一种实现VFP与Word动态数据交换的简便方法

提出了一种实现VFP与Word数据交换的程序设计方法，利用该方法可将VFP环境中的数据自动排版生成各种个性化的Word文档，也可将Word文档中的文本数据自动录入到数据表中。     

利用VBA在Word中实现试卷的自动生成

主要以Microsoft Word 中的书签(bookmark)作为试题的标志完成试卷中定位,通过设置不同题型的模版并利用随机抽取算法实现了对题库中题目的随机抽取,在Word中实现了试卷的自动生成.     

Word 2000文档中下划线的含义

在Word２０００中有时我们并没有对文本设置下划线格式，屏幕上却出现了下划线，这可能是由于以下原因：１．红色或绿色波形下划线：当自动检查拼写和语法时，Word用红色波形下划线表示可能的拼写错误，用绿色波形下划线表示可能的语法错误。解决方法：对文档进行拼写和语法检查。２．电子邮件头的红色／黑色下划线：Word会自动检查电子邮件头中的姓名，将其与地址簿中的名字相比较。如果有名字与您键入的名字相匹配，则会在键入的名字下出现红色下划线。３．蓝色或其他颜色的下划线：默认情况下，超级链接显示为带蓝色下划线的文本。４．…     

气象业务中实现对Word版文本的自动操纵

本文简要介绍了当前气象业务中利用传统流程处理Word版预报文本的种种不便,提出了后台自动对Word版预报文本操纵程序,并介绍了利用Visual Basic的实现过程。后台自动对Word版预报文本操纵程序能自动进行格式转化、上传和存档等等功能,能大大减少预报值班人员的工作量,是一种实用的方法。     

实用软件技巧荟苹

Word和WPS中通用的文本排版技巧。无论用Word还是WPS排版文档时难免会使用文本对齐、段落设置的功能，本文总结了Word和WPS通用的文本排版技巧，希望对大家排版的工作有所帮助。     

基于ASP.NET的Word中插入Excel自动生成图表程序设计

介绍了使用ASP.NET架构编写程序实现在Word中插入Excel自动生成的图表。在Excel中自动生成需要的图表,将生成的图表插入Word文档中,实现相关数据的自动图表化处理。使用C#语言编程实现,按照模版定制生成需要的Word文档,该程序设计方法可以满足ASP.NET程序实现对Word和Excel应用的大部分常用功能。     

实用软件技巧荟萃

文档排版通用技巧 无论用Word还是Wps排版文档时难免会使用文本对齐、段落设置的功能，下面总结了Word和WPS通用的文本排版技巧，希望对大家排版的工作有所帮助。     

面向办公辅助应用的Word文档名自动生成技术

微软文字处理软件Word是被普遍应用的办公软件,然而该软件尚未集成文档的自动命名技术。为了实现根据文档内容、产生日期及作者信息Word文档自动命名,笔者研究并提出了利用COM技术、OLE自动化对象等来实现文档名的自动生成技术,同时,给出了系统实现的部分细节及系统测试结果。结果证明了该系统能够高效实现Word文档的自动命名。     

VC平台下基于OLE的Word自动化操作应用

在工程项目中,需要将最后的实验结果和数据提供给用户.但简单的文本形式无法生成复杂的表格和图形,而程序界面的形式不便让用户对实验结果和数据进行进一步的总结和修改.采用Word文档形式可以利用Word的强大文档编辑处理功能,生成复杂的图文及报表,便于用户进行进一步的编辑打印等操作.介绍在VC开发平台下,基于OLE技术,实现了对Word的自动化操作,将实验结果以复杂Word文档的形式反馈给用户.结合一个工程项目中的Word报表生成过程,并给出了具体的实现步骤.     

装饰Word97的页码

在Word97的文本中,页码的加入是由该软件提供的非常简捷的方法来实现的,在插入菜单中点击页码,然后根据需要选择相应的格式,最后点击确定,则文本中的页码立即自动加入。但此时加入的页码字体和字号是固定不变的,只能是小5号白正体,这种字体字号有时和文本内容很不谐调,但一般Word的联机帮助或培训教材上均未提供如何修改这种设置的说明,下面介绍两种设置页码字体字号的方法:     

基于统计的词语相关度网络自动构建方法研究

词语语义知识库对于扩大自然语言理解的深度具有重要的意义。目前较为成熟的WordNet、HowNet、同义词词林等均为人工开发,对知识的描述较为准确,但开发的工作量巨大,实际应用存在很多困难。为了更加自动化、实证性地获取中文词语相互关联状况的知识,该文提出词语相关度的概念以及基于统计的词语相关度计算方法,并以此为基础构建一个基于强领域特性中文词语的词语相关度网络,设计数组分割的硬盘存储方法,使该任务涉及到的海量数据的分析处理可以在目前的个人PC上完成。最终获得的词语语义知识具备经验主义方法的优点,准确性、泛化性较强,可以在文本分类、检索、过滤等领域发挥重要作用。     

基于互学习的多词向量融合情感分类框架

方面级情感分类是当前的研究热点之一,其目标是自动推断文本中特定方面的情感倾向。融合多种不同类型的词向量作为基于深度学习模型的输入,在该任务上取得了较好的效果。然而,通过直接拼接或门控机制等方式融合多种不同的词向量,不能充分发挥每种词向量的作用。为了解决这个问题,该文提出了一种基于互学习的多词向量融合情感分类框架,其目的是充分利用普通词向量、领域词向量和情感词向量中的信息,提高分类的性能。具体地,首先构建以三种词向量的融合作为输入的主模型,然后分别构建三个以单一词向量作为输入的辅助模型,最后基于互学习的方式联合训练主模型和辅助模型,以达到相互促进的效果。在三个常用数据集上的实验表明,该文提出框架的性能明显好于基准方法。     

