全文获取类型
收费全文 | 432篇 |
免费 | 4篇 |
国内免费 | 9篇 |
专业分类
教育 | 142篇 |
科学研究 | 137篇 |
体育 | 4篇 |
综合类 | 5篇 |
信息传播 | 157篇 |
出版年
2023年 | 7篇 |
2022年 | 6篇 |
2021年 | 13篇 |
2020年 | 27篇 |
2019年 | 14篇 |
2018年 | 5篇 |
2017年 | 15篇 |
2016年 | 10篇 |
2015年 | 23篇 |
2014年 | 28篇 |
2013年 | 40篇 |
2012年 | 46篇 |
2011年 | 51篇 |
2010年 | 29篇 |
2009年 | 26篇 |
2008年 | 23篇 |
2007年 | 18篇 |
2006年 | 14篇 |
2005年 | 9篇 |
2004年 | 8篇 |
2003年 | 8篇 |
2002年 | 5篇 |
2001年 | 3篇 |
2000年 | 3篇 |
1999年 | 2篇 |
1998年 | 1篇 |
1996年 | 2篇 |
1995年 | 1篇 |
1992年 | 1篇 |
1991年 | 3篇 |
1989年 | 3篇 |
1988年 | 1篇 |
排序方式: 共有445条查询结果,搜索用时 62 毫秒
1.
在疫情防控报道中,都市快报从新媒体传播的基本特点出发,时刻研究本地用户在不同阶段的心态、需求、关注点,复盘当天的传播效果,勾勒用户的最新画像,盘点社会关注的热词,随时调整、随时反馈,不断优化报道方案,坚持专业、原创、科学、服务的理念,满足用户的信息需求,承担媒体的社会责任。 相似文献
2.
3.
4.
政府公文数量巨大,不同政府网站公文分类规则不一 ,在引用和参考公文时可能发生混淆 。针对该问题,基于政府公文题目、摘要和正文内容,采用 K-means 算法对公文进行分类。首先对政府公文进行分词及去停用词等数据预处理操作,再通过词频—逆文档频率(TF-IDF)权值计算方法,将处理后的政府文本信息转换成二维矩阵,然后采用 K-means 算法进行聚类。使用清华大学 THUCTC 文本分类系统对公文聚类结果进行测试。实验结果表明,采用 K-means 算法对公文进行聚类,准确率达到 82.93%,远高于政府网站公文分类准确率。 相似文献
5.
《蒙自师范高等专科学校学报》2019,(3)
文章基于中国英语学习者语料库3个子语料库与自建的大学生优秀英语作文语料库,以8个结果性逻辑连接词为个案,就词频、搭配进行同类语料库横向对比。同时基于中国英语学习者语料库与英语本族语语料库,对中英学习者连接词词频展开纵向对比,旨在考究中国英语学习者写作语篇结果性连接词的习得图景。研究结果表明:随着英语学习者学习层次提升和学习梯度加大,连接词词频在增大,使用丰富度在增强,且搭配呈多元化态势,意群整合力在提升;中国学生对4个逻辑连接词使用过度,而对另外4个逻辑连接词使用严重不足,使用过度源于中国英语学习者思维中所附着的中国特色文化语用语境制导下的认知转喻,使用严重不足植根于中国英语学习者正处于认知连续统中的"中介语"认知阶段。 相似文献
7.
黄爱民 《中学历史教学参考》2021,(5):60-63
一、设计思路史料大数据化及数据库的不断构建,极大地拓宽了中学历史教学视野。这种以系统性、规模化数据平台构建,重视长时段、大容量记录的史料数据库,"可以发现很多隐藏在海量史料中无法依靠传统阅读发现的新知识、新现象"[1],值得一线历史教师多做一些教学尝试和探究。本设计即通过对新文化运动时期思想论争的主题--民主、科学、儒学等探讨,收集相关大数据史料,包括词频统计、词义演变梳理、数据整合等,从多渠道获取史料信息,由史到论,来揭示该时段的社会特征。 相似文献
8.
9.
[目的/意义]学科研究热点的发掘有助于了解其发展动向,把握研究方向。热点漂移程度旨在用数据关系描述某一学科某一时间段内的研究热点在接下来一段时期内的变化程度,揭示其热点研究的持续性和规律性。[方法/过程]通过基于学术论文关键词词频统计的文献计量方法,初步构建了研究热点漂移程度计算模型,并通过对"高等教育理论""艺术理论""史学史""自动控制理论""外科护理学"和"建筑经济学"6个学科的实证分析,计算出了这些学科2010年研究热点5年漂移程度。[结果/结论]研究表明,"建筑经济学""史学史"两个学科漂移程度较高,"自动控制理论"和"艺术理论"两个学科居中,"高等教育理论"和"外科护理学"两个学科较低。研究结果具有显著的差异性。热点漂移程度揭示了各学科研究热点的变化程度和关键词词频的分布规律,并在一定程度上体现出了学科的交叉性。 相似文献
10.
人工智能技术被普遍认为是一种通用目的技术,将对劳动力技能和劳动力市场产生广泛而深远的影响,由此引起技能市场中关于技术性失业的忧虑和争议。人工智能时代专业人才培养应何去何从?为回答这一问题,从厘清弱人工智能和强人工智能的概念出发,在吸纳经典劳动经济学理论的基础上,以Autor、Levy与Murnane创建的ALM模型为框架,以会计职业为例,利用美国职业信息教育网络(O*net online)数据与中国相关数据,分析会计职业总体技能需求的变化,结果显示在原本由程式化认知技能主导的会计职业中,非程式化认知技能与交互技能的需求在逐渐扩大并加速增长。进一步利用Python技术,对中国各大招聘网站的会计岗位招聘文本进行挖掘和词频分析,验证了以上结果并将具体技能要素分析细化。针对人工智能背景下专业人才培养面临的挑战,提出了多层次、复合型、前端化和终身化等对策。 相似文献