9人制排球纳入中学体育"校本课程"的可行性分析

运用文献资料、问卷调查、专家访谈等研究方法,对9人制排球纳入海南省中学体育“校本课程”的可行性进行分析。认为:9人制排球对运动员的技战术要求不高,具有易参与、易掌握、观赏性强、群众基础好等特点;不同群体对9人制排球纳入课堂教学的认可度较高,将其纳入中学体育“校本课程”具有可行性。     

远距离单手肩上投篮训练方法探讨

讨论影响投篮命中率有7个因素:手法、瞄准的方向、球的旋转、抛物线、协调性、判断反应和心理因素,并提出提高远距离投篮命中率的训练方法.     

The Development of Library and Information Profession in the Chinese Academy of Sciences

1　Introduction　　Overthepast45years(1950～1995),undertheleadershipoftheChineseAcademyofSciences(CAS),andinacommoneffortofthestaffmembers,thelibraryandinformationsystemofCAShasbecomeasys-temwithmulti-disciplines,multi-levelsandmulti-functions.Thesystemi…     

EEG闪光刺激诱发试验对运动员神经疲劳评定的研究

本文常规EEG诊断运动疲劳的阳性率为54.54％,应用间歇性节律闪光刺激诱发试验同步记录的EEG结果表明:有运动疲劳的运动员组Alpha波幅下降29％(P<0.05),随着闪光刺激频率的加快产生节律同化的频度逐渐下降、无节律同化的阳性率上升到72.73％(P<0.001),潜伏期和恢复期时间不正常的阳性率分别为74.56％和85.46％(G<0.001),比常规EEG诊断运动疲劳的阳性率明显高。     

市场经济对体育法制化之规定的思考

不同的社会经济形态和经济运行方式，对体育的调整方式与管理模式起着重要的制约作用。以市场为取向的体育改革，会出现多元化体育主体的自主交往，要求建立各种类型的体育市场，还应由国家进行宏观调控，这都必须以体育的法制化为条件。为此需要以转变思想观念、建构法规体系、，加强队伍建设、保证有效实施等方面入手，建立与市场经济有机契合的体育法制系统。     

北京体育大学本科课程设置的现状

对北京体育大学本科6个专业的课程总量、课程结构和学分比例、课程分量和课程层次等现状进行了调查和分析，提出了我校本科课程设置的改革建议。     

关于编辑学一些问题的初步探索

编辑学是发展于多学科之间的边缘科学,是关于语意信息的获取、选择和加工的信息科学。本文着重就以下几个方面进行探索:a.从信息论之信源、信道、信宿,信息的负熵原理,信息的有效性探讨编辑学的信息科学原理;b.文稿系统观,从系统的整体性及部分与整体的关系,内部的相干性,目的性,层次性等讨论文稿及编辑加工;c.“悖论”是用于编辑鉴别的内容之一。     

融合深度学习和链路预测的细粒度技术预测研究——以合成生物技术为例

[目的/意义]面向专利文本进行更细粒度的技术实体识别和技术预测,利于更详细地把握专利技术布局与趋势。[方法/过程]首先利用深度学习方法自动识别专利技术术语类实体,通过实验对比多组深度学习算法的优劣。其次,提出新的半监督标注和自定义标注方案,提高人工标注效率。最后,执行训练得到的最优模型,结合链路预测方法,对合成生物技术进行细粒度的技术预测。[结果/结论]实证结果表明RoBERTa-BiLSTM-CRF模型更适用于语义复杂的专利技术实体识别,F1值可达到86.8%,技术识别结果比传统IPC分析方法更精细。同时,细粒度的技术预测结果表明,合成生物学的合成方法在不断改进创新,合成物研究向合成燃料发展。     

史书多维知识重组与可视化研究——以《史记》为对象

艰涩的古汉语文法和线性的内容呈现方式是普通读者从史籍原文获取所需信息的两大障碍。该问题的解决需要实现史书知识重组与形式再造,即支持从时间、人物、地点等多个维度出发获取史书中的知识,并以图结构的方式呈现所返回的结构化知识以及对应的史书原文,从而在降低相关信息的获取与理解难度的同时,拉近读者与史籍原文的距离。然而,目前基于史书原文获取结构化知识的研究较少,已有研究自动化程度较低,且多在可视化呈现上与史书原文相割裂。因此,本研究提出并实现了史书多维知识重组与可视化系统,该系统包括史书多维知识建模、基于古籍智能处理技术的史书多维知识库自动构建与多维知识可视化三部分。最终将该系统应用于我国第一部纪传体史书《史记》,实现了其以人物、时间、地点、社会集团、职官等不同维度为中心的自动重组与可视化。     

基于无监督图神经网络的学术文献表示学习研究

学术文献特征表示,是学术文献搜索、分类组织、个性化推荐等学术大数据服务的关键步骤。研究表明,图神经网络能够有效学习文献的特征表示,然而当前研究主要集中在有监督学习方法上,不仅对数据集的大小和质量的要求较高,且学习到的文献特征表示与具体任务高度耦合。基于此,本文将四种无监督图神经网络方法引入学术文献表示学习,从Cora、CiteSeer和DBLP (database systems and logic programming)数据集的引文网络、共被引网络和文献耦合网络中学习文献的表示向量,并应用于文献分类和论文推荐两大下游任务。研究结果表明,(1)深度互信息图神经网络适合于文献分类任务,对抗正则化变分图自编码器则在论文推荐任务上性能更佳;(2)Cora数据集上的结果表明,相较于共被引和文献耦合网络,引文网络更适合于学习通用的文献表示向量。