基于加权TextRank的中文自动文本摘要

现有中文自动文本摘要方法主要是利用文本自身信息,其缺陷是不能充分利用词语之间的语义相关等信息。鉴于此,提出了一种改进的中文文本摘要方法。此方法将外部语料库信息用词向量的形式融入到TextRank算法中,通过TextRank与word2vec的结合,把句子中每个词语映射到高维词库形成句向量。充分考虑了句子之间的相似度、关键词的覆盖率和句子与标题的相似度等因素,以此计算句子之间的影响权重,并选取排序最靠前的句子重新排序作为文本的摘要。实验结果表明,此方法在本文数据集中取得了较好的效果,自动提取中文摘要的效果比原方法好。     

词云可视化综述

词云是一种近年来颇为流行的文本可视化方式,它提取出文本中的关键词并在二维空间上美观地排布,通常用于展示文本内容、辅助文本分析以及吸引读者阅读等.从视觉编码、布局方法和交互方式这3个方面介绍词云的设计空间;将现有的词云设计分为语义词云、形状词云、可编辑词云和多文档词云4类进行概括,并总结了目前对于词云进行实验评价的若干工作;最后分别从语义词云、形状词云、多文档词云和中文词云4个方面分析了词云可视化领域面临的挑战,并对未来工作进行了展望.     

基于词向量语义聚类的微博热点挖掘方法

随着社交媒体的迅速发展,信息过载问题越发严重,因此如何从海量、短小而充满噪声的社交媒体数据中发现和挖掘出热点话题或者热点事件成为一个重要的问题。结合社交媒体数据实时性、地理性、包含较多元数据等特点,提出了用户行为分析与文本内容分析相结合的热点挖掘方法。在内容分析过程中,提出了从更细的词语粒度进行聚类,以代替传统的在消息粒度进行聚类的经典方法。为了提高话题关键词提取的效果,引入了基于词向量技术,并通过语义聚类的方法进行热点挖掘。在真实数据集上的实验结果表明,该方法提取的关键词语义关联性强、话题划分效果好,在主要指标上优于传统的热点挖掘方法。     

现代藏文音节字自动校对研究

在现代藏文自动校对中,对音节字（）的校对是其基础。现代藏文二维的书写格式和独特的文法,还有格助词的黏着现象、音节字搭配规则和音节字中真词和非词错误等众多问题,使得对藏文自动校对的研究有别于英语和汉语的自动校对。针对现代藏文中音节字的特点,通过音节字预处理、字表匹配、混淆集匹配、二元接续关系、最小编辑距离法等方法对现代藏文音节字的自动校对进行详细论述。     

一种基于混合词向量的胶囊网络文本分类方法

文本分类是目前深度学习方法被广泛应用的重要领域之一.本文设计了一种基于循环神经网络和胶囊网络的混合模型,使用胶囊网络来克服卷积神经网络对空间不敏感的缺点,学习文本局部与整体之间的关系特征,并使用循环神经网络中的GRU神经网络经过最大池化层来学习上下文显著信息特征,结合两者来优化特征提取过程从而提高文本分类效果.与此同时,在嵌入层中提出了一种基于缺失词补全的混合词向量方法,采用两种策略来减少缺失词过度匹配的现象以及降低词向量中的噪声数据出现的概率,从而获得语义丰富且少噪声的高质量词向量.在经典文本分类数据集中进行实验,通过与对比模型的最优方法进行比较,证明了该模型和方法能有效地提升文本分类准确度.     

基于奇异值分解的新闻标题聚类研究

和导航中应用广泛。文本聚类作为一种无监督学习算法,其依据是聚类假设:同类的文档相似程度大,不同类的文档相似程度小。文中主要研究汉语文本聚类算法在新闻标题类文本中的应用。首先对采集到的若干条新闻标题进行分词和特征提取,将分词后的文本转化为词条矩阵;然后使用TF-IDF技术处理词条矩阵,得到基于分词权重的新的词条矩阵,对新的词条矩阵进行奇异值分解,得到主成分得分矩阵,提取主成分分析文本特征并根据主成分得分矩阵进行K-均值和分层聚类分析;最后将聚类结果用词云图的形式展示出来并评价聚类效果的好坏。实证显示,对词条矩阵的奇异值分解能降低向量空间的维数,提高聚类的精度和运算速度。     

基于词汇语义信息的文本相似度计算

传统的文本相似度计算大多基于词匹配的方法,忽略了词汇语义信息,计算结果很大程度上取决于文本的词汇重复率。虽然分布式词向量可以有效表达词汇语义关系,但目前基于词向量的文本处理方法大都通过词汇串联等形式表示文本,无法体现词汇在语料库中的分布情况。 针对以上问题,本文提出了一种新的计算方法, 该方法认为基于统计的文本向量各元素之间存在相关性,且该相关性可通过词汇语义相似度表示。 因此, 本文利用词汇相似度改进了基于余弦公式的文本相似度计算方法。 实验表明该方法在 F1 值和准确度评价标准上优于其他方法。     

基于文本特征的文本水印算法

基于格式的文本水印算法对格式攻击的鲁棒性比较差,而基于自然语言的文本水印算法相对难以实现,因此提出一种基于词频的文本零水印算法。对文本内容进行分词并计算每个分词的词频,根据设定的词频阈值范围依次提取分词序列作为文本特征,将文本特征、水印和密钥注册于版权保护(IPR)信息库。水印检测可实现盲检测。将该算法用于含有图像等多媒体信息的中英文文档,试验结果证明,该算法对剪切、粘贴、内容顺序颠倒等攻击有较强的鲁棒性。