全文获取类型
收费全文 | 687篇 |
免费 | 0篇 |
国内免费 | 18篇 |
专业分类
教育 | 495篇 |
科学研究 | 93篇 |
各国文化 | 4篇 |
体育 | 31篇 |
综合类 | 31篇 |
文化理论 | 2篇 |
信息传播 | 49篇 |
出版年
2023年 | 6篇 |
2022年 | 6篇 |
2021年 | 3篇 |
2020年 | 13篇 |
2019年 | 6篇 |
2018年 | 2篇 |
2017年 | 3篇 |
2016年 | 5篇 |
2015年 | 18篇 |
2014年 | 42篇 |
2013年 | 39篇 |
2012年 | 47篇 |
2011年 | 57篇 |
2010年 | 54篇 |
2009年 | 39篇 |
2008年 | 48篇 |
2007年 | 70篇 |
2006年 | 53篇 |
2005年 | 51篇 |
2004年 | 46篇 |
2003年 | 25篇 |
2002年 | 23篇 |
2001年 | 18篇 |
2000年 | 17篇 |
1999年 | 4篇 |
1998年 | 4篇 |
1997年 | 3篇 |
1996年 | 1篇 |
1993年 | 1篇 |
1992年 | 1篇 |
排序方式: 共有705条查询结果,搜索用时 0 毫秒
81.
《Information processing & management》2022,59(1):102816
Tourism has become a growing industry day by day with the developing economic conditions and the increasing communication and social interaction ability of the people. Forecasting tourism demand is not only important for tourism operators to maximize their revenues but also important for the formation of economic plans of the countries on a global scale. Based on the predictions countries are able to regulate the sectors that benefit economically from tourism locally. Therefore, it is crucial to accurately predict the demand in many weeks advance. In this study, we propose a new demand forecasting model for the hospitality industry that forecasts weekly hotel demand four weeks in advance through Attention-Long Short Term Memory (Attention-LSTM). Unlike most of the existing methods, the proposed method utilizes the time series demand data together with additional features obtained from K-Means Clustering findings such as Top 10 Hotel Features or Hotel Embeddings obtained using Neural Networks (NN). While creating our model, the clustering part was influenced by the fact that travelers choose their accommodation according to certain criteria, and the hotels meeting similar criteria may have similar demands. Therefore, before the clustering part, we also applied methods that would enable us to represent the features of the hotels more properly and we observed that 10-D Embedded Hotel Data representation with NN Embeddings came to the fore. In order to observe the performance of the proposed hotel demand forecasting model we used a real-world dataset provided by a tourism agency in Turkey and the results show that the proposed model achieves less mean absolute error and mean absolute percentage error (at worst % 3 and at most % 29 improvements) compared to the currently used machine learning and deep learning models. 相似文献
82.
星汉 《新疆师范大学学报(哲学社会科学版)》2002,23(2):80-83
章认为押韵是我国诗歌在形式上第一个特征和最重要的条件。时代在前进,语音也在变化,今日作诗填词必须改革诗韵,废除平水韵,另编新韵。以《中华人民共和国国家通用语言字法》为法律依据,主张按《汉语拼音方案》的韵母表分为15个韵部。分部后的各韵之间不宜通押,特别是前后鼻音不能通押。 相似文献
83.
明末清初是思想文化的重大变革时期,在经学文学化过程中,文学不断从传统经学中汲取养料,直接影响着文学创作;经学通过文学的生动表达,拓展了经学本身发展的文化空间。明末清初才子佳人小说大量引用《诗经》"二南"的诗句,直接影响着小说的主题思想、语言艺术以及小说伦理的特殊指涉等,使小说在创作上呈现出强烈的经学化倾向。才子佳人小说创作经学化的原因复杂,一方面,时代变革过程中经学裂变对文化进行自我选择;另一方面,人们用文学的心态观照经学,在文学召唤中对经学做出了应答。 相似文献
84.
85.
陈澄 《乐山师范学院学报》2014,(6):73-77
佐佐木健一作为日本当代著名美学家,享有极高的国际声誉。他是继大西克礼、植田寿藏、竹内敏雄、今道友信之后,取得可观成果、成就突出的日本美学家。在其整个美学体系之中,自然美思想独树一帜。文章将其自然美思想分成三个阶段进行研究:初始阶段、成熟阶段和拓展阶段。通过论述其自然美定义的发展变化,分析其自然美思想的本国理论起源和对西方环境美学的借鉴,从而洞悉日本自然美学的发展现状,这对于同处于东方文化圈的我国自然美学发展很具有借鉴意义。 相似文献
86.
陈斌 《福建师范大学学报(哲学社会科学版)》2012,(3):68-74,81
明嘉靖年间松江著名学者、诗人徐献忠生平有二事素来为人误解与忽视:其一,被罢奉化令,并非因沈恺之挤兑,乃替彭城某官私谒长吏触禁被劾所致;其二,他与岘山逸老社有密切关系。献忠的诗学著作《唐诗品》、《唐诗玉水集》、《乐府原》及《六朝声偶集》等或未梓、或流布不广,本文对诸书特点及编刻情况一并予以考订。 相似文献
87.
杨富有 《广播电视大学学报》2012,(1)
大多数身为翰林大臣的扈从诗人随扈皇上往来于大都与上都之间的经历,丰富了他们的人生视野和创作素材。恢弘的草原景象、变化无常的气候、诗人的怀乡情怀、粗犷的边塞生活、豪迈的民族精神、深沉的历史积淀等,培养了诗人豪迈、乐观的主体情感。这使他们能够敏感地把握住具有鲜明边塞特点的诗歌意象,创作出一系列具有鲜明边塞况味的诗歌作品,形成了浓郁的边塞诗风。这是盛唐以来边塞诗风的赓续,也是元代民族与时代精神特点的写照。 相似文献
88.
知识建构理论鼓励学生进行组间交互形成高层次的集体认知责任,教学过程中会生成一类特殊角色——外组中间人。为探究外组中间人的特征与作用以支持知识建构理论的发展与教育实践,研究全程跟踪南京师范大学硕士班“学习科学”知识建构课堂,原始数据是学生在数课云平台上发表、建构与评论的观点及交互的次数与方向。运用UCINET确定外组中间人,以描述性统计及内容分析归纳外组中间人的关键特征与作用。研究表明:知识建构社区中的外组中间人具有生成性、动态性、嵌套性与间接性的特征;他们通过观点陈述、提供资料、持续追问等方式干预外组活动;他们不仅是信息中介,更是知识中介。教师敏锐发现外组中间人,有意识地积极引导,将有助于促进社区深度知识建构的发展。 相似文献
89.
在中国现代诗歌发展史中,叙事诗处于文学的边缘化地位。朱湘是新诗史早期自觉创作叙事诗的诗人之一,徐志摩称他"宜于作叙事诗和史诗"。《王娇》是朱湘叙事诗的代表作,也是中国现代叙事诗的压卷之作。本文以《王娇》为代表,在对朱湘叙事诗的叙事主旨(诗意)和艺术形式(诗艺)分析基础上,指出了朱湘对现代叙事诗文体建设的历史性贡献及其在现代叙事诗歌史上的地位。 相似文献
90.