种子概念方法及其在基于文本的本体学习中的应用

介绍基于文本的本体学习及其层次,分析本体学习中术语获取的主要方法。针对术语获取中存在的问题,在术语形成的经济规律基础上,引入种子概念方法,并利用统计和规则两种方法抽取与种子概念相关的领域术语;证明种子概念方法是一种有效获取领域术语的方法。实验证明少量种子词可以获取大量领域术语,为本体构建提供基础和框架。     

探析教材法律概念的三重路径——以八年级下册“国家司法机关”为例

道德与法治八年级下法律专册,涉及法律概念较多,专业性较强,对教师的学科素养提出了更高的要求。针对法律概念的理解和把握,教师可以从法律概念的内涵、实质与特征;法律概念的外延、范围与边界;法律概念之间的关联,普遍与特殊,这三重路径进行探析,从而真正厘清法律概念之间的异同,促进扎实、有效备课,更好地为教学服务。     

尼美哈尼话与大寨哈尼话的语音对比研究

尼美哈尼话属于哈尼语三大方言中的哈雅方言哈尼次方言土语,与大寨哈尼话同属一个方言。本文基于实地调查所获悉的第一手材料,对尼美哈尼话音位系统进行全面分析,并与现行大寨标准哈尼语进行辅音、元音、声调、音节结构四方面的系统对比,从而揭示尼美哈尼话和大寨哈尼话之间的语音差异。     

从语义学的角度看英汉亲属称谓的差异

本文从语义和使用两方面概括分析了英汉亲属称谓语的差异,从而揭示了亲属称谓语在跨文化交际中的差异。英汉亲属称谓词在区分宗族与非宗族、血亲与姻亲、父系与母系以及长幼辈分等方面存在着明显的国俗差异。造成这种差异的原因主要是英汉两民族宗法发展水平不同、生育观和生育数量不同以及文化观念和社会结构等不同。     

群体与组织传播的理论重构——一个文化符号学的视角

群体与组织传播是传播学领域的重要组成部分,但长期处于主流大众传播研究外的边缘地位。社会化媒体时代,各种传播类型相互交织,界限模糊,传统传播类型划分的合理性须在文化层面进行重新理解和论证。跨文化传播普遍化的当下,沿着凯瑞的传播仪式观回溯和续写,从符号互动论出发,一种广义文化符号学视角的群体与组织传播理论体系亟待建立。这一理论体系拓宽了传播学研究中的“文本”概念,也将民族志、建构扎根理论等社会（传播）研究方法纳入到符号学研究之中,是对凯瑞理论的当代发展和完善,也是对群体与组织传播理论体系的重构。     

基于Att-CN-BiLSTM模型的中文新闻文本分类

将卷积神经网络（CNN）和双向长短期记忆神经网络（BiLSTM）相结合,提出一种基于注意力机制的Att-CN-BiLSTM中文新闻文本分类模型.模型通过注意力机制有效融合了CNN层和BiLSTM层提取的新闻文本语义特征.在THUCnews新浪新闻数据集上与CNN、BiLSTM及其改进模型进行对比实验,模型分类准确率达到98.96%,精确率、召回率和F1值指标也都优于对比模型,实验结果表明Att-CN-BiLSTM模型可以有效提升中文新闻文本分类效果.     

小学课程思政建设的传统经典文本课外美育路径

传统经典文本中蕴含的优秀传统审美文化元素,是小学课程思政建设的重要美育资源。依托传统经典文本的课外美育活动,应涵盖学校、家庭以及社会生活的各方面。以传统经典文本为育人载体,挖掘校园思政元素,营造和谐的人文空间,建构审美育人的校园文化生活;开设家长课堂,倡导亲自共读,提升家庭思政效能,发展审美育人的家庭文化生活;拓宽网络育人途径,大力开发优秀经典图书,凝聚社会思政合力,建设审美育人的社会文化生活。     

科技查新各环节分析方法探析

结合作者多年从事科技查新工作的认识和体会,探讨科技查新各环节的分析方法,总结了科技查新结论的撰写方法。     

信息检索中修饰语作用的研究

在海量信息中检索时,与用户查询相关的信息常常被漏掉,而与查询无关的信息———信息垃圾,却大量地出现在检索结果中。改进文本信息检索系统的质量,提高检索效能,已成为亟待解决的问题。本文针对能够影响检索效力的一个易被忽略的因素———修饰语,研究其在文本信息检索中的作用。为此,构建了修正的向量空间模型(Modified Vector Space Model,MVSM),并以英文文本进行试验,进而说明修饰语的作用。     

NFCNNC:一种新的模糊竞争神经网络聚类模型及其在文本聚类中的应用

提出了一种新的模糊竞争神经网络聚类模型NFCNNC,并将其应用到文本聚类中。NFCNNC将模糊中心聚类(FCC)算法得到的模糊聚类中心向量作为神经网络的权值,通过比较隶属度值得到获胜神经元。网络中仅两个神经元同时调节权值。隶属度值最大的神经元以较大的学习率调整权值,隶属度次大的神经元以较小的学习率调整权值,其他神经元权值不变。按照FCC算法调整模糊聚类中心向量值(即权值)和神经元的隶属度,当网络稳定时,即可确定聚类数。与传统模糊神经网络模型相比,本文的模糊神经网络模型具有结构简单、运行效率高、聚类精度高的优点,同时克服了传统算法需预先指定聚类数的局限性。通过对文本聚类的实验验证,本算法取得了良好的效果。