名家名作

摘要： 栏目推介阅读之窗--名家名作,美文美味,培养语感、提高鉴赏能力开卷也芬芳(千字美文,有故事有哲思,耐读有味)老师的学生时代(邀请名师讲述自己学生时代的生活和学习故事)作家典藏(深度挖掘其人其事其作,发现作品魅力和作家人生的轨迹)美文斋(既有名家经典散文,也有课文作者的其他作品等)杂文馆(经典杂文选摘)小说苑(精选一些获奖的或有代表性作家的小小说)。

摘要： 统编版初中语文七年级下册教材选入了两篇非常类似的文章,一篇是《回忆鲁迅先生(节选)》,是中国近现代女作家——被誉为二十世纪三十年代的“文学洛神”的萧红所写;另一篇是《叶圣陶先生二三事》,由被季羡林先生称赞为“高人、逸人、至人、超人”的张中行所写。都可谓名家名作。虽在教学目标设置上有所不同,各有侧重,但在内容的理解、教学的手法两方面也有值得比较的相通之处。那就不妨在阅读中去感受它们的异同吧。

摘要： 《新时期以来福建戏曲创作研究》由笔者的博士学位论文修订完成,通过考察“文人取向”与“民间立场”在国家政策影响之下的沟通与互动,对新时期以来的福建戏曲创作进行了整体把握和具体分析。在导师陆军教授的教导之下,本书在研究对象的选择上,不仅关注名家名作,也留意民间剧团的保留剧目,包括一些本该得到更多关注的“被遗忘的作品”。

摘要： 从书法艺术的专业角度评论王卫军者络绎不绝,现在,笔者更想从文学角度来观察这位年轻的书法家。书家常常自嘲“抄书匠”-与文学家相比,书家确实述作不多,更致力于“练功”,用“书法之法”抄写古代文学名篇;书家书法技艺精进的过程,也离不开对碑帖的大量摹写。看上去,书法家们好像是在“照搬”名家名作,在当代几乎更成了书法家的创作日常。对此,我们不可持拘墟之见。从某种意义上讲,抄写名作的过程,也是汲取文学精华、向先贤致敬的过程,“抄写”可算是一种更精进的“阅读”。

摘要： 栏目推介阅读之窗——名家名作,美文美味,培养语感、提高鉴赏能力开卷也芬芳(千字美文,有故事有哲思,耐读有味)老师的学生时代(邀请名师讲述自己学生时代的生活和学习故事)作家典藏(深度挖掘其人其事其作,发现作品魅力和作家人生的轨迹)美文斋(既有名家经典散文,也有课文作者的其他作品等)杂文馆(经典杂文选摘).

摘要： 《温儒敏讲现代文学名篇》是温儒敏教授近40年来在北京大学、山东大学讲授中国现代文学课讲稿的整理和重写,侧重对现代名家名作的细读分析,示范多种解读作品的方法,引导对经典的阅读鉴赏,培养艺术力与思想力,是难得的文学赏析入门书。全书讲析了26位作家40多篇代表作,保留课堂现场感,新见迭出,深入浅出,有趣有料。

摘要： 1911年至1945年间是推理文学的黄金年代,犹如恒河沙数的推理名家名作陆续登场,而这个时代的开创者和最高成就者,就是“推理女王”阿加莎·克里斯蒂。今年,是阿加莎诞辰130周年。

摘要： 《庄子·人间世》曰“唯道集虚,虚者,心斋也”。“虚”本为空无之意,是一种内旧境界。清末民初的大收藏家庞元济富可敌国,自称“虚斋主人收藏甲于东南”。“虚苑”取意于此,意在“古有虚斋,今有虚苑”,旨在收藏名家名作的基础上,弘扬祖国传统艺术,复兴民族版画事业。

摘要： 2020年12月10日-30日,全国艺术电影放映联盟主办的"珍藏:中国经典影片展映"是"2020重燃·艺术之光"优秀国产艺术影片放映计划的重要组成部分,该计划获得了国家电影专项资金支持。影展在北京、上海、重庆、南京、杭州、济南、长沙、广州、厦门、遵义、安溪11个城市举办,十部由中国电影资料馆珍藏和修复的经典影片,分为"新中国新农村"、"保家卫国"、"名家名作"和"上官云珠百年诞辰纪念"四个单元与观众见面。

摘要： 于1月6日举槌的“广东崇正2020秋拍”,中国书画板块可谓名家名作集结,有李可染的《春雨江南》、张大千的《荷塘高士》《四时佳卉》、高剑父的《落叶》《纪念碑》《红梅》、齐白石的《多子多福》《连年有余》……其中,李可染的《春雨江南》从构图看,此幅《春雨江南》与李可染的另一幅名作《鲁迅故居绍兴城》十分相似。

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。