基本命题

摘要： 企业生存发展最基本的命题是什么?是战略、组织、人,这是支撑企业持续生存和发展的三支柱。中国企业为什么要重提这三大基本命题?因为在不确定的复杂时代,企业的生死是一个常态。每年都有无数企业在生,有无数企业在死。哪些企业能做大?哪些企业做不大?哪些企业会生?哪些企业会死?

摘要： 几何的特点是"言之有理,言之有据".若追根溯源,最原始的依据是什么呢,也就是逻辑推理的源头在哪里呢?"数学课标"(2011年版)选取了几个命题作为"基本事实",使它们成为推出现行几何教材系统内其他命题的基本命题,成为几何逻辑推理的原始依据."数学课标"中"规定"了9个基本事实.

摘要： 中国企业为什么要重提战略、组织、人这三大基本命题?因为在不确定的复杂时代,企业的生死是一个常态,每年都有无数企业在生,有无数企业在死,哪些企业会生,哪些企业会死?哪些企业能做大,哪些企业做不大?生与死,虽然个中原因多种,死法多样,据我个人的观察和研究,大部分企业的死,都不是因为企业家不创新、不拥抱变化、不打破规则、不抓机会。

摘要： 中国宪法学者并没有认真清理过自己的法理论立场,尽管不自觉地预设了一定的倾向。这不仅造成方法论竞争失去了共同概念平台,流于自说自话,不能形成交锋,更重要的是,遮蔽了这些争论背后共享的一些默契,那就是对于“什么是法和宪法”,它们其实都持有法实证主义的一般法理论倾向,都分享了当代法实证主义的一些基本命题,所谓的交锋也极可能是建立在家族相似性内部的竞争。

摘要： 家庭教育法已列入十三届全国人大常委会五年立法规划第三类项目,其草案已于2021年1月20日提请十三届人大常委会第二十五次会议审议,制定全国性家庭教育法提上了立法日程。制定家庭教育法,调整对象的确定与表达是核心问题,调整对象在各类法律中均属基本性普遍性存在,同样也是家庭教育立法需要首先回答的最基本命题,影响到家庭教育法核心价值与内容体系的科学设定与表达。

摘要： 注重把握“初心”和“使命”的关系。从初心和使命的内在逻辑关系来看,初心是使命的原始起点,为使命提供了价值之源和精神动力,回答了“为什么要出发、为谁而奋斗”的根本问题;使命是初心的实践归宿,为初心明确了具体目标和实现路径,回答了“往哪里走、怎样走”的基本命题。

摘要： 博风建筑分别于2012年和近期完成了位于嘉定远香湖公园和德清下渚湖公园的两个公厕项目.文章介绍了这两个项目设计时的思考过程,解读设计如何回应"创造内外连续感"这一基本命题.作者认为当下常见的为建筑进行赋型或者基于某一个设计条件进行"科学的"正向推导的设计方法会使建筑相对于人呈现出一种客体化的状态,消解人与建筑之间最基本的使用关系与相关体验.作者提出从使用者与建筑的基本使用关系相关的体验角度,在总体上对设计进行把握的设计方法.

摘要： 本文论旨基于历史唯物主义之基本命题:经济基础决定意识形态。该命题适用于国内,也许更适用于世界:凡是国力强大的政治体总是在其所能辐射的范围内享有文化领导权,建立和维持世界性思想学术体系。今日世界正处在百年未有之大变局中,美国的霸权走向衰败,中国的国力和国际地位日趋上升,成为世界体系中坐二望一的大国。因此,中国有可能也有必要构建与其大国地位相称的思想学术体系,即大国学术,并引领形成新的世界性思想学术体系。本文讨论了这一发展前景的历史必然性,以及中国式大国学术的内容、价值和方法。

