新时代科研范式变革的内涵及应对

文章从理论和实践层面对科研范式变革的主要内涵和重要影响进行综合性探讨。在理论层面上,从库恩及其代表作《科学革命的结构》入手,探讨“范式”概念的逻辑本质。在实践层面上,通过问卷调查和访谈等形式,调研、凝练出新时代科研范式变革的3个方面内涵：解决系统性复杂问题成为新时代科研范式变革主要驱动力,仿真模拟和数据科学可能成为推动科研范式变革的有效突破口,科研活动组织创新成为推动科研范式变革的基础。在此基础上,分析目前我国应对科研范式变革存在的问题,并提出相应的政策建议。     

AugPrompt: Knowledgeable augmented-trigger prompt for few-shot event classification

Few-Shot Event Classification (FSEC) aims at assigning event labels to unlabeled sentences when limited annotated samples are available. Existing works mainly focus on using meta-learning to overcome the low-resource problem that still requires abundant held-out classes for model learning and selection. Thus we propose to deal with the low-resource problem by utilizing prompts. Further, existing methods suffer from severe trigger biases that may result in ignorance of the context. That is, the correct classifications are gained by looking at only the triggers, which hurts the model’s generalization ability. Thus, we propose a knowledgeable augmented-trigger prompt FSEC framework (AugPrompt), which can overcome the bias issues and alleviates the classification bottleneck brought by insufficient data. In detail, we first design an External Knowledge Injection (EKI) module to incorporate an external knowledge base (Related Words) for trigger augmentation. Then, we propose an Event Prompt Generation (EPG) module to generate appropriate discrete prompts for initializing the continuous prompts. After that, we propose an Event Prompt Tuning (EPT) module to automatically search prompts in the continuous space for FSEC and finally predict the corresponding event types of the inputs. We conduct extensive experiments on two public English datasets for FSEC, i.e., FewEvent and RAMS. The experimental results show the superiority of our proposal over the competitive baselines, where the maximum accuracy increase compared to the strongest baseline reaches 10.8%.     

社会研究方法的课程群建设探索——以东北师范大学政法学院为例

社会研究方法的课程群,是指以提高学生社会科学研究能力为目标,通过院、系两个层面的课程关联性建构而形成的,承接合理、重点突出的课程体系。东北师范大学政法学院通过顶层设计、交流研讨、队伍建设和项目支持等保障措施,促进了社会研究方法课程群的顺利建设,这对于更好地实现人才培养目标、推动学院学科发展有着重要的现实意义。     

基于绿色创新补助政策的银企系统性风险研究

降低银行与绿色创新企业间面临的系统性风险已成为中国现阶段经济发展亟待解决的问题。本文将银行与绿色创新企业两类主体作为研究对象,构建人工银企系统,基于仿真实验着重考察其重要主体行为。具体地,着重于考察资产负债表构建与更新、主体行为动态演化、流动性资产更新以及违约清算机制等方面,通过仿真手段探究绿色创新补助政策形式与补助强度对银企系统性风险与系统总收益的影响机制,以对理论模型进行全面验证。本研究结论的意义在于：聚焦于绿色创新补助政策与银企系统性风险的内在关系,通过计算实验方法进行验证与延伸,为促进中国绿色创新企业健康发展,帮助政府与银行防范绿色创新企业可能导致的系统性风险提供理论机制参考与新观点。     

网络舆情安全应用中主题分类方法的研究与实现

针对网络舆情安全应用中主题分类问题展开研究。主题分类需要解决5个问题。建立了网络舆情安全应用的分类体系;介绍了文档特征提取和选择方法;分析了向量空间模型;实现了KNN和SVM两种分类算法。验证了方法的实用性。     

图像的增强与分割方法研究

以图像增强与分割这两个计算机视觉中最具基础性质的研究方向为内容,深入研究了红外序列图像的增强,以及一般图像的分割问题.在图像增强方面,提出了一种基于模型的远红外序列图像自适应增强算法(ASTHF).该算法保持了原有算法的良好效果和计算效率,从而达到了视觉效果和运算速度的良好统一.在图像分割方面,提出了一种综合利用边缘和区域信息的图像分割方法--基于尺度空间的区域竞争一般框架(GSRC).通过将被误标记可能性小的像素作为种子,GSRC首先自动确定初始分割(粗分割),然后以能量泛函为工具,通过综合运用轮廊平滑、概率模型和区域竞争来确定最终的分割(精细分割).GSRC不仅能有效地利用图像特征,还为特征的知觉组织提供了一条简单的计算途径.     

先验概率对最大似然法提取土地利用现状信息精度的影响

最大似然分类法是提取土地利用现状信息时常用的一种遥感分类技术,但研究者分类前无法确切知道各类别的先验概率,因此先验概率是最大似然分类法的主要难点之一.该文从理论上分析了先验概率对最大似然分类法分类结果生产者精度、使用者精度、总精度和kappa指数的影响,提出运用循环迭代法来消除先验概率对最大似然分类法分类结果的影响,并指出了循环迭代法能够进行的条件.最后以郑州市为例进行了实证研究.研究表明:运用循环迭代法进行最大似然法分类保证了错分损失最小,可提高遥感影像总分类精度,但对不同分布面积的类别的分类精度影响不一样:对于分布面积大于平均值的类别,一般会提高其生产者精度,但会使使用者精度降低,使得分类面积大于实际面积;分布面积小于平均值的类别,一般会提高其使用者精度,但会使生产者精度降低,使得分类面积小于实际面积.     

论现代学科建设与发展的"自组织"模式

学科建设与发展的过程就是知识集合的过程,这种知识集合经历了从线性律到交融律两个阶段。在对学科建设与发展的结构性矛盾和体制性矛盾分析的基础上,提出了组织“感应能力”与“响应能力”相统一的学科建设与发展的“自组织”行为模式。     

中国科学技术史研究70年

新中国成立之初,科技史作为爱国主义教育的重要议题得到国家的重视。1957年,中国科学院中国自然科学史研究室的成立标志着科技史学科在中国的建制化及研究队伍的职业化。在整理历史资料的基础上,科技史学者主要开展学科史和专题史的研究。1978年以来,科技史学科进入快速发展阶段。中国科学技术史学会和高校研究单元陆续成立,多种学术期刊问世,国内外学术交流活跃,国际化进程加快。同时,研究工作从古代延伸到近现代,从中国扩展到世界,不断拓展新的研究领域,取得了一系列重要成果。近年来,高校的科技史学科在不断调整,带来机遇和挑战。     

Exploring features for the automatic identification of user goals in web search

Queries submitted to search engines can be classified according to the user goals into three distinct categories: navigational, informational, and transactional. Such classification may be useful, for instance, as additional information for advertisement selection algorithms and for search engine ranking functions, among other possible applications. This paper presents a study about the impact of using several features extracted from the document collection and query logs on the task of automatically identifying the users’ goals behind their queries. We propose the use of new features not previously reported in literature and study their impact on the quality of the query classification task. Further, we study the impact of each feature on different web collections, showing that the choice of the best set of features may change according to the target collection.