技术名词

摘要： 1来稿要求(1)论文应具有科学性、实用性和创新性,论点鲜明,论据充分,条理清晰。内容应语句顺畅、数据准确、逻辑严密、文字精炼。应尽量精简图表和公式,简化推导和证明过程。(2)论文中所用技术名词前后应一致。计量单位的名称、符号一律按《中华人民共和国法定计量单位》中的规定使用。外文字符必须分清大小写,正斜体,上下角标应区别明显。论文中图和表应有独立、完整的图表题,图和表中文字、变量、数字、单位要清晰。

摘要： 1来稿要求(1)论文应具有科学性、实用性和创新性,论点鲜明,论据充分,条理清晰。内容应语句顺畅、数据准确、逻辑严密、文字精炼。应尽量精简图表和公式,简化推导和证明过程。(2)论文中所用技术名词前后应一致。计量单位的名称、符号一律按《中华人民共和国法定计量单位》中的规定使用。外文字符必须分清大小写,正斜体,上下角标应区别明显。

摘要： 1来稿要求(1)论文应具有科学性、实用性和创新性,论点鲜明,论据充分,条理清晰。内容应语句顺畅、数据准确、逻辑严密、文字精炼。应尽量精简图表和公式,简化推导和证明过程。(2)论文中所用技术名词前后应一致。计量单位的名称、符号一律按《中华人民共和国法定计量单位》中的规定使用。外文字符必须分清大小写,正斜体,上下角标应区别明显。论文中图和表应有独立、完整的图表题,图和表中文字、变量、数字、单位要清晰。

摘要： 1来稿要求(1)论文应具有科学性、实用性和创新性,论点鲜明,论据充分,条理清晰。内容应语句顺畅、数据准确、逻辑严密、文字精炼。应尽量精简图表和公式,简化推导和证明过程。(2)论文中所用技术名词前后应一致。计量单位的名称、符号一律按《中华人民共和国法定计量单位》中的规定使用。外文字符必须分清大小写,正斜体,上下角标应区别明显。论文中图和表应有独立、完整的图表题,图和表中文字、变量、数字、单位要清晰。

摘要： “绿色建筑”“住宅产业现代化”是当今社会发展衍生的概念。它与节能降耗、环境友好、绿色创新等诉求紧密相依,成为建筑业必然的发展方向。但是这种发展并非来源于宏观的考量,而是要深入到建筑的各个环节,从全域全层减少建筑消耗的负面影响。《BIM技术与建筑能耗评价分析方法》一书的诞生既是基于这样的背景,也是为了服务于这样的诉求。BIM是建筑信息模型的简称,它是一个技术名词,针对于建筑工程项目中的能耗、性能等指标进行定量与定性相结合的分析,而后构建模型,对其进行有效处理,实现建造绿色建筑的目标。

摘要： 1来稿要求(1)论文应具有科学性、实用性和创新性,论点鲜明,论据充分,条理清晰。内容应语句顺畅、数据准确、逻辑严密、文字精炼。应尽量精简图表和公式,简化推导和证明过程。(2)论文中所用技术名词前后应一致。计量单位的名称、符号一律按《中华人民共和国法定计量单位》中的规定使用。外文字符必须分清大小写,正斜体,上下角标应区别明显。论文中图和表应有独立、完整的图表题,图和表中文字、变量、数字、单位要清晰。

摘要： 1来稿要求(1)论文应具有科学性、实用性和创新性,论点鲜明,论据充分,条理清晰。内容应语句顺畅、数据准确、逻辑严密、文字精炼。应尽量精简图表和公式,简化推导和证明过程。(2)论文中所用技术名词前后应一致。计量单位的名称、符号一律按《中华人民共和国法定计量单位》中的规定使用。外文字符必须分清大小写,正斜体,上下角标应区别明显。论文中图和表应有独立、完整的图表题,图和表中文字、变量、数字、单位要清晰。

