加拿大孕期体力活动指南（2019）解读与启示

运用文献资料法、逻辑分析法等对加拿大孕期体力活动指南（2019）研制背景、方法和内容等进行分析，探究其特点和规律。主要结论：（1）孕期体力活动指南是目前该研究领域研究成果的继承和完善，重视不同类型体力活动与健康相关证据的收集，依据专家组共识、文献分析、体力活动与健康的剂量-效应关系，并通过公共意见咨询，确保指标制定过程的科学性、严谨性、适用性；（2）采用质量控制方法研制孕期体力活动指南，为受众群体提供合理化的体力活动强度、活动方式及活动安全防控等内容。建议：在“健康中国2030”目标引领下，应尽快研制我国孕期体力活动指南，为孕期体力活动提供科学依据，构建体医融合的服务模式     

体医融合项目的风险治理:一种新的面向与选择——从非典到新型冠状肺炎谈起

体医融合和非医疗健康干预可以有效促进疾病管理与健康服务模式的形成,但体医融合项目治理初期仍然受到理念融合、体医融资、部门协同等因素的影响。该文以病毒、人体免疫与体育运动的体医融合关系视角,依据共生理论对体医融合项目的风险治理逻辑进行了阐述。采用文献资料法、数理统计法等对体医融合项目风险治理的相关个案进行了整理,并基于NVIVO11.0质性分析软件对体医融合个案进行识别分析,构建了体医融合项目风险治理的影响因素评价指标体系,包括13个一级指标30个二级指标。最后提出了体医融合项目风险治理的路径选择(1)将体医融合理念提升至构建公共卫生保障体系战略的高度;(2)落地变现体医融合项目购买方案;(3)打造政府精准购买体医融合项目区块链。     

中外情报学论文创新性特征研究

[目的/意义] 综合运用定性与定量相结合的方法对近年中外情报学论文的创新性进行分析和对比，揭示情报学领域研究的创新性特征，发现领域学术论文中创新句内部的知识关系，进行更细粒度的论文创新性分析，为研究领域创新点深层次利用提供条件，同时丰富科技论文创新性监测的途径，促进科学研究创新。[方法/过程] 从句子级创新性识别出发，选取中英文各两种情报学期刊作为样本，采用信息抽取和机器学习的方法，将创新句的抽取从现有的摘要扩展到全文，充分利用句子结构和句法特征识别领域创新内容，探讨近年中外情报学论文在创新对象、主题、类别等方面的特征，并做对比分析，最后通过对自动分类的论文集合进行定性的内容分析，总结归纳出中外情报学论文创新的表达范式。[结果/结论] 从创新的表达来看，中外情报学论文创新句的分布情况基本一致，英文期刊论文创新的表达更丰富。从创新性特征来看，英文情报学期刊论文创新主题较集中，而中文主题多样和分散；具体方法的创新是近年情报学领域的创新热点，而在研究方法上创新不足；中英文情报学期刊论文的创新性特点都反映了应用研究、实证研究的成果较多，而理论创新推动缓慢的趋势。     

“感叹句+陈述句”类新闻标题的主观性特征

“感叹句+陈述句”类新闻标题是新媒体时代在结构形式方面值得关注的模式之一,本文以语用学、新闻学的相关理论为指导,深入剖析“感叹句+陈述句”类标题鲜明的主观性特征。     

乡村振兴战略背景下的农村黑恶势力犯罪研究

近年来,我国某些地区的农村黑恶势力横行乡里、欺行霸市、独霸一方,对当地农村的政治生活、经济发展与社会稳定造成严重影响。2018年初,国家开展扫黑除恶专项斗争行动,重点打击农村黑恶势力,反映了国家对农村黑恶势力严厉打击的态度:有黑必扫、有恶必除、有伞必打、有腐必反、有乱必治,重拳出击,利剑出鞘,剑指黑恶,除恶务尽。农村黑恶势力危害极大,其形成是多种原因作用的结果,国家必须采取有效措施进行治理。为了增强村民的获得感、幸福感、安全感,打击农村黑恶势力的专项斗争必须不断向纵深推进。     

学术论文研究亮点的语言学特征与分布规律研究

[目的/意义] 论文出版过程中，若能够合理有效地呈现出一篇学术论文的核心观点，不仅可以大大减少科研人员在查找和筛选文献上花费的时间，而且有助于阅读与理解。[方法/过程] 通过标注385篇XML格式期刊论文，构建了研究语料库，再利用关键词分析法对亮点的语言学特征进行分析，借助自然语言处理算法探索亮点的分布特征。[结果/结论] 亮点是一组规范的、语义明确的短句的集合，是一篇学术论文与其他论文相比较的新观点、新视角、新方法、新思路、新结果、新结论等内容的体现。亮点具有新颖性、简明性、易读性、"宣传"性等特点。亮点分为研究创新型亮点、研究方法型亮点、研究过程型亮点与研究结论型亮点，本文发现了亮点在正文和各章节的分布情况。     

基于深度学习的中文专利自动分类方法研究

[目的/意义] 面向当前国内专利审查和专利情报分析工作中对于海量专利分类的客观需求，设计了7种基于深度学习的专利自动分类方法，对比各种方法的分类效果，从而助力专利分类效率和效果的提升。[方法/过程] 针对传统机器学习方法存在的缺陷，基于Word2Vec、CNN、RNN、Attention机制等深度学习技术，考虑专利文本语序特征、上下文特征以及分类关键特征，设计Word2Vec+TextCNN、Word2Vec+GRU、Word2Vec+BiGRU、Word2Vec+BiGRU+TextCNN等7种深度学习模型，以中国专利为例，选取IPC主分类号的"部"作为分类依据，对比这7种模型与3种传统分类模型在中文专利分类任务中的效果。[结果/结论] 实证研究效果显示，采用考虑语序特征、上下文特征及强化关键特征的深度学习方法进行中文专利分类具有更优的分类效果。