高职高专园林专业植物模块课程构架的探讨

植物是景观规划设计的重要组成部分,因有着其它景观要素无法比拟的特性,所以设计中较难把握。本文探讨了高职高专院校园林植物模块课程的构架,提出课程双维架构模式,即纵向序列和横向序列。     

广告图像序列的涌现叙事分析

近年来对广告语篇的多模态研究成了语言学领域中的一个重要话题。相关研究多围绕单个广告画面,未发现对某一主题广告图像序列进行的研究。本文运用Lim研究连环画中图像序列的方法,分析一则公益广告图像序列中的涌现叙事进行探讨。结果表明,Lim提出的视觉语义层次理论可以运用于对广告图像序列的分析,同时证明该理论对汉语语篇进行分析的可行性。     

国际职业格斗赛事的类型分化与序列演化

职业格斗赛事是以职业选手为参赛主体,以高水平格斗赛事为商品,以此获得经济效益的专门性体育经济活动。在职业格斗赛事领域,格斗赛事经由类型分化,以及同质性格斗类运动项目的聚类融合,呈现出职业拳击赛事、职业站立格斗赛事和职业综合格斗赛事3大类型赛事并行发展的态势。在职业拳击赛事方面,赛事组织经分化呈现出以WBA、WBC、IBF和WBO这4大职业拳击组织举办的赛事序列演化格局。在职业站立格斗赛事方面,“K-1”时代的更迭先后经历了创立与探索发展阶段、由兴盛而衰落阶段与重建阶段;在后“K-1”时代,“K-1”主导的站立格斗赛事发展格局被打破,呈现出多元竞争与发展的格局。在职业综合格斗赛事方面,以美国“UFC”为主导的职业综合格斗赛事经过了从早期“无限制”赛事向“综合格斗”赛事的转型,从“边缘化”走向中兴。在一定时期内,美国“UFC”将主导国际职业综合格斗赛事的发展,在“UFC”的主导下,职业综合格斗赛事将进一步扩张,并呈现全球化发展之势。     

基于共链分析的企业竞争情报实证研究——以房地产企业网站为例

以2013年上半年中国房地产企业销售额前20强为对象,根据网站关联图绘制原理,运用SPSS软件和UCINET6软件,对21家房地产企业的共链数据进行可视化分析,描述当前房地产企业之间的竞争格局,分析房地产市场的竞争现状,并对房地产企业的竞争策略提出建议。     

基于国外博士学位论文的知识管理研究热点及趋势

以PQDT数据库中1984-2013年间共729篇国外知识管理领域博士学位论文为研究对象,采用Excel、SPSS软件进行共词分析、聚类分析和战略坐标图分析。结果显示：国外知识管理领域博士论文的研究主要集中在9个方面,其中知识形态研究、信息技术与知识管理系统研究、组织学习与战略管理研究是核心热点,企业创新与资本研究处于成熟研究区域,人工智能与决策支持研究处于研究的边缘位置,电子商务与知识整合研究、知识管理方式研究、知识管理应用研究有可能成为新的研究热点,组织文化研究具有发展为核心研究热点的潜力。     

200MW机组气力输灰系统的自适应优化

针对某供热电厂#5机组输灰系统输灰气源压力经常被大幅度拉低、运行人员需频繁调整仓泵进料时间的现象进行深入分析,在输灰顺控逻辑上增加了输灰时间自适应优化,根据该锅炉自身特性成功实现了在机组调峰、煤种改变的情况下输灰系统的高自动化、经济、稳定运行。     

DFFD自由变形算法实现过程

本文主要从三维的Delaunay三角划分、三维Voronoi图和sibson坐标值三个方面对算法进行全面分析。     

青海省东乘公麻金矿床Ⅵ号矿体原生晕特征及深部找矿预测

东乘公麻金矿床是青海省巴颜喀拉造山带北缘Au-Sb成矿带上新发现的中型金矿床,由于受“生态保护第一,尊重群众意愿”政策影响,勘查工作主要以深部勘查为主,本文选择该矿床有代表性的VI号矿体,研究其构造原生晕轴向分带序列。研究结果表明：VI号矿体原生晕分带序列为：（Au、Sb、As）→（Bi、Pb）→（Ag、Cu、Zn）;分带序列呈现“反分带”趋势,地球化学参数“反转”,前、尾晕共存,预测VI号矿体深部延伸较好或有隐伏矿体存在的可能性,圈定了成矿靶区,以期为矿山下一步探矿工作提供科学依据。     

浅谈我馆图书索书号取法

随着科学技术的发展,各高校图书馆都在探究适合自身的图书取号方法,并在实际的工作中不断摸索改进,基本上都确立了各自的取号方法。本文首先对索书号的构成进行了叙述,重点对华侨大学厦门工学院图书馆图书索书号的取法进行了阐述,针对一般图书、不同版本图书、多卷书、连续出版物、配套书以及套书种次号的取法进行论述,全面讲述了一个让图书馆的藏书排架更科学合理、便于利用的图书取号法。     

AdaSL: An Unsupervised Domain Adaptation framework for Arabic multi-dialectal Sequence Labeling

Dialectal Arabic (DA) refers to varieties of everyday spoken languages in the Arab world. These dialects differ according to the country and region of the speaker, and their textual content is constantly growing with the rise of social media networks and web blogs. Although research on Natural Language Processing (NLP) on standard Arabic, namely Modern Standard Arabic (MSA), has witnessed remarkable progress, research efforts on DA are rather limited. This is due to numerous challenges, such as the scarcity of labeled data as well as the nature and structure of DA. While some recent works have reached decent results on several DA sentence classification tasks, other complex tasks, such as sequence labeling, still suffer from weak performances when it comes to DA varieties with either a limited amount of labeled data or unlabeled data only. Besides, it has been shown that zero-shot transfer learning from models trained on MSA does not perform well on DA. In this paper, we introduce AdaSL, a new unsupervised domain adaptation framework for Arabic multi-dialectal sequence labeling, leveraging unlabeled DA data, labeled MSA data, and existing multilingual and Arabic Pre-trained Language Models (PLMs). The proposed framework relies on four key components: (1) domain adaptive fine-tuning of multilingual/MSA language models on unlabeled DA data, (2) sub-word embedding pooling, (3) iterative self-training on unlabeled DA data, and (4) iterative DA and MSA distribution alignment. We evaluate our framework on multi-dialectal Named Entity Recognition (NER) and Part-of-Speech (POS) tagging tasks.The overall results show that the zero-shot transfer learning, using our proposed framework, boosts the performance of the multilingual PLMs by 40.87% in macro-F1 score for the NER task, while it boosts the accuracy by 6.95% for the POS tagging task. For the Arabic PLMs, our proposed framework increases performance by 16.18% macro-F1 for the NER task and 2.22% accuracy for the POS tagging task, and thus, achieving new state-of-the-art zero-shot transfer learning performance for Arabic multi-dialectal sequence labeling.