排序方式: 共有24条查询结果,搜索用时 15 毫秒
1.
基于VC环境下动态链接库的创建与使用研究 总被引:1,自引:0,他引:1
本文首先说明动态链接库的作用及其组成,然后通过实例介绍在VC环境下创建并使用Win32动态链接库和MFC动态链接库的具体实现方法。 相似文献
2.
为提高操作系统课程中一类典型问题的教学效果,提出应用探究式教学方法进行教学设计,分析操作系统中一类典型问题本身的指向性、完整性和差异性等特点,基于探究式教学设计原则,顺应问题的科学发展阶段,对典型问题的实现方法、实现效果和不足进行探究式教学方法设计,形成阶段探究和整体探究相结合的整体教学链条,指出该方法可有效改善一类典型问题的教学效果,提高学生分析和解决问题的能力。 相似文献
3.
针对以往句子在文本编码后不能获得高效的特征信息,提出一种基于双流特征互补的嵌套命名实体识别模型。句子在嵌入时以单词的字级别和字符级别两种方式嵌入,分别通过神经网络Bi-LSTM获取句子上下文信息,两个向量进入低层级与高层级的特征互补模块,实体词识别模块和细粒度划分模块对实体词区间进行细粒度划分,获取内部实体。实验结果表明,模型相较于经典模型在特征提取上有较大的提升。 相似文献
4.
5.
6.
一种基于平均寻道时间的磁盘调度优化算法 总被引:2,自引:0,他引:2
针对如何提高磁盘调度效率的问题,提出了一种基于平均寻道时间(AST)的磁盘调度优化算法。对操作系统中几种主要磁盘调度算法的平均寻道时间作深入研究,随机选取几组磁盘服务请求队列,分析在每种算法下磁头移动情况。然后通过模拟和解析,得到不同调度算法的平均寻道时间的摆动规律,进而提出一种基于平均寻道时间的磁盘调度优化算法,使得系统能够在不同的情况下实时地自动选择已有的算法来提高磁盘调度的效率。 相似文献
7.
现有命名实体识别模型在字嵌入过程中多采用字符向量、字向量等不同单词表示向量的拼接或累加方式提取信息,未考虑不同单词表示特征之间的相互依赖关系,导致单词内部特征信息获取不足。提出一种基于交互式特征融合的嵌套命名实体识别模型,通过交互的方式构建不同特征之间的通信桥梁,以捕获多特征之间的依赖关系。采用交互机制得到包含不同单词表示信息的字嵌入向量,基于双向长短时记忆网络提取单词的表示特征,并对不同单词的表示特征进行交互,捕获特征之间的相互依赖关系。为进一步提取序列特征的上下文信息,采用基于特征交互的多头注意力机制捕获句子上下文的依赖关系。在此基础上,采用二元序列标记法过滤非实体区域,得到粗粒度候选区间,并对其进行细粒度划分以判断实体类别。实验结果表明,该模型的召回率和F1值为72.4%和71.2%,相比现有的嵌套命名实体识别模型,F1值平均提高了1.72%。 相似文献
8.
中文微博命名实体的有效识别对使用微博进行社会舆论监测具有重要意义。鉴于微博更新速度快、语言不规范、噪声多,使得命名实体识别成本高、识别效率低。针对这些问题,提出基于众包标注的中文微博命名实体识别的方法。对众包工作者的能力进行评估,使用最大期望算法(EM算法)对评估后的能力值进行分析学习,过滤掉每个标注者的噪声并对众包标注的结果进行优化,从而确定最后的命名实体。实验结果表明,该方法能够有效地提高中文微博中命名实体识别的准确率。 相似文献
9.
实体关系联合抽取模型在实体关系抽取中具有重要作用,针对现有的实体关系联合抽取模型无法有效识别重叠关系中的实体关系三元组问题,提出一种新型的基于跨度和特征融合的实体关系联合抽取模型SFFM。将文本输入BERT预训练模型转变为词向量,根据跨度进行词向量划分形成跨度序列,并基于卷积神经网络过滤跨度序列中不包含实体的跨度序列,使用双向长短时记忆提取剩余跨度序列融合文本信息后的特征并通过Softmax回归实现实体识别,将文本中的实体和关系映射到不同的跨度序列中,当重叠关系中的实体和距离较远的实体之间存在关系时,按照跨度进行划分使可能存在关系的实体对划分到同一个跨度序列中,以更好地利用文本中的重叠关系。在此基础上,通过注意力机制获取跨度序列中的依赖关系,运用Softmax回归对跨度序列中的关系进行分类。实验结果表明,与基线模型相比,该模型在CoNLL04数据集上的微平均和宏平均分别提升了1.87和1.73个百分点,在SciERC数据集上的微平均提升了5.95个百分点。 相似文献
10.
本文首先介绍在MFC单文档应用程序中的基本绘图方法,以及拆分窗口如何实现同步更新的问题,然后通过一个引例逐步阐述如何提高拆分窗口更新效率的方法。 相似文献