台湾著名作家

摘要： 《窃读记》是台湾著名作家林海音的作品,被选入人教版、沪教版等中学语文教材中,统编版初中语文七年级上册也收录了这篇课文,这可以显著地看到该文的经典价值。也因此,在不同层次的公开课上,也都能看到教师解读这篇课文。笔者以为,解读一篇经典的作品,很大程度上就是解读作品中的人与事。对于《窃读记》这篇课文而言,解读的重点人物往往是课文中的"我"或"老板"这两个角色。尤其是课文中的"我",是一个非常值得琢磨且似乎有着探究不尽意义的对象。

摘要： 最近读了一本书,题目是《桃树人家--读书人家的光阴》,作者是三姐妹:朱天文、朱天心、朱天衣。她们是台湾著名作家朱西甯的三个女儿。朱西甯是出色的小说家,他的妻子刘慕沙是著名的日本文学翻译家,他们的三个女儿也都在文学领域有所成就,各领风骚。

摘要： 台湾著名作家三毛在《稻草人手记》中这样描写父母:“每个人的身边都有两个可爱的守护天使,一直默默地为他们守护着的孩子遮风挡雨,不求回报。”这当然是通常意义上的父母,或者说是父母的“应然状态”。然而,现实中并非所有的父母都是这样的形象,有的甚至刚好相反。

摘要： 台湾著名作家刘墉,不仅善于写作,还擅长绘画。他的书,居台湾畅销书作家之冠,而他的画,也频繁获奖。有一年,他的画参加台湾当代名家画展,被邀展的作品有张大千、黄君璧等著名画家的,而能参加此次画展,也证明作品是很有实力的。

摘要： 徐志摩在他的散文《想飞》里曾写道:"人们原来都是会飞的……我们一过了做孩子的日子就掉了飞的本领。"台湾著名作家林清玄也曾在微博发表过"在穿过林间的时候,我觉得麻雀的死亡给我一些启示,我们虽然在尘网中生活,但永远不要失去想飞的心,不要忘记飞翔的姿势。"麻雀一生追逐天空,渴望真正的以蓝天为居,最后在追逐蓝天时死去。

摘要： 第一板块：直接导入,揭示课题,开启预测师：（出示林清玄照片）今天,我们将要认识台湾著名作家林清玄,一起读读他的童年故事——《和时间赛跑》。（板书：和时间赛跑）＂赛＂字是个生字,横特别多,最后一笔是点。（生跟着书空）师：读故事前,我们来做个小小预测吧,请拿出作业纸。凭感觉,根据我们读故事的经验,

摘要： 2016年11月22日,台湾著名作家陈映真先生在北京逝世。作为一个＂坚定的左翼作家＂,陈映真在海内外具有极大的影响力并获得过极大关注。陈建功说,陈映真是第一个以小说形式表现台湾上个世纪50年代白色恐怖时期革命者的斗争与牺牲的作家,也是第一个反对＂台独＂的作家。

摘要： 经典素材张旭的＂诀窍＂姚秦川有一年,颜真卿来到洛阳,拜精通楷书和草书、负有盛名的张旭为师学习书法。拜师之后,颜真卿十分希望老师能手把手、将全部技能教给自己。但是几个月过去了,老师却很少讲授练习书法的技巧和注意事项,只是将历代书法名家的真迹及自己写的字交给他,吩咐他仔细揣摩,

摘要： 本发明公开了一种基于网络表征和语义表征的同名作者消歧方法。本方法为：1)提取目标论文库中各论文的语义特征和离散特征；2)基于离散特征计算各论文间的相似度，得到论文的关系相似性矩阵；如果一论文与其他论文没有共同作者或机构，则将其加入一离群论文集中；3)基于各论文的所述语义特征计算论文的语义相似度矩阵；将目标论文库中不包含语义特征的论文加入离群论文集中；4)将关系相似性矩阵和语义相似度矩阵加权求和，获得论文相似度矩阵并对其进行聚类；将不属于任何簇的论文加入离群论文集中；5)利用基于相似度阈值匹配的方法将离群论文集中的论文分配到对应的簇中。本发明实现高准确率的论文同名作者的消歧。

摘要： 本发明涉及一种基于高置信度特征属性分层聚类方法的论文同名作者消歧方法。主要步骤：（1）先从学术搜索引擎中抽取出原始数据，提取出特征属性值，对其进行规范化处理；（2）根据规则，先形成别名组，然后根据别名组生成同形异义作者歧义组；（3）分别对各个单特征属性进行相似度计算和消歧方法的选取；（4）通过由步骤3得出的各个属性置信度评估，得出基于高置信度的特征属性层次聚类方法。应用本发明，不仅保证了姓名消歧的速度，也提高了消歧的准确率。

