利用改进的K-means算法实现文献著者人名消歧     

朱亮亮 《人天科学研究》2013,(5):63-66

文献著者消歧是人名消歧的一种,近年来引起了学术界的广泛关注。其中,文献聚类方法是文献著者消歧的重要方法,但其实验效果往往不佳。基于此,对文本聚类K—means方法进行改进,并在此基础上来实现文献著者消歧。实验结果表明,改进的K—means算法能有效提高文献著者消歧的实验效果。  相似文献   

关于函数三种定义的利弊分析     

李中恢 《宜春学院学报》2003,25(2):14-16

本文讨论了数学上一个基本而又重要的概念函数的定义，全面详细分析了函数的三种定义的利弊，大胆地给出了函数定义的新观点．  相似文献   

华芦荟(A loe.chinensis)和元江芦荟(A loe.yuanjiangensis)种名确定的探讨     

铁军  金山  白海艳 《长治学院学报》2005,22(2):9-10

文章对芦荟属(Aloe L．)分类地位进行描述，并对华芦荟[A loe．chinensis(Haw．)Baker]和元江芦荟(A．yuanjiangensis Xiong，Zheng et Liu)种名的确定进行阐述。  相似文献   

我国对美国的直接投资及区域选择问题探讨     

张弢 《襄樊学院学报》2002,23(6):41-45

改革开放以来，我国对美国的直接投资发展非常迅速，美国现已成为我国对外直接投资的重要东道国。我国对美国的直接投资主要有金融型投资，贸易型投资和工业型投资三种类型，这些直接投资活动存在着总体战略规划缺乏，工贸脱节，优势不能互补，规模偏小，缺乏竞争力，国有资产保值增值责任不清，管理不规范，美国国情不熟，贸然介入和选址不当等方面的问题。今后，我国对美国直接投资要根据我国社会经济发展阶段确定对美国投资的战略步骤，要以现代企业制度打造我国对外投资主体－跨国公司，要注重研究美国国情对投资产业和区域选择的影响。  相似文献   

FRAD与中文名称规范控制之研究     

朱青青  孙凤玲 《国家图书馆学刊》2012,21(2):19-22

通过对FRAD概念模型的研究,结合中文名称规范控制实践中的问题,分析了FRAD概念模型中,实体定义、实体属性、实体关系、用户任务四个方面带给实践工作的一些启示,希望通过对这些具体问题的解决,能够进一步推动规范控制工作的开展,并促进FRAD在规范控制实践中的全面应用。  相似文献   

刍议图书馆公共服务体系的建设与完善     

晁霞 《图书馆工作与研究》2012,(3):102-104

作为公共服务体系的重要组成部分之一的公共图书馆,其服务内容、服务形式、服务质量直接决定了社会公共服务体系的健全程度。本文从图书馆职能的均等性、公益性等角度分析了其在公共文化体系中的服务目标与定位。  相似文献   

全国古籍普查平台丛书著录经验谈——以海南师范大学图书馆为例     

李敏 《高校图书馆工作》2013,(6):50-52

文章举例论述了在全国古籍普查平台中进行丛书著录的几点经验。参考文献4。  相似文献   

基于多任务版本的实时系统调度算法     

赵丽萍  叶云青 《科技广场》2009,(5):35-36

本文介绍了多任务版本的实时系统调度算法.该算法能够满足实时系统中的关键性任务在最坏情况下运行时,仍可满足截止时闻的要求.通过为实时系统中的关键性任务设置两个任务版本,即主态和从态版本.主态任务版本具有较好的质量,从态任务版本只提供最基本的功能,运行时间较短.在最坏情况下避免调度主态任务版本,来满足实时调度的实时性要求.  相似文献   

从西部开发看青海区位优势     

薛红焰 《青海师范大学学报(哲学社会科学版)》2000,(3):6-10

区位是影响区域经济发展的重要因素,地处中国西部的青海尤其如此,一是从区位条件看,远离且国人口经济密集区,地处偏远,利弊兼有;二是就自然区位看潜在优势众多,科学研究区位问题及其对经济的影响,有助于正确决策,兴利抑弊,促进西部开发。  相似文献   

Aspect-based sentiment analysis with alternating coattention networks     

Chao Yang  Hefeng Zhang  Bin Jiang  Keqin Li 《Information processing & management》2019,56(3):463-478

Aspect-based sentiment analysis aims to predict the sentiment polarities of specific targets in a given text. Recent researches show great interest in modeling the target and context with attention network to obtain more effective feature representation for sentiment classification task. However, the use of an average vector of target for computing the attention score for context is unfair. Besides, the interaction mechanism is simple thus need to be further improved. To solve the above problems, this paper first proposes a coattention mechanism which models both target-level and context-level attention alternatively so as to focus on those key words of targets to learn more effective context representation. On this basis, we implement a Coattention-LSTM network which learns nonlinear representations of context and target simultaneously and can extracts more effective sentiment feature from coattention mechanism. Further, a Coattention-MemNet network which adopts a multiple-hops coattention mechanism is proposed to improve the sentiment classification result. Finally, we propose a new location weighted function which considers the location information to enhance the performance of coattention mechanism. Extensive experiments on two public datasets demonstrate the effectiveness of all proposed methods, and our findings in the experiments provide new insight for future developments of using attention mechanism and deep neural network for aspect-based sentiment analysis.  相似文献