基于清华汉语树库的时间表达式抽取模型构建研究

基于清华汉语树库,利用条件随机场,构建时间表达式知识抽取模型。为了确保模型的性能,统计分析时间表达式的内部和外部特征,并把确定的特征应用到模型的构建中。在语言特征模板基础上,在摘要语料上抽取验证表明,时间表达式抽取模型的调和平均值最高达到80.83%。     

MeSH词表的语义相似度计算研究*

 借鉴Rodriguez和Egenhofer提出的语义相似度计算模型,结合医学领域主题词表MeSH的特点,提出MeSH主题词表中的语义相似度计算方法,实验结果证明该方法是有效的。     

体育侵权案中如何适用自甘风险规则——以侵权责任法为视角

分析认为,尽管即将实施的侵权责任法,其自甘风险规则规定非常明确,但是,司法实践中要注意区分受害人同意规则和共同过失规则,要把握自甘风险规则的民事责任构成的特点和免责与损失分担的区别,制度设计上采取抗辩说比过错说更符合法律哲学.     

浅探传统武术传承内容流失

传统武术的传承是武术传播非常重要的一部分,在武术不断向外发展的今天,传统武术自身的传承出现了一些比较大的流失。文章运用文献资料法和逻辑分析法,从传承的视角对传统武术传承出现的危机进行了梳理,结果显示传统武术传承过程中内容的流失主要表现在技击属性的转变、武德与文化内涵的流失、功法的衰落和武术精神的脱离。     

国外运动科学领域减肥研究的热点内容及发展趋向

为探究国外运动减肥研究的热点内容和演化趋向,以Web of Science核心合集中的SCI-EXPANDED、SSCI、A&HCI为来源数据库,对其中运动科学领域减肥研究的1 211篇文献进行科学计量和文本内容分析。结果显示:(1)有34个国家和地区的学者对运动减肥进行研究。2004年之后,逐渐形成内容丰富的研究体系;(2)研究演进过程可分为萌发、快速发展、深入发展和领域拓展四个阶段;(3)主要聚焦于减肥对健康的影响、减肥的方式方法、减肥后如何防止体重恢复等热点主题;(4)呈现四个方面的发展特征,研究对象越来越有针对性,研究内容从减肥健康原理向减肥方式方法的应用性转化,干预手段从单一运动方案向多重组合方式转变,研究结果倾向量化的数据指标反映关联关系。     

经济不发达地区公共图书馆用户流失成因分析及对策研究

文章着眼于经济不发达地区公共图书馆用户流失问题,并在调研的基础上,系统了解公共图书馆目前的用户现状,分析了用户流失的原因,力求探讨解决问题的途径。     

俄风东渐——中国汉字拉丁化的由来与得失

中国汉字的拉丁化运动,一方面受俄风的影响,另一方面又是中国大众化的需求.以东干文为参照,分析这场运动的利弊与得失.就其批判言文分离、主张建立言文一致的现代普通话,重视现代汉语的多音节词汇及新词的创造,克服汉字的繁难而言,有其合理性.但主张废除汉字,不标声调,是其致命弊端.     

基于句子匹配的文章自写度测评系统

针对人工进行不同文章中相同内容的判断存在着较大困难的局面，提出一个基于句子匹配的文章自写度测评系统。设计基于句子匹配的文章自写度测评系统的系统结构，论述句子分析器、句子匹配器与文章自写度评价器3个关键模块的详细流程，并设计相应算法。选取小规模数据进行实验，实验结果表明，基于句子匹配的文章自写度测评系统从技术上完全可行。最后分析基于句子匹配的文章自写度测评系统的难点及问题。     

基于句子相似度的文档复制检测算法研究

提出一种基于句子相似度的文档复制检测技术，在抓住文档的全局特征的同时又兼顾文档的结构信息，克服以往检测算法两者不可兼顾的缺陷，提高检测精度。最后，给出该算法与其他算法检测结果的比较情况。实验证明，该算法是可行的。     

Exploiting the Similarity of Non-Matching Terms at Retrieval Time

In classic Information Retrieval systems a relevant document will not be retrieved in response to a query if the document and query representations do not share at least one term. This problem, known as term mismatch, has been recognised for a long time by the Information Retrieval community and a number of possible solutions have been proposed. Here I present a preliminary investigation into a new class of retrieval models that attempt to solve the term mismatch problem by exploiting complete or partial knowledge of term similarity in the term space. The use of term similarity enables to enhance classic retrieval models by taking into account non-matching terms. The theoretical advantages and drawbacks of these models are presented and compared with other models tackling the same problem. A preliminary experimental investigation into the performance gain achieved by exploiting term similarity with the proposed models is presented and discussed.