基于深度学习的学术文本段落结构功能识别研究

【目的/意义】在学术大数据的应用背景下,对学术文本更加细粒度、语义化的分析挖掘日益迫切,学术文本结构功能识别成为科研领域的一个研究热点。【方法/过程】本文从段落的层次来识别章节结构功能,提出利用结合卷积神经网络和循环神经网络的特征对学术文本段落进行表达,然后进行分类。【结果/结论】文本提出的深度学习方法在整体分类结果上优于传统的机器学习方法,同时极大的减少了传统特征工程的人力需求。     

论学术论文的交流功能

从广义学术论文交流的内涵出发,系统阐述了学术论文从产生到传播再到评议这三个关键环节中所发挥的特殊功能与作用:从产生过程分析,学术论文既是对研究过程和科学成果的客观记录,其撰写过程也是作者思维系统化的过程;从传播过程分析,学术论文既是学术传播的基本单元,同时传播也是发挥学术论文综合效益的基本途径;从评议环节分析,学术论文则兼具科学评价对象和科学评价重要工具两种功能。     

基于深度学习技术的火电厂高温紧固件螺栓金相组织智能识别方法的前景展望

本文介绍了火电厂高温紧固螺栓金相组织检验的重要性,简述了金相组织识别技术的现状和发展,讨论了基于深度学习技术的金相组织识别方法研究的可行性以及如果在该方向发展可能面对的问题,对该技术方法的前景展望。     

激励前沿评述与激励协同研究展望 ——多学科/学派、多层次、多维度视角

激励是技术进步与企业创新的力量源泉。考虑到激励理论的"丛林现象",从多学科/学派、多层次、多维度视角,对激励理论进行了整理、分析与评述。结果发现,经济学与管理学框架下的激励研究沿着几乎完全不同的轨迹展开,经济学专注于激励机制设计而管理学侧重于激励影响机制探索;认知学派与行为学派的激励理论存在剧烈的观点冲突;个体层面、团队层面、组织层面及产业层面的激励及其影响机制关注点与研究成熟度有显著差异;多维度视角下激励构念因为内涵与维度存在侧重、交叉及重叠,其测量跨度较大。最后,为打开激励与其行为结果之间的"黑箱",基于协同视角,提出了多学科、多层次、多维度协同研究思路,构建了未来研究多路径整合与协同模型。     

学术文献致谢功能数据集构建与识别方法研究

【目的/意义】本文构建了一个大规模学术文献致谢功能数据集,并提出一种基于SciBERT的致谢功能识别 模型,为致谢文本的挖掘和分析提供高质量的数据支持和有效的识别方法。【方法/过程】采用人工的方式扩展和完 善致谢功能分类规则,生成学术文献致谢功能自动标引规则模板,对1,750,275条致谢文本进行功能标引。在此基 础上,采用 SciBERT 模型对致谢文本句进行向量表达,引入 Softmax 回归模型实现致谢功能自动分类,采用 warmup策略进行模型调优,并与基准实验进行对比。【结果/结论】得到一个大规模、高质量的学术文献致谢功能数 据集,经人工检验准确率达到93%;基于SciBERT的识别模型比基准模型表现更好,在扩展数据集上的F1值高于 98%,在各个类别上的预测结果也有不同程度的提升。【创新/局限】致谢功能识别模型缺少对致谢文本独有特征的 考虑和融合。     

基于深度学习的信息组织与检索研究综述

【目的/意义】深度学习是近几年来人工智能领域的研究热点之一,了解深度学习在信息组织与检索方面的研究现状,能为信息组织与检索的深入研究提供参考和借鉴。【方法/内容】通过对国内基于深度学习的信息组织与检索方向的相关文献进行梳理,剖析深度学习相关模型、阐述深度学习在信息组织与检索中的研究热点主题,并结合深度学习技术的特点和信息组织与检索的研究内容,对深度学习在信息组织与检索方向的应用前景进行预测。【结果/结论】研究表明,当前深度学习在信息组织与检索中的研究热点主要集中在智能信息抽取、自动文本分类、情感分析和文本聚类这四个主题,预测未来深度学习在信息组织与检索方向会朝着对异构信息处理、智能信息检索、个性化信息推荐等方向发展。     

