“A+一+X,B+一+Y”构式的分类及释义模板

该文以现代汉语中的“A+一+X,B+一+Y”格式为例,介绍了构建《现代汉语构式知识库》的初步工作。“A+一+X,B+一+Y”格式可根据其表义功能不同分为三个大类,十个小类。该文重点阐释了该构式表达“因果倚变义、事物交错义、状态交替义、动作行为交替义、周遍大量义、让步小量义”等6种意义的判定条件及相应的释义模板。     

基于概率支持向量回归的产品设计时间预测模型

为使产品设计时间预测既克服小样本、异方差噪声问题,又提供除预测值以外的其他有用信息,建立概率支持向量回归(PSVR)模型。首先,在异方差回归模型基础上设计概率约束条件,以使预测值以较大概率位于真实值的某邻域,结合具有参数不敏感损失函数的支持向量回归确定优化目标,提出PSVR。然后,将最大完工时间知识嵌入进PSVR的约束条件,用以确定真实值邻域的宽度,将交叉验证与遗传算法相结合以确定PSVR的相关参数。最后,以注塑模具设计的实例进行分析,结果表明基于PSVR的时间预测方法可同时提供有效的预测值和预测区间。     

慕课时代下中职计算机基础课程知识体系的构建

随着社会科技和信息网络技术的飞速发展,慕课成为时代孕育的新时期教育模式,这种课程模式为中职学生学习提供了更大的自由空间。在中职计算机教学中,培养学生对于计算机理论知识的掌握和实际操作的技能固然重要,但对于学生综合素质的培养也是不容忽视的。为此,本文就以培养学生的创新能力和实践能力为要点,不断加强学生动手操作能力,对慕课时代下中职计算机课程知识体系的构建做进一步探讨。     

以科学发展观引领地方高校人才培养的初步研究

科学发展观的第一要义是发展,核心是以人为本,根本方法是统筹兼顾。它为地方高校人才培养指明了方向。地方高校应以科学发展观为指导,以学生为本,以市场为导向,以特色求生存,促进自身全面、协调、可持续发展。     

可拓集合论在专家系统知识表示中的应用

引入了可拓集合论来优化专家系统的设计过程,阐述了可拓集合论应用于专家系统的可行性,在分析知识表示的集合与分类特征的基础上,探讨了可拓集合论在知识表示中的应用,结合人工智能技术的发展趋势,对专家系统在可拓学中的应用前景做出了展望.     

科学发展观视域下的政府宏观调控原则探析

充分发挥市场在资源配置上的基础性作用和政府对经济的宏观调控职能是实现经济要又好又快发展必然要求.政府对经济的宏观调控,必须遵循以科学发展观为指导,以社会主义初级阶段的基本国情为出发点,以以人为本为根本导向,以实现经济可持续协调发展为根本目标,以多种调控手段统筹兼顾为基本方法,以市场为基础,以政府公共管理为中心,以国家发展规划、计划、产业政策为导向,以财政、货币政策、法律为手段的基本原则.     

对一种多重密钥共享认证改进方案的完善

通过分析一种多重密钥共享认证改进方案,指出其中存在的漏洞和防止成员欺骗中存在的问题,提出了自己的完善方案,使其在共享多个密钥、子密钥可以重复使用、防止管理者欺骗及参与成员欺骗等方面更加完善．     

基于微课的翻转课堂教学实践

本文以C语言程序设计课程中的递归程序教学为例,论述了基于微课开展翻转课堂教学的教学设计及实施方法。     

Feature selection on probabilistic symbolic objects

In data analysis tasks, we are often confronted to very high dimensional data. Based on the purpose of a data analysis study, feature selection will find and select the relevant subset of features from the original features. Many feature selection algorithms have been proposed in classical data analysis, but very few in symbolic data analysis （SDA） which is an extension of the classical data analysis, since it uses rich objects instead to simple matrices. A symbolic object, compared to the data used in classical data analysis can describe not only individuals, but also most of the time a cluster of individuals. In this paper we present an unsupervised feature selection algorithm on probabilistic symbolic objects （PSOs）, with the purpose of discrimination. A PSO is a symbolic object that describes a cluster of individuals by modal variables using relative frequency distribution associated with each value. This paper presents new dissimilarity measures between PSOs, which are used as feature selection criteria, and explains how to reduce the complexity of the algorithm by using the discrimination matrix.     

KENAOTE：一种知识增强的方面和意见对提取多任务学习模型

方面和意见对提取旨在根据给定句子提取方面和意见项并匹配关系,然而相关研究通常独立提取方面和意见项,而不识别关系。为了识别方面和意见项关系,提出一种知识增强的方面和意见对提取多任务学习模型。首先使用预训练语言模型为文本生成具有语义信息的词向量,为了实现知识增强的效果,使用遮蔽注意力的方式将知识图谱的语义信息融入词向量中,然后使用基于距离注意力和条件随机场的序列标注方法提取方面和意见项,最后再将提取的方面和意见项两两匹配预测对应关系。为了加强方面和意见项提取模块和匹配模块的联系,采用共享编码层的方式实现联合训练。在训练流程中,匹配模块采用真实标签作为输入,在测试过程中采用提取模块的结果作为输入。为了证明模型的有效性,使用三个通用领域数据集进行对比实验,该模型在方面和意见项匹配任务中F1值分别达到66.99%、75.17%和67.30%,并优于其他比较模型。