谈谈网络文化存在的几个问题

网络是一种特殊的信息媒体，网络传播已进入到数字化时代。网络资源丰富多彩，它给人们带来巨大便利的同时也存在着诸多问题，且网络文化对传统文化的冲击不容忽视。     

世界优秀跨栏运动员分栏时间与专项成绩灰色关联分析

运用文献资料和灰色关联分析法,对世界优秀男子110m跨栏运动员的分栏时间与专项成绩进行综合分析.得出世界优秀男子110m跨栏运动员的分栏时间与专项成绩的关联度,并进行排序,分析各分栏时间对专项成绩的影响程度,为世界优秀男子110m跨栏运动员的训练提供理论参考.     

汉字在宋代社会的发展

对于汉字的发展来说,宋代是一个特殊的历史时期,当时的诸多社会文化因素对汉字发 展产生了极其重要的影响。宋代经济的繁荣,教育的普及,底层文化的兴起,政治学术 思想的斗争,以及文学观念的矛盾等等,都在汉字上打下了深深的烙印,使得宋代汉字 处在治与乱、正与俗的激烈碰撞之中。     

基于深度学习的科学数据集检索方法研究

[目的/意义]为了支撑数据驱动研究范式,促进科学数据的共享与利用,提高数据仓储和发现平台中数据集检索功能的效果。[方法/过程]将科学数据集检索过程分为候选数据集检索和候选数据集重排序两个主要阶段：在第一阶段,将BM25模型与基于SimCSE的稠密检索模型结合,获取潜在的相关数据集;在第二阶段,基于BERT排序模型对候选数据集的相关性进行评分,据此优化检索结果排序。[结果/结论]从国内外13个人文社科相关的科学数据仓储平台采集约10万数据集的元数据进行检索实验和效果评价,结果表明：提出的检索模型效果最优,其NDCG@10的得分分别高于基准的向量空间和BM25模型23.6和11.7个百分点;对各模型检索结果分析发现,该模型相比基准模型具有更强的语义检索能力;此外,还对模型权重设置进行分析,可为实践应用中的参数设置提供参考。[局限]仅在英文人文社科数据集上进行模型效果验证。     

汉字拉丁式五笔输入法——西方人的汉字(手写体)速成法

中文教学中最令人头痛的是汉字教学.因为汉字结构复杂,笔划纵横交错,形态各异.很多西方人把汉字视为"天书",对汉字采取回避对策--"学汉语,写拼音".     

浅析字体设计中的图形汉字设计

现代图形设计是对文化的认同,而不是简单的对符号或图形的认同。探索本土文化的内涵,找出传统文化与自己个性的碰撞点,形成自己的设计风格,这才是运用汉字进行图形设计的精髓所在。     

基于聚类分析和因子分析的学生成绩分析模型

采用SPSS软件,对咸宁学院数学与统计学院2007级统计学专业的学生成绩进行分析。首先对学生的成绩进行因子分析,根据因子得分矩阵排序,最后再根据因子得分矩阵进行聚类分析。分析的结果说明,对该专业学生的综合评价主要考察学生的数学基础、统计专业、数学专业、身体素质、经济等方面,也可以通过这几个因子分析学生的薄弱所在,为他们在学习方法上提供改进建议,同时可根据聚类的结果为学生找工作、考研提供可行性建议。     

汉字在视觉传达中的图像叙事研究

汉字在视觉传达设计中不仅可以作为一种记录与传播信息的语言符号,还可以作为一种蕴藏文明与历史的图像符号进行研究。从汉字在视觉传达中的价值和文化内涵出发,通过图像化的表达将汉字本身的内涵和文化在图像叙事中转译出来,探讨汉字在视觉传达中的呈现维度。深入研究汉字在视觉传达中的图像叙事方式,从符号转译、异质同构、图像化文字,到文字编排,结合案例分析为呈现出汉字在视觉传达中的多种表达方式。以此来推动汉字文化的传承和发扬,提升汉字文化的视觉表达效果,促进汉字在民族文化与艺术中的长足发展。     

面向数字人文的古诗文本情感术语抽取与应用研究

在跨学科知识范式下,数字人文的研究范畴随着自身学科体系的拓展而不断泛化,采取关键语义技术解析文化对象中的人文内涵与情感知识对于重拾学科“人文性”与“计算性”特质具有重要意义。本文以古诗文本为例,面向汉语诗文及其鉴赏实现大规模人文情感术语的自动化抽取与分析。首先在无标注集环境下提出一种基于“冷启动”的字序列自动标引方法来获取学习语料,随后在字向量（Char2Vec）指导下将汉字特征（部首、拼音等）和BERT语言学模型分别引入机器学习与深度学习模型,并从知识发现的角度定义新术语识别规则。研究发现,将现代鉴赏融入古诗原文显著优化了情感知识的广度与深度,领域术语能够被有效标引。训练的BERT-BiLSTM-CRFs深度学习模型的效果明显优于CRFs机器学习,最佳F1与F1_distinct可分别达到9563%和8543%;同时汉字特征的引入也有效提升了传统CRFs效果,以领域特征和基于“竖心旁”“心字底”部首约束特征为最优。相较于机器学习抽取出的长篇幅新术语,深度学习能够拓展出更多寄托情感知识的新意象词。源于诗文与鉴赏的情感术语为文学信息资源的情感分析与知识服务提供了参考（人文性）,基于汉字语言特征的抽取方案为中文领域自然语言处理技术的深化提供了启迪（计算性）。图11。表6。参考文献30。