摘要： 本发明公开了一种无监督的基于表示学习的同名作者消歧方法及装置，包括：对科学文献数据进行预处理；利用Word2Vec预训练模型和SCIBERT预训练模型分别生成基于Word2Vec和基于SCIBERT的文本语义表示向量；通过对消歧数据的处理生成局部异质网络，指定元路径metapath并利用metapath2vec方法获取基于局部图结构的论文关系表示向量；针对上述三种表征向量分别生成相似度矩阵并进行加权求和；利用无监督聚类方法进行聚类；对聚类离散点进行簇指派，得到最终消歧结果。本发明利用论文的表征信息，结合多重混合的表征学习和聚类离散点指派方法，增强消歧算法的泛化能力与鲁棒性，提高了消歧准确度与消歧效率。

摘要： 本发明公开了同名作者判断方法、装置、电子设备及可读存储介质，涉及大数据和数据处理技术领域，在该同名作者判断方法中，本发明应用大数据技术搜索出目标作者姓名的全部论文，并按发表论文的单位进行分类，检索出论文的基本词，并应用词频‑逆文档词频方法提取论文的核心词；再由此建立论文的核心词词频向量，计算不同论文之间的相似度，从而建立同一单位论文的相似度自相关矩阵和不同单位论文的相似度互相关矩阵；最后通过相似度自相关矩阵和相似度互相关矩阵，分别计算论文相似度的自相关矩阵相似度指数和互相关矩阵相似度指数，由此可以判断不同单位以所述目标作者姓名发表论文的作者是否为同一人。

摘要： 本发明公开了基于预训练模型与决策树的增量式论文同名作者消歧方法，属于神经网络与作者同名消歧技术领域，所述方法利用人工定义特征与XLNet提取特征相结合的特征提取，首先使用人工定义特征提取论文中作者名称、机构等字段的信息，使用XLNet提取论文标题、摘要等字段的信息，之后利用XGBoost与提取出的特征来预测每篇论文应该归属的正确作者，对于该步未能分配出的论文进行凝聚式聚类的后处理，获取主聚类作为新的作者论文集，预测结果使用准确率、召回率以及F1值。本发明能够对论文的信息进行更加充分地提取，具有较强的可解释性，具有较强的鲁棒性，在处理噪点较多以及论文信息较为齐全的数据上有较优秀的表现。

摘要： 本发明提供一种重名作者文献聚类方法及装置，通过获取目标文献集中任意两篇文献的相关性参数，相关性参数包括作者同现指数、关键词相关指数、作者单位相似性指数、论文分类号相关指数、以及引用关系指数；根据任意两篇文献的相关性参数获取任意两篇文献的相关系数；根据任意两篇文献的相关系数对目标文献集进行聚类分析，获取基于重名作者的聚类结果，每一聚类下的文献中重名作者均表示同一个作者实体，消除重名作者歧义问题，在学术文献计量分析、科技评价、学术研究等方面具有很高的应用价值，能够提高学术分析的精准化程度。

摘要： 本发明公开了一种无监督的基于表示学习的同名作者消歧方法及装置，包括：对科学文献数据进行预处理；利用Word2Vec预训练模型和SCIBERT预训练模型分别生成基于Word2Vec和基于SCIBERT的文本语义表示向量；通过对消歧数据的处理生成局部异质网络，指定元路径metapath并利用metapath2vec方法获取基于局部图结构的论文关系表示向量；针对上述三种表征向量分别生成相似度矩阵并进行加权求和；利用无监督聚类方法进行聚类；对聚类离散点进行簇指派，得到最终消歧结果。本发明利用论文的表征信息，结合多重混合的表征学习和聚类离散点指派方法，增强消歧算法的泛化能力与鲁棒性，提高了消歧准确度与消歧效率。

摘要： 本发明公开了一种基于网络表征和语义表征的同名作者消歧方法。本方法为：1)提取目标论文库中各论文的语义特征和离散特征；2)基于离散特征计算各论文间的相似度，得到论文的关系相似性矩阵；如果一论文与其他论文没有共同作者或机构，则将其加入一离群论文集中；3)基于各论文的所述语义特征计算论文的语义相似度矩阵；将目标论文库中不包含语义特征的论文加入离群论文集中；4)将关系相似性矩阵和语义相似度矩阵加权求和，获得论文相似度矩阵并对其进行聚类；将不属于任何簇的论文加入离群论文集中；5)利用基于相似度阈值匹配的方法将离群论文集中的论文分配到对应的簇中。本发明实现高准确率的论文同名作者的消歧。

摘要： 本发明公开了一种基于分层网络的重名作者辨识方法，包括：步骤1，对于给定文献数据集按照发表时间划分子集；为子集构建作者合作网络G

摘要： 本发明涉及一种基于高置信度特征属性分层聚类方法的论文同名作者消歧方法。主要步骤：（1）先从学术搜索引擎中抽取出原始数据，提取出特征属性值，对其进行规范化处理；（2）根据规则，先形成别名组，然后根据别名组生成同形异义作者歧义组；（3）分别对各个单特征属性进行相似度计算和消歧方法的选取；（4）通过由步骤3得出的各个属性置信度评估，得出基于高置信度的特征属性层次聚类方法。应用本发明，不仅保证了姓名消歧的速度，也提高了消歧的准确率。