全文获取类型
收费全文 | 2459篇 |
免费 | 221篇 |
国内免费 | 345篇 |
专业分类
电工技术 | 64篇 |
技术理论 | 2篇 |
综合类 | 603篇 |
化学工业 | 48篇 |
金属工艺 | 15篇 |
机械仪表 | 32篇 |
建筑科学 | 164篇 |
矿业工程 | 31篇 |
能源动力 | 5篇 |
轻工业 | 74篇 |
水利工程 | 14篇 |
石油天然气 | 21篇 |
武器工业 | 4篇 |
无线电 | 228篇 |
一般工业技术 | 80篇 |
冶金工业 | 98篇 |
原子能技术 | 2篇 |
自动化技术 | 1540篇 |
出版年
2024年 | 23篇 |
2023年 | 103篇 |
2022年 | 131篇 |
2021年 | 161篇 |
2020年 | 176篇 |
2019年 | 185篇 |
2018年 | 137篇 |
2017年 | 140篇 |
2016年 | 138篇 |
2015年 | 144篇 |
2014年 | 194篇 |
2013年 | 165篇 |
2012年 | 138篇 |
2011年 | 228篇 |
2010年 | 119篇 |
2009年 | 119篇 |
2008年 | 144篇 |
2007年 | 104篇 |
2006年 | 75篇 |
2005年 | 49篇 |
2004年 | 72篇 |
2003年 | 48篇 |
2002年 | 60篇 |
2001年 | 39篇 |
2000年 | 31篇 |
1999年 | 21篇 |
1998年 | 18篇 |
1997年 | 6篇 |
1996年 | 3篇 |
1995年 | 6篇 |
1994年 | 10篇 |
1993年 | 8篇 |
1992年 | 4篇 |
1991年 | 5篇 |
1990年 | 9篇 |
1989年 | 2篇 |
1988年 | 1篇 |
1986年 | 9篇 |
排序方式: 共有3025条查询结果,搜索用时 15 毫秒
991.
992.
本文主要介绍利用数据库、知识库、人工智能技术和面向对象的语言C++,实现一种新的汉字输入方法─-四码拼词.该方法以拼音为基础,对字词混合编码.其特点是:易学好记;以词组输入为主(目前词组已达7万余条);击键次数少(一般文章平均每个汉字1.7键).在编辑文件时,用户可以现场收集词语进入自己的词库中.系统具有222个高频字、词.这些高频字、词,用户还能任意修改和重新定义,对拼音有困难的用户可以再定义字、词容错编码. 相似文献
993.
本文主要讨论了在定(导)向钻进施工中,钻机锚固、信号接收、钻头选择、导向孔施工、扩孔器、钻进液等问题及采用的关键技术。 相似文献
994.
995.
996.
数学领域集体词结构形式化处理研究 总被引:1,自引:0,他引:1
根据数学领域自然语言理解的特点,结合集合论的思想深入分析了集体词结构。集体词结构是表示一个可数的集体概念,其外延是一个事物类。集体词结构较好地解决了数学领域中的数量词结构的形式化处理问题。首先给出了集体词结构的语义认知基础,并采用基于知识的方法,应用本体论思想,构造了系统的集体词结构模型。然后对集体词结构的群体关系进行分类和介绍。这种集体词结构的处理方法在数学领域智能辅导领域中得到了较好的应用。 相似文献
997.
998.
Deep Web的查询中、关键词的选择是一个关键问题。文中针对查询Deep Web中的文本数据库,对查询词的选择作出一些研究。将Zipf Estinator应用于根据查询词的频率选择词条的方法中,提出了用部分文档中的查询词的排序来得出整个文档集中查询词的排序的方法。将Zipf Estimator运用于查询词的选择,减少查询词选择时的运算量,以较少的查询次数得到较多的查询结果。测试结果证明了Zipf Estimator运用于查询词的选择可有效提高查询Deep Web中的文本数据库的效率。 相似文献
999.
基于互联网或移动网的即时通信成为一种广泛应用的大众通信方式.对即时短语消息内容进行聚类可以分析短语消息的内容特征,从而跟踪或发现当前的热门话题,预防或审计犯罪活动,也可以协助建立其他数据挖掘应用.针对短语消息内容短、关键词出现次数少,甚至主题关键词隐藏在上下文或短语会话里的特点,提出了WR-KMeans聚类方法,自动将主体间的交互短语消息合成为会话,使聚类分析对象的内容更长,上下文信息更丰富;对于不在会话中出现,但与会话中的词具有较强语义关系的词,将其扩充进会话的表示向量,从而避免因关键词稀少造成的相似度偏差.WR-KMeans在这种扩展的会话向量集上进行聚类.通过实验与另外两个常用的聚类算法进行比较,WR-KMeans生成的聚类结果具有更好的质量. 相似文献
1000.
研究了如何使用机器学习方法和语义资源实现有效的人物属性抽取.人物属性抽取是指从自由文本中提取出人的属性信息,如性别、职务信息等.如果把描述人属性的词也看做是实体,则可以把人物属性抽取看作是实体关系抽取的具体应用.使用<知网>提取描述人属性的词作为触发词,这样就可以把触发词和人名间的描述关系转化为一分类问题.当选取触发词和人名左、中、右的3个词的词义和词性作为特征,使用支持向量机进行判别时达到最好抽取效果. 相似文献