全文获取类型
收费全文 | 15918篇 |
免费 | 448篇 |
国内免费 | 529篇 |
学科分类
工业技术 | 16895篇 |
出版年
2024年 | 23篇 |
2023年 | 155篇 |
2022年 | 183篇 |
2021年 | 227篇 |
2020年 | 210篇 |
2019年 | 199篇 |
2018年 | 69篇 |
2017年 | 120篇 |
2016年 | 136篇 |
2015年 | 199篇 |
2014年 | 580篇 |
2013年 | 452篇 |
2012年 | 663篇 |
2011年 | 696篇 |
2010年 | 871篇 |
2009年 | 1020篇 |
2008年 | 1222篇 |
2007年 | 948篇 |
2006年 | 1068篇 |
2005年 | 1598篇 |
2004年 | 1361篇 |
2003年 | 1098篇 |
2002年 | 895篇 |
2001年 | 632篇 |
2000年 | 475篇 |
1999年 | 281篇 |
1998年 | 258篇 |
1997年 | 194篇 |
1996年 | 136篇 |
1995年 | 115篇 |
1994年 | 100篇 |
1993年 | 79篇 |
1992年 | 120篇 |
1991年 | 151篇 |
1990年 | 164篇 |
1989年 | 189篇 |
1988年 | 1篇 |
1987年 | 1篇 |
1986年 | 5篇 |
1985年 | 1篇 |
排序方式: 共有10000条查询结果,搜索用时 31 毫秒
1.
服务发现旨在解决服务信息爆炸的问题,找到定位满足服务请求者需求的服务.由于服务描述信息主要由带有噪声的短文本组成,并且具有语义稀疏的特征,因此很难提取服务描述文档的隐含上下文信息,此外,传统的服务发现方法在获取服务的特征表示后,直接进行相似度计算,其使用的度量函数是不符合人类感知的.针对上述两个问题,文中提出了一种基于知识图谱和神经相似网络的服务发现框架(KSN).它使用知识图谱来连接服务描述和规格中的实体以获得丰富的外部信息,从而增强服务描述的语义信息,使用卷积神经网络(Convolutional Neural Network,CNN)提取服务的特征向量,并将其作为神经相似网络的输入,神经相似网络会学习一个相似度函数,用于计算服务和请求之间的相似度以支持服务发现过程.通过对ProgrammableWeb爬取的真实服务数据集的大量实验结果表明,就多种评估指标而言,KSN优于现有的Web服务发现方法. 相似文献
2.
3.
对于用户泛化和模糊的查询,将Web搜索引擎返回的列表内容聚类处理,便于用户有效查找感兴趣的内容。由于返回的列表由称为片段(snippet)的短文本组成,而传统的单词频率-逆文档频率(TF-IDF)特征选择模型不能适用于稀疏的短文本,使得聚类性能下降。一个有效的方法就是通过一个外部的知识库对短文本进行扩展。受到基于神经网络词表示方法的启发,提出了通过词嵌入技术的Word2Vec模型对短文本扩展,即采用Word2Vec模型的TopN个最相似的单词用于对片段(snippet)的扩展,扩展文档使得TF-IDF模型特征选择得到聚类性能的提高。同时考虑到通用性单词造成的噪声引入,对扩展文档的TF-IDF矩阵进行了词频权重修正。实验在两个公开数据集ODP239和SearchSnippets上完成,将所提方法和纯snippet无扩展的方法、基于Wordnet的特征扩展方法和基于Wikipedia的特征扩展方法进行了对比。实验结果表明,所提方法在聚类性能方面优于对比方法。 相似文献
4.
双语词嵌入通常采用从源语言空间到目标语言空间映射,通过源语言映射嵌入到目标语言空间的最小距离线性变换实现跨语言词嵌入。然而大型的平行语料难以获得,词嵌入的准确率难以提高。针对语料数量不对等、双语语料稀缺情况下的跨语言词嵌入问题,该文提出一种基于小字典不对等语料的跨语言词嵌入方法,首先对单语词向量进行归一化,对小字典词对正交最优线性变换求得梯度下降初始值,然后通过对大型源语言(英语)语料进行聚类,借助小字典找到与每一聚类簇相对应的源语言词,取聚类得到的每一簇词向量均值和源语言与目标语言对应的词向量均值,建立新的双语词向量对应关系,将新建立的双语词向量扩展到小字典中,使得小字典得以泛化和扩展。最后,利用泛化扩展后的字典对跨语言词嵌入映射模型进行梯度下降求得最优值。在英语—意大利语、德语和芬兰语上进行了实验验证,实验结果证明该文方法可以在跨语言词嵌入中减少梯度下降迭代次数,减少训练时间,同时在跨语言词嵌入上表现出较好的正确率。 相似文献
5.
9.