全文获取类型
收费全文 | 1167篇 |
免费 | 16篇 |
国内免费 | 50篇 |
专业分类
教育 | 634篇 |
科学研究 | 160篇 |
各国文化 | 1篇 |
体育 | 99篇 |
综合类 | 41篇 |
信息传播 | 298篇 |
出版年
2024年 | 1篇 |
2023年 | 15篇 |
2022年 | 12篇 |
2021年 | 12篇 |
2020年 | 25篇 |
2019年 | 15篇 |
2018年 | 20篇 |
2017年 | 12篇 |
2016年 | 21篇 |
2015年 | 50篇 |
2014年 | 104篇 |
2013年 | 107篇 |
2012年 | 142篇 |
2011年 | 136篇 |
2010年 | 128篇 |
2009年 | 96篇 |
2008年 | 90篇 |
2007年 | 40篇 |
2006年 | 38篇 |
2005年 | 30篇 |
2004年 | 35篇 |
2003年 | 27篇 |
2002年 | 21篇 |
2001年 | 9篇 |
2000年 | 17篇 |
1999年 | 10篇 |
1998年 | 4篇 |
1997年 | 10篇 |
1996年 | 2篇 |
1995年 | 2篇 |
1994年 | 2篇 |
排序方式: 共有1233条查询结果,搜索用时 125 毫秒
101.
102.
103.
在Web2.0环境下,社会化标注的出现给网络舆情分析提供了新的视角。首先对当前的网络舆论环境进行了分析,在此基础上,着重对舆情参与者个人、关键舆情参与者识别以及舆情参与者的社区划分三个方面进行了重点剖析,并给出了相应的思路与实施方法,最后给出了社会化标注环境下舆情控制的相关建议。 相似文献
104.
非物质文化遗产数据库对非遗资源的分类,必须遵从《非物质文化遗产数字化保护专业标准》,但这种分类方式存在一些问题。为了充分揭示非遗资源的特性和非遗资源之间的文化关联性,以建设承德地区非遗数据库为例,引入大众标注标引资源的方式来补充专家分类的不足:用户协作建设基础标签库,使用基础标签作为推荐标签,使用时间、空间、文化场所标签作为文化空间标签,由推荐标签等形成的高频标签作为专家分类的二级类目的备选,构建基于用户协作的非遗数字资源混合分类模式。 相似文献
105.
[目的/意义] 提出利用社会标签自动分类图片情感类型的方法,服务基于情感特征的图像检索与利用。[方法/过程] 以Flickr图片为例,利用PMI算法对WordNet-Affect词表进行预处理形成典型情感词表;结合Ekman提出的6类基本情感类型,利用标签对图片情感类型进行标注;并且,通过实验对分类标注效果进行验证;最后,讨论图片特点、标注意图、非情感标签数量对分类标注效果的影响。[结果/结论] 研究发现,一幅图片的非情感标签与情感标签在表现图片整体情感类型的倾向性上具有较高一致性;结合PMI算法,利用预处理后的典型情感词表标注图片的结果优于未处理的WordNet-Affect词表;并且,分类标注效果与人工标注结果也具有较好的一致性,其中,快乐类(Happy)和忧伤类(Sad)图片的分类标注一致性最高,惊讶类(Surprise)的分类标注一致性最低;分析发现,仅通过标签标注图片情感类型的过程中,分类标注效果与图片情感的典型性、单一性以及图片发布方和欣赏者意图、动机的差异、图片的非情感标签个数都有关系。 相似文献
106.
陈娟 《北京教育(高教版)》2008,(3):59-59
这是五年级的一节数学公开课,内容是《数字与编码》。在学生总结出身份证号码与邮政编码的编排规律后,教师要求学生根据规律,为自己设计学籍编码。
师:请你当回小小设计师,设计一个编码并加以说明。要求编码能反映出所在年级、班级、学号以及性别等信息。 相似文献
108.
109.
数字图像语义标注模型比较与分析 总被引:1,自引:0,他引:1
[目的/意义]图像语义标注的基础是图像语义标注模型的构建,对当前主流图像语义标注模型进行梳理和总结,剖析其在图像语义标注中的优缺点,可为后续相关研究提供借鉴和参考。[方法/过程]采用文献调研法,总结出4类主要的图像语义标注模型,即Eakins模型、Jaimes&Chang模型、Kong模型、Panofsky模型。其后采用比较法和归纳法,从语义层次、可扩展性以及应用范围和方式3个方面对前三类模型进行比较分析。[结果/结论]Eakins模型语义层次最全面,语义表达能力最强,应用范围最广;Kong模型的可扩展性最强,适应性最好。 相似文献
110.
传统Web页面语义标注方法需手工处理,或只可将Web页面中有属性的标签赋予数据,针对无属性标签数据不进行标注,不适于大规模Web页面信息标注,且标注结果不可靠。为此,提出一种新的基于集成学习的动态Web页面语义标注方法。给出动态Web页面语义标注流程。将Web页面转换成DOM树,识别待标注文本。选取抽取信息特征与训练Web页面特征,将含有语义信息的内容分配至概念抽象化的本体上,采用多分类器集成学习方法进行分类,区分待标注信息是属性标签还是数据元素,通过不同分类器预测结果的一致性对相应样本被准确标注的置信度进行衡量。通过训练页面中涵盖的属性标注规则集与抽取信息中的属性名称实现语义标注。实验结果表明,所提方法适于大规模动态Web页面语义标注,标注结果可靠。 相似文献