在PowerBuilder中利用Word输出报表

在PowerBuilder中,可以通过OLE-Object对象调用常用办公软件Word,实现复杂报表设计和编辑输出。其步骤为:首先,创建一个带有标签的Word文档;其次,在PowerBuilder中创建OLE-Object对象,用来连接已创建好的word文档;最后从PowerBuilder的数据窗体中提取数据,将其输入Word表格。     

浅谈Word表格应用技巧及Word文档安全保护

在Office办公软件中,Word应用既是办公中不可缺少的,也是学习其它应用软件的基础,而其 文档和表格是必不可少的两大部分。本文就其应用技巧和文档安全保护,总结了几点具体运用。     

浅谈Word表格应用技巧及Word文档安全保护

在Office办公软件中,Word应用既是办公中不可缺少的,也是学习其它应用软件的基础,而其文档和表格是必不可少的两大部分.本文就其应用技巧和文档安全保护,总结了几点具体运用.     

浅谈Word表格应用技巧及Word文档安全保护

在Office办公软件中,Word应用既是办公中不可缺少的,也是学习其它应用软件的基础,而其文档和表格是必不可少的两大部分.本文就其应用技巧和文档安全保护,总结了几点具体运用.     

VB创建Word格式化文档

以VB创建Word格式化文档为目的,分析了VB中“Application”对象模型和“Document”子对象的结构.详细介绍了在VB中创建Word文档,以及向文档中添加文字、表格、页面设置及输出文档等步骤方法,从而实现了自动组卷系统中输出Word格式的试卷,满足了不需排版直接供印刷使用的高要求.本方法也可用于其它支持ActiveX的开发平台中.     

Word文档结构分析及恢复

文档打不开或打开后乱码,是计算机用户处理Word文档时经常遇到的问题。本文首先基于"复合文档二进制结构"对Word文档结构进行了分析,然后针对文档头部遭到破坏,提出了基于文件结构、进行特征匹配的数据恢复方法。该方法经验证具有良好效果。     

精确定位表格尺寸

默认情况下,Word中表格的尺寸是随着单元格中的内容而变化的。有的时候,受版面的限制,或是同一文件中相似的表格规格需要统一,就需要对表格的尺寸进行调整。     

基于C#的Word操作题自动批改系统的分析与设计

因批改工作量大,教师很难在短时间内完成对大学计算机基础操作题的成绩评定和错误指正工作。作者以大学计算机基础Word操作题中常见的考察内容为研究对象,阐述了操作题自动批改系统的设计思路,并给出基于C#调用COM组件的Word操作题自动批改的代码,以实现操作题的自动批改与评分。实际应用表明该方法大大提高了操作题的改卷速度和准确率。     

Word引用Excel数据源实例分析

介绍了在一个Word档中如何引用Excel电子表格中数据的方法，同时给出了在一个Word档中如何引用另一个Word表格中数据和其它数据库（如dBasie,Visal Foxpro,Access)中的数据的方法，同时还可以对输出的数据加以限制。     

应用OLE技术实现交互式Word报表

为提高应用OLE技术在C＋＋Builder下Word自动报表的编程效率,应用C＋＋Builder的OLE技术实现了word文档的自动报表功能．提出了应用VBA宏录制功能将word操作源代码作为编程参考依据的交互式报表编程法．依据VBA操作宏代码,调用MicrosoftWord9．0ObjectLi．brary库函数设计出报表程序．此方法提高了word数据报表的编程效率,丰富了报表的编程方法,弥补了传统报表输出格式无法改变的不足．     

汉语分词技术综述

分词是中文信息处理的基础，在汉语文本分类、文献标引、智能检索、自然语言理解与处理等应用中，首先都要对中文文本进行分词处理。从分词的基本理论出发，对近年来的汉语分词的研究方法与成果进行了综合论述，分析了现有分词方法的特点，提出了把神经网络和专家系统结合起来建立集成式汉语自动分词系统的构想。     

基于WordNet的无导词义消歧方法

有导词义消歧机器学习方法由于需要大量人力进行词义标注,难以适用于大规模词义消歧任务.提出一种避免人工词义标注的无导消歧方法.该方法综合利用WordNet知识库中的多种知识源（包括：词义定义描述、使用实例、结构化语义关系、领域属性等）描述歧义词的词义信息,生成词义的“代表词汇集”和“领域代表词汇集”,结合词汇的词频分布信息和所处的上下文环境进行词义判定.利用通用测试集Senseval 3对6个典型的无导词义消歧方法进行开放实验,该方法取得平均正确率为49.93％的消歧结果.     

