读懂“活的画” 展现“真的美”——三下《荷花》第2自然段教学

【教学目标】1.学习第2自然段,抓住关键词品味、想象,感受荷花的美丽与生机,体会“挨挨挤挤、冒、饱胀”等词语的优美生动。2.仿照第2自然段,运用观察与联想相结合的方法,描写桃花的不同姿态。     

基于语义文本图的论文摘要关键词抽取算法

鉴于关键词对大规模文献检索和文本内容分析的基础作用,本文提出了一种基于语义文本图的无监督关键词抽取算法,重点对传统基于图(graph-based)方法中的文本图构建和词加权方式进行改进。为了使文本图保留更多的语义和结构信息,算法根据单词在句子中的语义依存关系,生成由概念连接、等价隶属、功能属性和修饰限定四种属性边构成的语义文本图,省去传统图生成方法中所需要的窗口长度参数设定。在此基础上,本文提出融合关键词位置信息、概念层级和连接强度的词权重计算方法,并对词语的重要性排序,最终选择高得分节点构成摘要文本的关键词集合。在四个开放语料上的实验结果显示,本文提出的方法抽词效果优于其他三个同类baseline算法,F1值最高为0.570。     

学术文本词汇功能识别——在关键词自动抽取中的应用

传统的关键词自动抽取常以候选词的出现频次、位置等非语义信息构建特征,并未考虑关键词在学术文献中承担的特定语义角色,即词汇功能。通过对现有数据统计,本文发现作者标注关键词中约有67.99%是研究问题或研究方法词。因此,本文将关键词的词汇功能分为三类:"研究问题""研究方法"和"其他",在传统的词频特征以及位置特征基础上,融合词汇功能特征,使用计算机领域的学术文献基于分类和排序两种思想进行关键词抽取实验。实验结果表明,融合词汇功能后,关键词抽取效果得到明显提升。相较于基准实验,二分类模型的准确率Acc和F值分别相对提升24.63%和25.19%,达到了0.840和0.666;排序模型的MAP、NDCG@5和P@5分别相对提升168.32%、189.50%和148.30%,提升至0.813、0.828和0.447,证明了学术文献词汇功能特征在关键词自动抽取中具有重要作用。     

运用矩阵算法的人口预测模型

运用矩阵算法,以2001年第5次人口普查和其后3年数据为依据,对我国人口发展做了预测计算。结果与权威数据吻合。     

三角函数解答题复习要点

三角函数作为高考中的重点考查内容,一直是教学中的重点。纵观近几年的高考解答题,呈现出如下变化和特点：①降低了三角变换的考查要求,加强了对基本知识、基本技能、基本思想的考查;②加强了对三角函数图像及性质的考查;③在解三角形时。常辅以向量知识。笔据此总结出如下三种命题形式,作为高三复习时的要点。     

向量的工具性及其应用

向量是高中数学中的新增内容。作为解决数学问题的一个重要平台,向量为数学解题提供了重要的思想方法和手段,使某些数学问题的解决变得简洁明快。近几年,有关向量题材的问题在高考试题中也频频出现。向量既有大小,又有方向,方向决定了向量和几何的关系,大小决定了向量和实数的联系。因此除了向量本身的知识内容外,向量作为工具性的知识,与不等式、解析几何、平面几何、立体几何、函数等的结合,成为中学数学教学研究的一个重要课题。一、与不等式的结合向量本身不能比较大小,但是向量的模和向量的数量积是实数,它们是可以比较大小的,这一点正是向量与不等式能够广泛结合的基础。不等式:||(a|→)|-|(b|→)||≤|(a|→)±(b|→)|≤|(a|→)| |(b|→)|;|(a|→)·(b|→)|≤|(a|→)||(b|→)|是向量与不等式联系的基础,其应用是广泛而深入的。     

基于信息度量与SVM的文本图像自动提取技术

在网络文本图像的自动提取过程中,计算机难以直接实现基于高层语义特征的文本图像提取,因此文本图像提取技术的性能很走程度上依赖于底层统计特征的提取。广义归一化图像信息度量（GNPIM）和Lorenz信息度量（LIM）在灰度级上描述了图像的分布,在语义层上反映了图像的内容,是区分文本图像和一般连续色调图像的有效统计特征,作为支持向量机（SVM）的输入向量。可区分文本图像与连续色调图像,从而实现网络中文本图像的自动提取。实验结果表明,基于GNPIM、LIM与SVM的文本图像提取技术能够有效提取网络中的文本图像。且正确率高,速度快。     

一道高考向量试题的再认识

综观每年的高考试题,我们都可以发现许多“好题”,如果我们能够对它们进行思考、认识、再思考、再认识,不难发现它们背景丰富、构思巧妙、方法多样,这些“好题”不但可以很好地考查学生的知识与能力,而且对高三数学的复习教学具有很好的导向与促进作用．