全文获取类型
收费全文 | 75篇 |
免费 | 4篇 |
国内免费 | 50篇 |
学科分类
文化教育 | 129篇 |
出版年
2024年 | 2篇 |
2023年 | 1篇 |
2022年 | 4篇 |
2021年 | 1篇 |
2020年 | 1篇 |
2019年 | 1篇 |
2018年 | 1篇 |
2017年 | 1篇 |
2016年 | 3篇 |
2015年 | 4篇 |
2014年 | 8篇 |
2013年 | 7篇 |
2012年 | 3篇 |
2011年 | 6篇 |
2010年 | 4篇 |
2009年 | 14篇 |
2008年 | 17篇 |
2007年 | 7篇 |
2006年 | 13篇 |
2005年 | 6篇 |
2004年 | 5篇 |
2003年 | 7篇 |
2002年 | 1篇 |
2001年 | 1篇 |
2000年 | 3篇 |
1999年 | 4篇 |
1996年 | 3篇 |
1995年 | 1篇 |
排序方式: 共有129条查询结果,搜索用时 16 毫秒
1.
[目的/意义] 为更好地提升基于内容的引文分析效果,对国内外引用对象相关研究进行调研总结,为引用内容分析研究提供借鉴。[方法/过程] 通过调研国内外引用对象相关研究,梳理引用对象的概念定义、分类体系、应用领域和自动化识别等方面研究进展,总结当前引用对象研究不足并提出未来发展方向。[结果/结论] 引用对象从语义层面评价文献学术研究的贡献和利用价值,为引文分析方法增加了重要维度。引用对象研究需要从理论、技术和应用三个方向进行深化:理论上,加强多维度引用对象特征的研究和分析;技术上,探索基于大规模语料的自动化识别方法;应用上,尝试基于引用对象的科研评价服务。 相似文献
2.
选取网络文本资源的标题识别作为切入点,除考虑多数研究关注的文本的格式信息(如字体)、位置信息等特征外,加入对标题与网页正文内容的相关度的考虑,利用科技监测项目采集到的大量历史数据作为统计分析的基础,从候选标题的可能来源和特征方面,构建基于规则的网络文本资源标题快速识别方法,并给出该方法的时间效率和识别准确率测评结果。 相似文献
3.
深入开展中华人民共和国国史的教育和研究一直是各方高度重视的工作。将国史知识进行语义揭示和组织,对于国史的教育和研究具有重要意义。在参考相关研究成果的基础上,本文提出了“向下挖掘,向上组织”的国史知识语义揭示与组织方法。这一方法以国史本体为基础,在对隐藏于国史资源文本条目中的国史知识对象和相关事实进行语义挖掘和揭示的基础之上,通过国史知识对象的关联,构建国史知识网络,并基于时间、类属、层级及统计等关系,对国史知识内容进行更高层次的多维组织展示,并基于这一思路开发了相应的系统平台,实现了国史知识的揭示、重组和其他创新应用。本文所提出的国史知识语义揭示和组织方法对其他类型知识的开发利用具有参考价值。图7。参考文献12。 相似文献
4.
数字信息资源长期保存技术体系研究* 总被引:10,自引:2,他引:10
在参考OAIS参考模型,借鉴国外主要保存系统的技术框架和相关技术体系的基础上,提出一个能够容纳当前主要数字保存技术的数字保存技术体系。这一体系中的数字保存技术又分属于5个功能块,分别为保存管理功能块、摄入功能块、仓储功能块、存储管理功能块和访问功能块,并对各个功能块之下的主要技术进行阐述。 相似文献
5.
介绍Web archive资源应用的基本情况,从数据挖掘的角度,对Web archive资源的深层次应用进行总结和分析。 相似文献
6.
7.
9.
网络科技信息具有开源、发布及时等特点,目前已成为战略情报监测的重要资源。但这类资源又具有非结构化、无语义描述等特点,如何将Web信息从非结构的自由信息转为可分析的结构化、语义化信息成为一个亟需解决的问题。针对这一问题,笔者提出了网络科技信息结构化监测的思路方法。这一方法通过知识抽取技术,从网络信息资源中抽取出嵌在其中的知识对象以及对象间的相互关系,将自由文本转换为结构化的可计算的知识单元,在此基础上构建各类监测模型,进而实现对研究领域的态势监测。基于这一思路,笔者开发了“网络科技信息自动监测系统”,并基于监测数据所形成的语义资源,进行了监测态势分析实验。图 6。表1。参考文献16。 相似文献
10.
[目的/意义] 科技文献中的概念是对文献中知识高度凝练的表达,通常以定义句的形式出现在科技文献中。自动从概念定义句中抽取概念,能够进一步挖掘科技文献中蕴含的重要知识。[方法/过程] 通过分析概念定义句的结构、句式等模式特征,提出以WCL数据集为基础的语料构建方案,并采用BERT+BiLSTM+CRF模型学习概念定义句的模式,从而实现概念短语抽取。[结果/结论] 结合以往对概念定义句模式特征的研究,创新性地提出一种基于序列标注学习概念定义句的组成模式,从而实现概念短语抽取。通过BERT+BiLSTM+CRF模型,有效学习了概念定义句中的上下文语义、句式结构、组成项分布等模式特征,实现了句子中概念短语的抽取。 相似文献