反排木鼓舞：从历史记忆到文化表征

反排木鼓舞作为文化的一种展示方式,随着时代的不同发生着文化的变迁和意义的生产,由一种族群源流与迁徙,祖先历史与记忆的隐喻和象征,逐渐转向反排文化,这种文化的展示与表征,一是通过苗族形象,二是展示和表征贵州少数民族和苗族的文化符号,从而实现文化的再生产。     

交换Artin分次环的一个性质

:证明了交换Artin分次环的一个性质 ,即它具有有限表示型的充要条件是它的分次理想格是分配格     

全同电子对称空间波函数的标准杨表表示

对全同电子组态(lf+l8-)给出的nλ个标准杨表Ti[λ],把与T1[λ]相联系的n电子体系的位置函数φ1改写为n电子体系的无微扰态函数φ1e,并给出自旋反向的电子间位置函数交换的等几率假设,由此确定了与T[λ]相联系的算符q+e,从而得到了T[λ]的有确定置换对称性的无微扰态函数的解析式,给出了全同电子谱项波函数的标准杨表表示.     

知识表示的方法研究

知识表示（Knowledge Representation）是知识工程的关键技术之一,主要研究用什么样的方法将解决问题所需的知识存储在计算机中,并便于计算机处理。知识表示的适当与否直接关系到一个知识系统的成败。本文将介绍目前常用的知识表示方法的特征和优缺点,并进行一些分析和比较。     

股东累积投票中的集中委托与代理

集体代理是股东将各自的表决权集中地授予某一代理人,向公司为意思表示或受领意思表示,代理效果归属股东本人的代理。集体代理较个人代理在授权方式、授权内容等方面存在较大区别。股东累积投票中的集中委托与代理是较为典型的一种集体代理形式。股东累积投票的功能就在于为少数股东选出合适的董事或监事,保护小股东的利益。这一制度功能是靠结合代理制度,达到股东表决权的集中完成的。     

中国县域地面坡谱分级及其与人口分布的关系

针对平均坡度指标难以稳健描述地面坡谱特征的问题,提出一种基于频率累加分位归并的坡谱分级方法。作为验证,运用数字高程模型数据将全国县域分为5个坡级,借助2000年和2020年人口普查数据分析了坡级与人口分布的关系。结果发现：（1）所提出的分级方法包含频率累加曲线的构建、基于分位数的参考曲线生成、基于相似度的类型归并3个关键步骤,由此得到的全国县域坡级划分方案具备稳健坡度梯度性、宏观空间连片性以及清晰地学含义。（2）全国县域人口数量总体保持随坡级升高而波动式缩小的特征,且二者间呈现明显的线性负相关关系,线性拟合R2从2000年的0.761上升到了2020年的0.845,20年间人口总数变化量与坡级的线性拟合R2达0.963;人口密度的极端值对其自身的坡级分布有较大影响,当剔除人口密度小于20人/km2和大于2000人/km2的区域后,两个分析年份全国县域人口密度均稳健保持着随坡级升高而线性减小（R2> 0.985）。本文为稳健表达如坡度等环境梯度提供了一种新的可行分级方法,并深化了对中国县域人口分布与坡度关系的认识。     

基于情节本体的叙事性文本语义结构化表示方法研究

叙事性文本是对现实世界的记录,也是人文学者的研究对象与基础,对叙事性文本的阐释更是人文学术研究的基本任务。随着数字人文的发展,人文学者对远距离阅读与策略型阅读的需求与日俱增。作为构成叙事性文本的基本单元,事件和情节是文本解读的重点。为了更好地适应人文学者阅读需求的转变,建构叙事性文本智慧数据,支撑数字人文研究,以情节为视角,以事件为基础,对广泛存在的叙事性文本进行深层次语义表示与结构化处理显得尤为重要。但现阶段较为成熟的文本表示方法更适用于结构相对清晰、统一的科学文本,不能很好地表示叙事性文本中存在的复杂叙事结构,因此,以知识表示与知识组织为出发点,构建符合叙事性文本特征的语义结构化表示方法具有十分重要的意义。本文在梳理叙事学基本理论与概念,以及事件知识表示、事件本体与叙事本体等理论研究的基础上,对叙事文本中存在的事件、事件间关系进行语义建模与表示,同时完善了对情节的定义,构建了基于事件的情节本体EBPO,提出了叙事性文本的"层次-网络"结构模型,用以实现对叙事性文本的语义结构化表示。初步标注的实验结果表明,借助情节本体及结构模型,可以实现对叙事性文本的语义结构化处理。     

信息表征对移动医疗APP隐私政策阅读效果的影响研究——基于认知负荷理论

[目的 /意义]移动医疗场景下的隐私保护是当下亟待解决的重要课题,对其用户隐私政策阅读效果的研究不仅可以激发用户隐私政策阅读意愿、提高用户隐私保护意识,且有利于移动医疗的普及和应用.[方法/过程]尝试从便于用户阅读和理解的视角出发,以认知负荷理论为基础,通过虚拟实验和多因素方差分析对不同类型的用户阅读不同形式的隐私政策...     

基于表示学习的双层知识网络链路预测

当前,针对知识网络的链路预测主要是基于网络拓扑结构的相似性,很少考虑作者的研究领域,导致信息利用不充分等问题,因此本文提出了双层知识网络的链路预测框架hypernet2vec。双层知识网络,即作者合著关系网络和学术领域关系网络,利用网络表示学习,分别将两层网络中的节点映射到低维的向量空间,再输入到专门设计的卷积神经网络中计算并进行链路预测。与经典的链路预测指标如RA指标、LP指标和LRW指标等相比,hypernet2vec模型预测的AUC (area under curve)值取得了显著的提升,平均提升幅度达11.17%。文章还从情报产生层面和复杂系统层面,对模型发生作用的深层机理进行了探讨。     

面向事件的视频语义表示方法

[目的/意义]视频内容正在影响着我国大量人口的信息生活,视频语义的良好表示是推动当前视频内容研究和视频应用服务向前发展的关键基础。现有的视频语义表示方法存在事件语义表示角度和粒度划分方式单一、缺少灵活的对象语义变化机制的问题,因此探究更有效的视频语义表示方法具有重要意义。[方法/过程]提出面向事件的视频语义表示方法。此方法考虑人的双向认知过程,可以根据不同用户背景和需求从不同角度解读和生成事件语义,并定义相应的语义对象和角色的变化机制。[结果/结论]面向事件的视频语义表示方法具有完整的语义表示框架,支持多角度的事件语义表示,可以灵活地进行属性级、对象级和事件级的语义拓展,能够表示更丰富的视频语义。