一个全文词义自动标注系统的实现

为研究在给定上下文中如何确定多义词的词义,介绍了一种无指导的词义消歧技术和一个汉语全文词义标注系统的设计实现过程．该系统基于贝叶斯模型,使用大规模语料进行训练,较好地解决了知识获取中数据稀疏的问题．该系统具有标注正确率高和运行速度快等特点,适合大规模文本的词义标注工作．     

音形词组编码的设计及词库自学习能力

本文提出一种汉字词组音形编码方案。该方案根据汉字的声母、笔划和字形的特点对词组进行编码。四键一词,好学易忆、见词识码、便于盲打。由数据库系统支持词库,输入、修改和查询快速方便。汉字词库具有自学习能力,用户可以随时增加词汇、系统自动记录词组、自动编码,并自动调整词频。     

基于多维相似度和情感词扩充的相同产品特征识别

针对现有相同产品特征识别方法受限于词典覆盖率或语料规模的不足,提出一种基于多维相似度和情感词扩充的识别方法。通过双向长短时记忆条件随机场(bi-directional long short-term memory and conditional random field, Bi-LSTM-CRF)模型抽取产品特征的扩充情感词,综合特征词的语素相似度、同义词林相似度和TF-IDF(term frequency-inverse document frequency)余弦相似度,采用K-medoids聚类算法,识别相同的产品特征。试验结果表明,在手机和笔记本数据集上,该方法的最大调整兰德指数分别达到0.579和0.595 9,而最小熵值分别达到0.782 6和0.745 7,均优于结合语素的调整Jaccard相似度、Word2Vec相似度和基于二分K-means的Word2Vec相似度三种基线试验方法。     

基于卷积神经网络的词义消歧

为了提高词义消歧性能,提出了一种基于卷积神经网络的消歧方法.以歧义词为中心,向左右两侧连续扩展4个邻接词汇单元,选取其中的词形、词性和语义类作为消歧特征.以消歧特征为基础,使用卷积神经网络来确定歧义词的语义类别.利用SemEval-2007：Task#5的训练语料和哈尔滨工业大学语义标注语料来优化卷积神经网络.使用SemEval-2007：Task#5的测试语料来测试词义消歧分类器的性能,所提方法的消歧平均准确率有提高.实验结果表明,该方法在词义消歧中是可行的.     

时代精神对南宋豪放词形成的影响

南宋豪放词的大兴与时代精神密切相关。词从本源上看是一种娱乐性极强的文学样式，在追求词的雅化过程中，苏轼的以诗为词的努力并不为时人所接受。但在北宋灭亡后，时代精神的变化，使得词人自觉以辛弃疾为榜样，拓展词的表现内容和方法，以豪放词发爱国之强音。     

面向汉语词义自动标注研究的软件平台开发

词语义项标注在自然语言处理领域占有重要地位.词义排歧知识的获取、基于排歧知识构建词义标注的语言模型,以及对所构建模型性能的评价就成为词语义项标注系统的三个核心问题,尤其是前两个问题非常重要,难度也很大.为更好地研究这些问题,设计并实现了一个面向词语义项标注研究的试验软件平台,应用该软件平台,很容易实现对不同语言模型、知识获取算法的试验与比较,且在模型确定之后,稍作改进,该实验系统就能成为一个功能完善的自动标注软件系统.试验表明,该平台对汉语词义标注的研究是有用的.     

浅谈基于改进贝叶斯模型的词义消歧方法

词义消歧（WSD）一直是自然语言理解中的一个关键问题，该问题解决的好坏直接关系到自然语言处理中诸多应用问题的效果优劣。本文对大规模真实文本进行了词义消歧研究，采用了基于依存分析改进贝叶斯分类模型的有指导词义消歧方法。     

Chinese word sense disambiguation based on neural networks

The input of a network is the key problem for Chinese word sense disambiguation utilizing the neural network. This paper presents an input model of the neural network that calculates the mutual information between contextual words and the ambiguous word by using statistical methodology and taking the contextual words of a certain number beside the ambiguous word according to （ - M, ＋ N）. The experiment adopts triple-layer BP Neural Network model and proves how the size of a training set and the value of M and N affect the performance of the Neural Network Model. The experimental objects are six pseudowords owning three word-senses constructed according to certain principles. The tested accuracy of our approach on a closed-corpus reaches 90. 31% , and 89. 62% on an open-corpus. The experiment proves that the Neural Network Model has a good performance on Word Sense Disambiguation.