排序方式: 共有29条查询结果,搜索用时 15 毫秒
1.
采用熔融纺丝法制备了高密度聚乙烯(HDPE)/埃洛石纳米管(HNTs)复合纤维。利用差示扫描量热法研究了HNTs对HDPE基体非等温结晶行为的影响,利用二维广角X射线衍射研究了熔融纺丝过程中的卷曲速度和加入HNTs对HDPE/HNTs复合纤维中HDPE基体晶片扭曲行为的影响。结果表明:HNTs在HDPE中起成核剂的作用,提高了HDPE基体的起始结晶温度和最大结晶温度,缩短了半结晶时间。随着卷曲速度的升高和HNTs含量的增加,HDPE基体晶片扭曲程度逐渐降低。 相似文献
2.
机器翻译研究的现状和发展趋势 总被引:7,自引:0,他引:7
本文详细地论述了机器翻译研究的现状和发展趋势。综述了机器翻译目前存在的困难。详细地介绍了九十年代以来提出的一些新的方法以及国际研究动态。指出以“混合”为特点是机器翻译研究的新趋势。 相似文献
3.
中文医学知识图谱CMeKG构建初探 总被引:3,自引:0,他引:3
医学知识图谱是智慧医疗应用的基石,可以为机器阅读理解医学文本、智能咨询、智能诊断提供知识基础。现有的医学知识图谱从规模化、规范化、体系性、形式化等方面还不足以满足智慧医疗应用的需求。此外,对复杂医学知识的精准描述更是构建医学知识图谱面临的重要挑战。针对上述问题,该文利用自然语言处理与文本挖掘技术,以人机结合的方式研发了中文医学知识图谱第一版CMeKG 1.0(Chinese Medical Knowledge Graph)。CMeKG 1.0的构建参考了ICD-10、ATC、MeSH等权威的国际医学标准术语集以及规模庞大、多源异构的临床路径指南、临床实践、医学百科等资源,覆盖了疾病、药物和诊疗技术,包括100余万个医学概念关系的实例。该文综述了CMeKG 1.0构建过程中的描述体系、关键技术、构建流程以及医学知识描述等相关问题,希望为医学领域知识图谱的构建与应用提供一些参考。 相似文献
4.
分词是汉语自然语言处理研究中非常重要的一个环节,在早先的研究中,最大熵模型和条件随机场(CRF)模型已经广泛运用到汉语自动分词的工作中。最大间隔马尔可夫网(M3N)模型是近年来由B.Taskar等[1]人提出的一种新型结构学习模型。该文尝试将这一模型用于汉语分词建模并进行实验,实验结果显示,基于给定的训练语料与测试语料,分词精度可以达到95%,表明基于最大间隔马尔科夫网的汉语分词方法可以取得较高的分词精度,是一种有效的汉语分词方法。 相似文献
5.
自然语言的语义理解涉及多个层面的问题,包括以谓词为中心的基本命题义、命题义之外的概念义、逻辑补足义等。目前主流的浅层语义分析主要集中在对命题义的分析上,缺少对概念义和逻辑义的支持,难以辅助计算机对文本的深度理解与推理。该文借鉴论元结构理论、事件语义学等相关语言学理论,突破语义角色标注等浅层语义分析的局限,建立了一种融合概念与逻辑的中文深层语义描述体系;并在该体系基础上,采用层层渲染的标注策略,构建了基于真实语料的大规模中文深层语义标注语料库,通过语言工程实践验证该描述体系的完备性和覆盖度。这一理论体系的建立和语言资源的构建,有望推动中文自动语义分析技术和人工智能等相关工作的创新发展。 相似文献
6.
通过熔融共混制备了等规聚丙烯(iPP)/多壁碳纳米管(MWCNTs)复合材料,分析了MWCNTs对iPP基体非等温结晶行为的影响,研究了MWCNTs的加入对iPP基体β晶形成以及β晶分布的影响。结果表明:MWCNTs对iPP基体来说,可以起到α晶成核剂的作用;通过利用高温预剪切与MWCNTs之间的竞争作用,可以有效地对iPP/MWCNTs复合材料注塑制品不同层次β晶的含量及其分布进行调控。 相似文献
7.
综述了埃洛石/聚合物复合材料的增容改性的方法,并分析了增容改性的机理。总结了埃洛石在热塑性树脂如聚丙烯、尼龙6等中的应用,详细探讨了埃洛石/聚合物复合材料在结晶性能、力学性能和热性能等方面提高与改善的原因。展望了埃洛石作为1种无机纳米填料在聚合物基复合材料中的应用潜力与价值。 相似文献
8.
常宝宝 《术语标准化与信息技术》2010,(4):19-22,25
自然语言处理是信息科学中人工智能的分支学科,该学科通过建立形式化的计算模型来分析、理解和生成自然语言。自然语言处理通常可进一步分为自然语言分析和自然语言生成两个领域。本文选择性的介绍了这两个领域中的一些重要术语并对这些术语的含义做了简要的解释。 相似文献
9.
10.
基于语义组块分析的汉语语义角色标注 总被引:1,自引:1,他引:0
近些年来,中文语义角色标注得到了大家的关注,不过大多是传统的基于句法树的系统,即对句法树上的节点进行语义角色识别和分类。该文提出了一种与传统方法不同的处理策略,我们称之为基于语义组块分析的语义角色标注。在新的方法中,语义角色标注的流程不再是传统的“句法分析——语义角色识别——语义角色分类”,而是一种简化的“语义组块识别——语义组块分类”流程。这一方法将汉语语义角色标注从一个节点的分类问题转化为序列标注问题,我们使用了条件随机域这一模型,取得了较好的结果。同时由于避开了句法分析这个阶段,使得语义角色标注摆脱了对句法分析的依赖,从而突破了汉语语法分析器的时间和性能限制。通过实验我们可以看出,新的方法可以取得较高的准确率,并且大大节省了分析的时间。通过对比,我们可以发现在自动切分和词性标注上的结果与在完全正确的切分和词性标注上的结果相比,还有较大差距。 相似文献