认同的结果，是一种不计得失的付出。只要你努力去发掘自己的某种幸福，那幸福必在途中迎你。这就是快乐之道。

三

一个骨瘦如柴的人总是满面愁容。

上帝问他："你为什么不快乐，郁郁寡欢的？你有什么不高兴的事吗？"

这个人回答"人们都说钻石是无价之宝，可我什么时候能得到它呢？"

上帝同情他，满足了他的要求，赐予他很多钻石。

过了些日子，上帝见到这个人仍愁眉紧锁，比先前更瘦弱了。又问："你还有什么不顺心的事吗？怎么还是这样愁眉不展？"

这个人双眉紧皱，长吁短叹："唉，我虽拥有了这些珍宝，但我日日夜夜都害怕失去这些宝贝啊！"

上帝摊开手，摇了摇头。

篇9：我发现了金鱼的秘密话题作文

半夜，我起来拉小便，忽然想起了金鱼。于是，我没有发出一丁点儿的声音，脚步轻轻地来到鱼缸旁，生怕吵醒了正在熟睡中的金鱼。只见金鱼一动不动地躺在水底下，眼睛睁得大大的。我心想这不就像电视剧里演的.死人吗?难道，金鱼死掉了，不可能，早上它还是活灵活现的，怎么一下子就会死掉呢?我拍了下鱼缸，只见金鱼快速地躲到了水草下，迟迟不肯出来。我更加纳闷了：这究竟是怎么一回事?为什么金鱼一会死了，一会儿又活了?但时间不早了，于是，我只好带着这个疑问，上床睡觉了。

第二天一早，我就跑去问妈妈，妈妈说：“我出不知道。不过，你可以去请教不会说话老师――电脑呀。”于是，我便跑去电脑上查资料。我一看，恍然大悟，原来金鱼的眼睛跟人不一样。人是有眼皮的，睡觉的时候可以合上。而金鱼是没有眼皮的，睡觉的时候不能合上眼皮，所以我才会看到金鱼不闭眼的情况，误以为他死了。

篇10：中考话题作文素材：我发现了团结

我发现了团结就是力量

“团结就是力量，团结就是力量。这力量是铁，这力量是钢，比铁还硬比钢还强……”想必大家都听过这首铿锵有力的《团结就是力量》吧!才开始我对团结不是很在意，但是我错了!

有一个童话故事说：有一个国王的儿子们十分不团结，自顾自的，有一天，国王把他的所有儿子叫到宫殿，给了他们没人一支箭，叫他们折断。他的孩子们不费吹灰之力就折断了。然后国王有给他们每人一捆箭，他的孩子们用尽全身力气也折不断。这就使我悟出了一个道理——团结就是力量。

其实，在我们生活中，团结的影子处处可见：一粒粒沙子可以堆积成一座塔;一颗颗石头可以堆积成一座山;一丝丝雨滴可以变成瓢泼大雨;一只蚂蚁搬不动食物，它便召集许多蚂蚁共同努力……

有一次，我与姥爷一起去人伟球场晨练——打篮球，在梯子上，我发现了许许多多的小黑点。我定睛一看，咦，是蚂蚁!他们正在搬运着地上的碎末儿，一只不行两只来，两只不行三只上，就这样耐心地运着。我看的入迷，手中的一颗旺旺小小酥掉了。引起了一只蚂蚁的注意，它开始开心地在小小酥上爬来跑去，因为它发现了美食嘛!但是，它那么小的身体比起一团小小酥来真是天壤之别，它立马召集周围正在前往其它地方寻觅食物的伙伴们共同来搬运。它们有的在底下，竭尽全身力气;有的趴在上面，使劲地啃着，既为同伴们减少了负担，自己也填饱了肚子;还有的正在为搬运的蚂蚁们疏通拥挤的小道呢!过了一会儿，我又回来看，更多的蚂蚁团结一致，已经把小小酥运到蚂蚁洞口了!这不就是团结的力量么?一只只矮小的蚂蚁，就可以组织成一个庞大的组织，这个组织的力量是无限的.，是无穷的!

中国有句俗话——“三个臭皮匠顶个诸葛亮”!一个人打扫卫生快，还是十个人打扫卫生快呢?中华民族五千年的历史与辉煌是什么力量铸造的?对!那就是团结。

在我国，团结互助是十分重要的，每一个人都必须要有这种团结互助的精神，这种精神使得国家更加的繁荣!但是，在如今的生活中，有许多人没有这种精神，有时为了一丁点儿事就大动干戈。这是团结吗?不，不是。团结不是这样的。团结是与他人共同合作，有协作精神!团结，是胜利的保障，队伍的家。篮球、足球、排球等都是需要团结的。当你在一个队伍中的时候，你要把自己看做一个渺小的几分之一，不论做什么都一样，你要和其它的人员在一起，才可以组成一个庞大的组织，才能够拥有强大的力量!团结的力量等于创造奇迹!

上面形形色色的事物提醒我们，不团结就做不出大事。这个传承以久的坚强意识，将永不停息。同学们，让我们把团结精神铭刻在自己的内心深处，让我们学会团结，共同互助成长吧!

……

篇11：以我发现了为话题作文

我赶紧拿出水瓶，猛喝了几口水，不行；同桌谢同学说要喝温水，“闺蜜”任同学赶紧拿来她的保温杯，咕咚、咕咚又灌了几口，还是没止住；突然后面有个“讨厌鬼”对着我的背猛拍了一下，我被吓了一跳，等回过神，又开始嗝——嗝——嗝；几位男同学还在一旁学着我打嗝，真是烦死了。

我急得浑身是汗，快速走到教室外，大口吸了几口气，想着这样会不会好一点，可恶的“打嗝虫”仍然没有放过我。这时“小苏苏”同学悄悄地走到我身边，说：“书上有介绍把一颗糖压在舌头下，可以缓解打嗝”，随后从口袋里掏出一颗糖塞到我的手中，（要知道学校是不给带零食的，因为她有低血糖，所以老师特批可以带点糖、巧克力之类的零食）。照她说得做，还是没有奏效。

上课铃声已经响了，我回到了教室座位上，班主任走到我身边，说：“潘梓焮，你可以试试把鼻子捏着，再喝点温水，看看会不会好一些，其他同学先默读课文”。全班同学都静静地观望着，像是在等待奇迹的发生，我的心提到了嗓子眼，左手捏着鼻子，右手端起水杯大口喝了几口水，接着放开鼻子，过了几秒，唉，好了，真的好了，居然不打嗝了。