摘要： 最近几年,我们接诊的胃肠肿瘤患者和家属,最常被问到的排在前三位的问题中肯定有这样一个问题:我得的这个肿瘤能做微创吗?回答这一问题的前提是我们需要知道,什么是微创治疗,微创是相比传统的手术治疗方式而产生的一个技术名词。顾名思义,就是最小的创口和创伤,其核心是两句话:因切口小而痛苦少,因创伤小而恢复快。

摘要： 国家推出"新基建"的国策,给传统企业走数字化道路注入空前的政策引力,数字化转型与智能化升级成为传统企业拥抱的方向。但诸多新技术名词如大数据、云计算、人工智能、5G、工业互联网等接踵而至,不免让企业家们眼花缭乱,往往会踏入数字化的陷阱。四大创新陷阱1.认知陷阱传统企业的决策者们对数字化的认知往往有三种误区:第一种是无动于衷型。企业家虽然希望改良企业,但偏好以管理来调动员工积极性,对于数字化的机会和冲击无动于衷.

摘要： 物联网、区块链、云计算……这一系列新技术名词,听着就很"高大上",但是他们应用到农业上之后,效果也是显而易见的——坐在空调房里,拿个手机就能种地。偌大个农场没有几个人,机械设备全是无人驾驶;奶牛挤奶自动计量、奶量自动读取、发情自动提示、配料自动监控、环境自动监测,等等。农业再也不是那个土得掉渣的行业了,而是越来越智能,越来越高端。

摘要： 本发明属于人工智能的自然语言处理子领域，提供了一种基于汉语简单名词短语的汉语最长名词短语识别方法。包括如下步骤：S1数据预处理；S2选用SVM方法，训练汉语SNP识别模型，识别出汉语SNP；S3使用缩略替换方法简化文本，得到新的训练及测试语料；S4在经S3处理得到的新语料中，再次提取样本集，针对简化后的汉语MNP进行模型训练、识别；S5还原语料，还原后的汉语MNP为本方法最终识别结果。本发明的汉语MNP识别方法可以降低汉语MNP在自动识别中因其长度过长、语义及结构复杂等因素带来的不利影响，因此能有效提高汉语MNP的识别效果。

摘要： 本申请实施例提供了一种复合名词的解释方法、装置及电子设备，该方法包括：基于不同角度生成表征目标复合名词的语义的多个语义特征向量；拼接多个语义特征向量在目标向量空间的各映射结果，得到多角度语义特征向量；基于多角度语义特征向量，确定目标复合名词中第一名词与第二名词的语义关系；在语义关系正确表征第一名词和第二名词语义之间的关联的情况下，将语义关系确定为目标复合名词的释义。本申请实施例从多角度考虑，提升了多角度语义特征向量的准确率，进而提升了语义关系的准确率。

摘要： 本发明涉及一种对于无字间空格语言文字权利要求书的元件名词及元件名词所属位置自动得出设备，其中，包括：基本排除文字纪录排除装置、可删文字纪录排除装置、单个文字纪录排除装置以及进阶排除文字纪录排除装置；无字间空格语言文字权利要求书文字C‑Text中经排除基本排除文字后的连续文字作为基本排除文字连续文字，该基本排除文字排除连续文字中经排除可删文字后的连续文字作为可删文字删去连续文字，经排除单个文字后的可删文字删去连续文字作为初步元件名词，该初步元件名词中经排除进阶排除文字后的连续文字作为该得出的元件名词。

摘要： 本发明涉及一种将权利要求书中的权利要求元件名词所属元件名词对应标号予以对应的对应方法，包含元件名词对应标号撷取对应步骤及元件名词对应标号关系对应步骤，该元件名词对应标号撷取对应步骤根据名词词首及词性规则撷取出权利要求元件名词及/或说明书元件名词，或者根据断句单字将说明书中的说明书元件名词可能字串而予以撷取出，而该元件名词对应标号关系对应步骤为将元件名词对应标号撷取对应步骤所撷取出的权利要求元件名词所属元件名词对应标号予以建立对应于权利要求书的权利要求元件名词的对应关系。