摘要： 从学科发展角度看,提出历史政治学的理由至少有以下三点:其一,明确地服务于政治学学科的发展。历史政治学明标其政治学学科属性,有利于推动政治学学科的发展。其二,为中国政治学的发展探索新路。一方面,欧美国家的政治衰败使其政治理论丧失学理和道德的感召力;另一方面,中国在政治上已有足够自信,开始寻求政治理论之自主自立。内外两个因素要求中国政治学独立地进行理论创发,重建政治学之核心概念、基本命题和底层逻辑。其三,树立中国学术的自主性。历史政治学是全新范式,中国学者率先提出,并从最底层构建其研究纲领,学术自主性不言自明。

摘要： 消费品的生产与消费,承载的不仅是物质的生产与需求的满足,也是文化意义的转移和传播。一、商品与人的关系是营销学的基本命题现代社会是一个消费社会。商品和人之间是什么样的关系?这是营销学的基本命题。多数商品只是用于满足人的需要,也就是说,多数商品和人只是一种工具性的关系。但是有些商品超越了这种关系,成为同类中的佼佼者。王石曾讲过这样一次亲身经历:多年前他把用得很顺手的日产相机弄坏了,甶于国内缺少元件与技术,便托一个前往日本公干的朋友带去修理。

摘要： 本发明公开了一种基于数据增强与主动学习的小样本命名实体识别方法，目的是提升主动学习方法早期识别未标注数据的F1值，且针对多种查询策略有效。技术方案是先构建结合数据增强的主动命名实体识别系统；准备训练命名实体识别模型所需的数据集。主动学习模块、数据标注模块、数据增强模块采用多轮循环的方式对命名实体识别模块中的命名实体识别模型进行训练并对数据进行标注和增强。训练后的命名实体识别模块对测试数据池T内的文本进行命名实体识别，得到预测的标签序列。本发明实现了在早期参与训练的标注数据少时快速提高命名实体识别的效果，使得相比原来的主动学习下的命名实体识别方法，多种查询策略的F1值都有提升。

摘要： 本发明公开了一种文本命名实体识别方法与系统，方法包含以下步骤：获取已标注文本数据，并对已标注文本数据进行处理得到可输入数据增强模型的训练数据集；对已标注文本数据进行数据增强得到增强型已标注文本数据；将原有的已标注文本数据与增强型已标注文本数据整合为可输入模型进行训练的格式构成训练集和验证集；搭建模型并使用训练集和验证集进行模型训练；将待识别文本数据输入模型中，处理得到待识别文本数据中的实体集合数据；对实体集合数据进行清洗消除实体嵌套得到实体识别结果数据；系统包含数据处理模块、数据增强模块、数据整合模块、深度学习模型构建模块、实体识别模块、实体清洗模块。

摘要： 本申请实施例提供了一种脚本命令漏洞检测方法、漏洞扫描器及存储介质，所述方法包括：对输入的脚本命令进行语法解析，获取抽象语法树；根据所述脚本命令的类型，对所述抽象语法树进行跟踪审计分析；根据所述审计分析结果判定脚本命令是否存在漏洞，本申请实施例可以应对脚本命令漏洞带来的信息安全问题。

摘要： 本发明公开了一种医疗文本命名实体识别方法及系统，所述方法包括以下步骤：获取待识别医疗文本；基于预训练的命名实体识别模型，对所述待识别医疗文本进行命名实体识别；其中，所述命名实体识别模型训练方法包括：获取已进行实体标注的医疗文本训练数据集，对每个训练数据均进行字符级编码、实体位置编码和实体类别编码；根据选定中文预训练模型，根据所述字符级编码及相应的实体位置编码和实体类别编码，训练得到所述命名实体识别模型。本发明通过改进实体位置编码和实体类别编码方法，能够快速高效的进行命名实体预测。

