科技创新政策文本本体设计与标注应用研究     

翁梦娟  宋宁远 《情报探索》2020,(2):42-49

[目的/意义]旨在为提升政策文本的自动化处理程度提供参考。[方法/过程]在梳理已有政策本体及其构建方式基础上,提出由词汇语义主导的自下而上的本体构建方法,运用本体构建工具Protégé5.5.0构建科技创新政策文本本体,对部分政策内容进行标注并可视化。[结果/结论]该本体适用于科技创新政策文本的结构化语义抽取,能够在一定程度上揭示科技创新政策的结构化语义特征。  相似文献   

如何指导学生编写作品集     

谷守颖 《科教文汇》2020,(1):153-154

通过图书漂流,大量读写,学生作品跃然纸上,如何再将自己的作品汇成一本本作品集。在汇编成集的过程中教师应如何点拨指导,通过准备阶段、汇编阶段、交流阶段,在编写的过程中不断提高学生的综合实践能力,形成语文学科素养。  相似文献   

小学生数学语言表述能力现状调查分析和提升策略     

杨盼 《科教文汇》2020,(13):137-138,190

基于崇仁师范附属小学高年级小学生数学语言表述能力现状进行调查,在此基础上,提出其提升策略。  相似文献   

基于标记树的XML文档自动分类研究     

潘有能  丁楠 《情报学报》2007,26(3):350-355

本文首先介绍了XML文档和DTD标记树的生成方法,并对标记树中节点的概念进行了扩充,使之不但包括元素,同时也包括连接符,以适应DTD结构的要求。随后将标记树中的元素分为共有元素、文档元素和DTD元素,并提出层次权重和结构权重以衡量元素的层次和结构复杂程度,给出具体计算方法。在此基础上提出了一个衡量XML文档和DTD之间相似度的算法,将其应用于XML文档自动分类中,并给出该算法的时间复杂度计算公式。从实验结果可以看出,该分类方法准确率较高。  相似文献   

中文文本知识元的构建及其现实意义   总被引：4，自引：3，他引：4       下载免费PDF全文

文庭孝  侯经川  龚蛟腾  刘晓英  汪全莉 《中国图书馆学报》2007,33(6)

中文文本知识元的构建是解决汉语自动分词问题,实现对中文自然语言理解,并对知识内容进行操作、管理之基础。应当以汉语主题词为基础,构建中文文本知识元,建立知识元数据库,完成对知识内容的自由操作和管理。图1。参考文献26。  相似文献   

《百家讲坛》与作者媒介化生存现象分析     

王立新 《新闻界》2007,(6):94-95

针对近期央视《百家讲坛》播出系列讲座,产生的广泛影响和引发的争议,本文分析了在大众传媒参与建构社会文化的时代,传统上作者角色的演变及其在当代社会中的媒介化生存现状.  相似文献   

Web多媒体相关文本提取研究     

吴鹏飞  孟祥增  马凤娟  鹿文鹏 《现代图书情报技术》2007,2(9):62-65

基于结构对Web网页区域分割与语义识别，实现网页语义理解，给出Web多媒体相关文本的定义，并结合其分布特点，采用个体级、区域级、网页级三级分析方法分别进行提取，从而实现Web多媒体相关文本准确提取。  相似文献   

“硬化”与“软化”——中美新闻文化表现形态的差异性比较   总被引：3，自引：0，他引：3  

高金萍 《国际新闻界》2002,(4)

新闻文化的表现形态 ,取决于参与新闻实践活动的主体的新闻价值观念体系。新闻文化主体———传者和受者对某些价值的特别看重或追求 ,构成了新闻文化表现形式的主要特征。现实的新闻选择过程 ,实质上是新闻从业者的新闻价值取向和受众需求共同作用的结合。从国际传媒业的宏观发展态势看 ,传媒高度成熟的市场化和产业化 ,都会带来不同程度的“软化”新闻、“非新闻”倾向  相似文献   

论语篇翻译与教学     

王广秀 《六盘水师范高等专科学校学报》2004,16(5):47-48

语篇是一个理论概念,我们在翻译活动中面临的是语篇。充分认识语篇概念并将其引入翻译教学是非常有益的。  相似文献   

The Co-Effects of Query Structure and Expansion on Retrieval Performance in Probabilistic Text Retrieval     

Jaana Kekäläinen  Kalervo Järvelin 《Information Retrieval》2000,1(4):329-344

The effects of query structures and query expansion (QE) on retrieval performance were tested with a best match retrieval system (InQuery¹). Query structure means the use of operators to express the relations between search keys. Six different structures were tested, representing strong structures (e.g., queries with facets or concepts identified) and weak structures (no concepts identified, a query is a bag of search keys). QE was based on concepts, which were first selected from a searching thesaurus, and then expanded by semantic relationships given in the thesaurus. The expansion levels were (a) no expansion, (b) a synonym expansion, (c) a narrower concept expansion, (d) an associative concept expansion, and (e) a cumulative expansion of all other expansions. With weak structures and Boolean structured queries, QE was not very effective. The best performance was achieved with a combination of a facet structure, where search keys within a facet were treated as instances of one search key (the SYN operator), and the largest expansion.  相似文献