英汉学术论文摘要语篇对比研究

在以往学术论文语篇研究的基础上,本文针对英汉学术论文摘要这一亚体裁提出了它的研究原则,并运用这些原则对英汉论文摘要进行了分析.根据学术论文摘要的交际目的与功能,作者提出了英汉学术论文语篇的宏观结构.结构中各语步都有其各自独特的功能,同时他们又都是为了实现学术论文摘要的总体交际目的服务的.英汉论文语篇各自的宏观结构表明的是英汉学术语篇所要取向的不同的潜在的抽象的结构,它反映了中西方人们潜意识中的不同的文化观念.     

基于DELC的深度学习的小学语文阅读教学路径研究

深度学习的提出,给现在的教育提供了一条现代化的改革路径。研究的目的就是为找到能够更好地提高小学生语文阅读教学质量的教学路径。文章概述基于深度学习的小学语文阅读教学的内涵、概念,探究两种之间的内在逻辑关联性,从深度学习的七种有效路径的建构来探究提高小学语文阅读教学的教学路径。     

基于统编版教科书的课堂深度学习研究——谈小学语文课堂教学深度

随着语文教学改革的不断推进,课堂深度学习成为小学语文教学的新焦点.课堂深度学习无论是对学生还是对教师都提出了新的要求.小学语文课堂深度学习是与浅表学习相对应的,具有深刻性的特征.深度学习对教师教授学生的效果提出了更为深层次的要求,尤其是在教学内容方面,但目的仍是提高学生的学习积极性和课堂效率.本文立足于对小学语文课堂的...     

基于大数据深度残差学习的特征提取算法

针对当前算法在进行目标数据特征提取时存在提取准确率不高、效率低、特异性和灵敏度较差,以及网络节点能耗较高的问题,提出一种基于大数据深度残差学习的特征提取算法,将深度学习的灰色神经网络与残差学习方法进行有机结合,求得了深度残差学习网络模型的微分方程以及时间响应公式,并计算了网络初始权值和阈值;根据深度学习的灰色神经网络拓扑结构获得深度残差学习网络各层的输出参量,采用误差反向传播方法和附加动量法对深度残差学习网络的阈值和权值进行实时更新和调整,完成深度残差学习的网络模型构建,并采用模型精度和后验差比值对该模型进行精度检验,将经过检验合格的网络模型用于目标数据特征提取。通过多组实验测试,证明所提算法相比于其他对比算法有效减少特征提取错误率、提高了执行效率,具有较高的灵敏度和特异性,大大减小了网络节点总体能量消耗,延长了网络生存寿命。     

国内基于深度学习的目标跟踪研究知识图谱分析

【目的/意义】基于深度学习的目标跟踪研究在国内研究热潮的迅速高涨，吸引了多位来自计算机视觉领域 学者产出丰硕的成果，知识图谱能直观地揭示该领域的研究概况与前沿。【方法/过程】利用CiteSpace 分析软件，以 中国知网引文索引（CNKI）数据库为数据源，搜集基于深度学习的目标跟踪研究相关文献数据。从时空分布、机构 与作者分布、关键词频度共现、研究趋势变化时序图谱等方面，绘制知识图谱，梳理研究脉络，揭示国内基于深度学 习对目标跟踪的研究现状与发展方向。【结果/结论】以客观数据和图谱为依据，对基于深度学习对目标跟踪的研究 发展进行分析和总结，同时提出相关建议，为该领域的后续研究提供参考。     

基于深度学习的现代数字信号处理教学模式改革探讨

现代数字信号处理课程是信号处理理论重要知识体系,是研究随机信号的分析和信号处理算法的基础,具有较强的实践性和应用性.为适应信息类研究生对课程内容学习需要,通过引入深度学习来深入掌握现代数字信号处理知识点,以维纳滤波为例,通过引入深度学习框架,解决数字图像处理过程方法,提升学生在深度学习在数字信号处理中的实践能力,在课程...     