摘要： 本发明涉及文本识别技术领域，具体涉及一种合同文本命名实体识别方法及模型。本发明的方法包括获取合同文本的语句序列；提取合同文本的语句序列的语法及语义特征，得到合同文本的词序列特征向量；对文本的词序列特征向量进行特征提取和特征融合，得到文本的预测标签；以及对预测标签进行修正处理，输出合同文本标签步骤。本发明的方法步骤均通过采用人工智能的深度学习方法识别合同文本的实体信息，不再需要耗费大量人力制定大量规则，且能够自动、高效识别出输入的合同文本中的命名实体信息，为后续文本分类、数据脱敏等任务提供准确的实体标签。

摘要： 本发明公开了基于混合多原型的小样本命名实体识别方法，包括以下步骤：从训练和测试数据集中采样片段，片段包括支持集和查询集；对于支持集，采用实体标签扩充序列，以丰富句子的语义；使用编码器来嵌入支持集和查询集中的序列，产生具有上下文信息的符号和标签嵌入；基于具有上下文信息的符号和标签嵌入，生成所有类的混合多原型表示；根据符号与混合多原型类表示的距离来预测查询集中词的标签。本发明方法提出了一种新的多原型类表示策略，以减少潜在的表示偏差，提高单原型方法的表达能力；设计了一种混合策略来构造实体类和非实体类的多原型，由此使得本发明识别效果非常高。

摘要： 本发明属于人工智能技术领域，公开了一种通过脚本命令实现大数据任务和机器学习任务交互的方法，该方法包括如下步骤：根据ANTLRV4定义一种语言的规范和语法；读取脚本内容，进行语法解析，将脚本内容翻译成RDD data frame或者Python的代码；将RDD data frame或者Python的代码提交到SPARK引擎与RAY引擎；SPARK引擎与RAY引擎进行数据交互。本发明提供一种通过脚本命令实现大数据任务和机器学习任务交互的方法，以解决“算法落地成本高于收益”以及“人才资源不足，时间成本高”的问题。

摘要： 本发明涉及容器技术领域，具体提供一种shell命令调用python脚本命令的方法、装置及存储介质，旨在解决现有方法由于第二条命令是基于进入虚拟环境后才能执行，此时流命令已经结束而退出虚拟环境，导致第二条命令在虚拟环境中无法执行的技术问题。为此目的，本发明的shell命令调用python脚本命令的方法包括下述步骤：获取要执行python的虚拟环境信息、调用方法名和待生成的脚本文件的位置信息；将虚拟环境信息、调用方法名和位置信息存储至缓存中；基于虚拟环境信息和调用方法名生成脚本文件；基于位置信息执行调用脚本文件，并返回执行结果。

摘要： 本发明涉及融合知识提示的法律文本小样本命名实体识别方法，属于自然语言处理与机器学习领域。本发明首先定义裁判文书的提示性模板、标签集和自然词集的映射关系，从中国裁判文书网平台获取了2760篇裁定书和判决书文档；然后采用Bert模型对案件陈述和判决结果句子的嵌入向量进行编码，通过注意力加权得到句子的特征表示，结合构造的模板指导生成式预训练模型GPT生成词的类别向量；最后，利用全连接层将句子向量转化为跨度向量，生成语义标签，最小化其与标签向量的损失函数。本发明有效缓解了在法律领域下，由于其标注样本较少、与通用领域的实体类型分布不同造成的过拟合与分类不准确的问题，提升了法律实体识别的准确率和模型的迁移能力。

摘要： 一种医学文本命名实体识别方法，采用了loss函数里面对预训练语言模型进行L1回归的方式去学习，平衡了预训练部分与配合命名实体识别增加部分的参数学习，提升了模型训练效果的同时，也提升了命名实体识别的效果。在训练过程中创新性采用了反向修改条件随机场中转移矩阵的方法，形成了对不合法标签的惩罚，使得医学文本命名实体识别模型能够被动的掌握避免出现不合法标签的方法，所以在解码过程中仅仅使用argmax运算就可以进行解码，摆脱了对维特比算法的依赖，提高了医学命名实体识别的推理速度，提升了大数据量下的医学文本命名实体识别场景的实时性。