摘要： 本发明属于人工智能的自然语言处理子领域，提供了一种基于汉语简单名词短语的汉语最长名词短语识别方法。包括如下步骤：S1数据预处理；S2选用SVM方法，训练汉语SNP识别模型，识别出汉语SNP；S3使用缩略替换方法简化文本，得到新的训练及测试语料；S4在经S3处理得到的新语料中，再次提取样本集，针对简化后的汉语MNP进行模型训练、识别；S5还原语料，还原后的汉语MNP为本方法最终识别结果。本发明的汉语MNP识别方法可以降低汉语MNP在自动识别中因其长度过长、语义及结构复杂等因素带来的不利影响，因此能有效提高汉语MNP的识别效果。

摘要： 本发明提供了旅游实体名词匹配方法、系统、设备及存储介质，该方法包括：基于旅游景点POI信息建立旅游实体名词词典；将所述旅游实体名词词典数据输入神经网络模型进行训练，并保存训练好的旅游实体名词预测匹配模型；以及将一待匹配的实体名词输入所述旅游实体名词词典和所述旅游实体名词预测匹配模型进行匹配，得到匹配输出。本发明能够对于旅游实体名词，根据匹配的相似度，优化实体词典匹配的结果，且针对词典覆盖不到的范围，利用模型的泛化预测能力，有效补充词典匹配结果缺失的情况。

摘要： 本发明公开了基于编辑距离的中文名词筛选方法及系统及装置及介质，涉及文本处理领域，包括：构建数据字典，其中，所述数据字典中词以组为单位进行存储，每个词组均对应一个词引和多个相似词语；获得基准词，将所述基准词与所述数据字典中的词引进行匹配，若匹配成功则获得该词引对应的多个相似词语；将匹配获得的多个相似词语与所述基准词进行组合获得筛选词组；计算筛选词组中的每个词语与筛选数据集中的每个词语之间的相似度；从所述筛选数据集中筛选出所述相似度大于阈值对应的词语获得筛选结果；本发明采用数据字典，扩大名词数据筛选的范围，提高数据筛选的准确度。

摘要： 本公开提供了一种由计算机实现的专有名词纠错方法，涉及自然语言处理，尤其涉及专有名词的识别。实现方案为：基于第一文本内容获取多个候选分词；响应于确定多个候选分词中的第一候选分词与预设的专有名词库中的第一专有名词相匹配，通过将第一文本内容中的第一候选分词替换为特定标识符而生成第二文本内容；基于第一文本内容和第二文本内容，确定是否替换第一候选分词；以及响应于确定替换第一候选分词，将第一文本内容中的第一候选分词替换为第一专有名词。

摘要： 本公开提供了一种术语名词纠错方法及装置、电子设备和介质，涉及人工智能领域，尤其涉及自然语言处理、数据挖掘和机器学习技术领域。实现方案为：对待纠错文本进行文本片段识别，以获取第一文本片段，其中，第一文本片段的长度小于待纠错文本，并且第一文本片段包含至少一个待识别是否存在错误的术语名词；基于第一文本片段，获取第一术语名词，其中，第一术语名词是经识别存在错误的术语名词；基于第一术语名词，确定第二术语名词以替换所述第一术语名词。

摘要： 本发明提供一种从新闻页面中自动提取机构实体名词的方法，包括：对新闻页面中文本内容进行提取解析；进行去重过滤处理，并对空格、标题、符号进行删除，获得待输入文本内容；将待输入文本内容输入标注模型中进行序列处理，获得文本内容中各单词预测标签；将各单词预测标签与现有实体名词数据库进行对比，确认各单词预测标签对应的实体名词类别；将新闻页面与实体名词和实体名词对应类别进行对应并入库。本发明能快速对新闻页面中的实体名词进行提取，并将新闻内容与名称、类别进行对应标记形成结构化数据。