全文获取类型
收费全文 | 78篇 |
免费 | 6篇 |
国内免费 | 10篇 |
专业分类
综合类 | 9篇 |
机械仪表 | 1篇 |
建筑科学 | 1篇 |
轻工业 | 4篇 |
水利工程 | 1篇 |
无线电 | 13篇 |
一般工业技术 | 1篇 |
自动化技术 | 64篇 |
出版年
2024年 | 1篇 |
2023年 | 1篇 |
2022年 | 2篇 |
2021年 | 2篇 |
2020年 | 3篇 |
2019年 | 1篇 |
2018年 | 1篇 |
2017年 | 4篇 |
2016年 | 5篇 |
2015年 | 3篇 |
2014年 | 6篇 |
2013年 | 3篇 |
2012年 | 3篇 |
2011年 | 6篇 |
2010年 | 4篇 |
2009年 | 5篇 |
2008年 | 11篇 |
2007年 | 4篇 |
2006年 | 2篇 |
2005年 | 1篇 |
2004年 | 7篇 |
2003年 | 4篇 |
2002年 | 1篇 |
2001年 | 3篇 |
2000年 | 4篇 |
1999年 | 2篇 |
1997年 | 1篇 |
1996年 | 1篇 |
1991年 | 2篇 |
1989年 | 1篇 |
排序方式: 共有94条查询结果,搜索用时 15 毫秒
31.
李慧 《信息安全与通信保密》2016,(12):27-29
1发展历程人工智能的浪潮汹涌澎湃,在视觉图像识别、语音识别、文本处理等诸多方面人工智能已经达到或超越人类水平,在视觉艺术、程序设计方面也开始崭露头角,令人惊叹不已。人们已经相信,在个人电脑时代、网络时代、手机时代之后,整个社会已经进入人工智能时代。 相似文献
32.
随着信息时代的到来,网络评论数量急剧增加,对于这些网络评论的倾向性分析是网络舆情研究中的重要课题。为了对网络评论的倾向性进行分析,提出了基于神经网络的网络舆情文本倾向性分析算法,使用神经网络训练的方法构建了较好的情感词倾向值词典,对网络评论的倾向性预测达到了较高的准确率。对算法进行了细致的描述,同时提出了基于神经网络的网络舆情文本倾向性分析系统框架。最后通过实验进行测试,证明了该系统能够达到较好的准确率。 相似文献
33.
基于SOM网络的随机映射文本降维方法 总被引:1,自引:1,他引:1
文中针对在文本处理的高维矢量环境中Kohonen自组织特征映射神经网络的计算瓶颈问题进行分析,引入RM(随机映射)方法并进行相应的理论分析,在此基础上提出可以运用RM方法有效并且可控地解决上述计算瓶颈问题,降低了文本处理环境中Kohonen神经网络的规模和时间、空间代价。文章通过实验证明了上述方法的有效性和正确性,从而达到提高自组织理论对于文本处理的实时性和实际可行性的目的,并对其进一步应用进行展望。 相似文献
34.
35.
本体理论在知识工程领域得到广泛关注和普遍认可,构建完备且准确的领域本体已经越来越重要,同时,企业知识资源的更新与集成要求本体的不断进化与融合;针对目前本体构建与重构过程中数据处理效率低的问题,运用支持向量机分类及K-均值聚类的方法对本体构建数据进行处理,从文本数据中抽取关注的特定的信息,运用基于二叉树的多分类支持向量机以及支持向量机与K-均值融合的多样本聚类,总结基于分类与聚类的本体构建过程,并以离散型和连续型两种数据样本验证了方法的可行性;最后,在上述框架与理论研究的基础上,设计并开发了面向知识管理的本体工具平台,简单介绍系统的模块功能;实验结果表明,基于数据挖掘的本体构建与重构技术具有良好的应用效果。 相似文献
36.
第六届中国健康信息处理会议(China conference on Health Information Processing,CHIP 2020)组织了中文医疗信息处理方面的6个评测任务,其中任务2为中文医学文本实体关系抽取任务,该任务的主要目标为自动抽取中文医学文本中的实体关系三元组。共有174支队伍参加了评测任务,最终17支队伍提交了42组结果,该任务以微平均F1值为最终评估标准,提交结果中F1最高值达0.648 6。 相似文献
37.
基于多标记学习的汽车评论文本多性能识别 总被引:1,自引:0,他引:1
针对汽车产品评论文本中出现的多方面性能,提出一种基于多标记学习的汽车评论文本多方面性能识别方法。首先,结合文本挖掘方法,利用多标记文本特征选择方法选取特征,将非结构化的文本转化为结构化的多标记数据集。在此基础上,使用四种多标记分类方法,对待识别的评论文档标注一个或多个方面标记。最后,以八种多标记评价指标评估方面识别的性能。在新浪汽车评论语料上的实验表明,方面识别的子集准确率达到了95%,验证了方法的可行性。 相似文献
38.
情感倾向分析本质上可以看作是一个情感极性分类问题。在海量数据处理的大背景下,为了提高文本情感判断的准确率,提出了一种结合潜在语义分析LSA(Latent Semantic Analysis)和支持向量机SVM(Supported Vector Machine)的文本褒贬情感倾向分类方法。从语义的角度利用潜在语义分析方法建立"词-文档"的语义距离向量空间模型,然后使用具有良好分类精度和泛化能力的支持向量机进行情感分类。实验结果表明,该方法在句子简短、情感倾向比较明显的Web评论中的准确率较传统的SVM方法有了一定的提高,在测试集上的分类准确率接近88%。 相似文献
39.