基于深度学习的虚拟学术社区智能问答研究

[目的/意义]作为科研人员知识获取、交流与利用的重要场所,虚拟学术社区资源具有数量多、价值高等特征,探索智能问答服务在社区的理论、方法与应用,对推动学术资源高效检索与利用,促进知识服务创新具有重要意义。[方法/过程]梳理虚拟学术社区研究现状与目前知识服务存在的不足,联合双向长短期记忆网络(BiLSTW)、文本相似度等技术作为支撑,基于注意力机制的CNN的智能问答方式构建学术社区内资源的智能问答模型,增加注意力分支以抽取细粒度特征,提高检索速度,提升科研效率。[结果/结论]智能化技术的应用实现学术资源的深度聚合,实现传统信息交互与智能化新技术的协同发展,提升了学术资源利用率,扩大信息资源共建共享。     

基于深度学习的“算法设计与分析”教学模式改革

深度学习是认知领域的重要概念,更加强调和关注学习者积极主动地学习、批判性地学习,要求学习者理解学习内容的完整含义,建立已有知识与新知识的联系,将已有的知识迁移到新的情境中,作出决策和解决问题[1]。深度学习提出了一种对于学习知识的更深层次的要求,是一种能够全面理解知识、运用知识的方法。本文针对普通高校"计算机算法设计与分析"课程内容的归纳和分析,在厘清学习概念的基础上,对传统教育中教学过程、学习过程中的问题与不足,以深度学习理论为指导,尝试提出一种新型教学理念,并结合当代大数据时代特点,改变传统教学模式、方法,促进学生对于课程内容的深度理解,提高学生解决实际问题的能力。     

基于深度学习的跨语言词汇对齐模型研究

由于能够捕捉语言的内在规律,词向量在自然语言处理任务中得到广泛应用,通过跨语言词汇对齐能够将词向量的应用推广到跨语言情境中。文章在词汇深度表示学习的基础上通过改进生成对抗网络结构,提出一种新的词汇对齐模型(Word Alignment Model,WAM)。为验证模型的有效性,在三组跨语言语料数据集上进行对比实验。与最好的无监督方法相比,WAM模型在P@1上提升0.25%,在P@10上提升0.46%。实验结果表明,通过改进生成对抗网络,能够以无监督的方式更好地实现词汇的跨语言对齐。研究结果对完成领域知识的跨语言迁移,解决跨语言情感分析、信息检索和问答系统等跨语言信息处理任务有重要意义。     

基于深度学习的藏文舆情分析研究

随着自然语言处理技术的快速发展,藏文信息处理技术也取得了较大进展。其中,藏文舆情分析作为藏族地区社会舆情分析的重要技术,受到广泛关注。但是,现有的藏文文本情感分析研究由于起步较晚,还存在很大提升空间。本文提出基于深度集成学习的藏文文本情感分析算法。并通过建立藏文情感数据集进行实验,本文算法在三类情感（正向、负向、中性）中精确率平均提升1.65%,召回率提升1.63%,F1分数提升1.96%。实验结果表明,本文采用的深度集成学习有效地提高了文本情感分类的性能。     

基于深度学习理论的碎片化知识整合

随着现代教育事业的持续快速发展,碎片化知识整合的相关路径方法面临着严峻挑战与考验。如何通过对深度学习理论的全面应用,增强整合碎片化知识的整体效果,成为业内广泛关注的焦点课题。基于此,该文首先介绍了深度学习理论内涵,分析了深度学习理论下的碎片化知识整合方式设计。在探讨碎片化知识整合存在问题的基础上,结合相关实践经验,分别从打破传统的单一分数考核制度等多个角度,提出了基于深度学习理论的碎片化知识整合对策,阐述了作者个人对此的几点浅见,希望对碎片化知识整合实践有所裨益。