文学领域

摘要： 中国古典诗学研究是一个永远无法穷尽的话题,也是一份宝贵的文化遗存。" 气 " 是中国古典诗学中的一个重要的概念和命题,对其做进一步的深度研究和延展考察,可以发现许多可以细细咀嚼的东西。

摘要： "听觉叙事"这一概念进入叙事学领域,与现代生活中感官文化的冲突有密切关联.人类接受外界信息诉诸多种感觉渠道,然而在高度依赖视觉的"读图时代",视觉文化的过度膨胀对其他感觉方式构成了严重的挤压,眼睛似乎成了人类唯一拥有的感觉器官.听觉叙事研究的意义,在于通过弘扬感觉在文学中的价值,达到针砭文学研究"失聪"这一痼疾的目的.由于汉语中缺乏相应的话语工具,有必要创建与"观察"平行的"聆察"概念,引进与"图景"并列的"音景"术语.叙事中的"拟声"或为对原声的模仿,或以声音为"画笔"表达对事件的感觉与印象.视听领域的"通感"可分为"以耳代目"和"听声类形"两类,后者由"听声类声"发展而来——声音之间的类比往往捉襟见肘,一旦将无形的声音事件转变为有形的视觉联想,故事讲述人更有驰骋想象的余地.听觉叙事研究的一项要务是"重听"经典,过去许多人沉湎于图像思维而不自知,"重听"作为一种反弹琵琶的手段,有利于拨正视听失衡导致的"偏食"习惯,让叙事经典散发出久已不闻的听觉芬芳.

摘要： "听觉叙事"这一概念进入叙事学领域,与现代生活中感官文化的冲突有密切关联.人类接受外界信息诉诸多种感觉渠道,然而在高度依赖视觉的"读图时代",视觉文化的过度膨胀对其他感觉方式构成了严重的挤压,眼睛似乎成了人类唯一拥有的感觉器官.听觉叙事研究的意义,在于通过弘扬感觉在文学中的价值,达到针砭文学研究"失聪"这一痼疾的目的.由于汉语中缺乏相应的话语工具,有必要创建与"观察"平行的"聆察"概念,引进与"图景"并列的"音景"术语.叙事中的"拟声"或为对原声的模仿,或以声音为"画笔"表达对事件的感觉与印象.视听领域的"通感"可分为"以耳代目"和"听声类形"两类,后者由"听声类声"发展而来——声音之间的类比往往捉襟见肘,一旦将无形的声音事件转变为有形的视觉联想,故事讲述人更有驰骋想象的余地.听觉叙事研究的一项要务是"重听"经典,过去许多人沉湎于图像思维而不自知,"重听"作为一种反弹琵琶的手段,有利于拨正视听失衡导致的"偏食"习惯,让叙事经典散发出久已不闻的听觉芬芳.

摘要： "听觉叙事"这一概念进入叙事学领域,与现代生活中感官文化的冲突有密切关联.人类接受外界信息诉诸多种感觉渠道,然而在高度依赖视觉的"读图时代",视觉文化的过度膨胀对其他感觉方式构成了严重的挤压,眼睛似乎成了人类唯一拥有的感觉器官.听觉叙事研究的意义,在于通过弘扬感觉在文学中的价值,达到针砭文学研究"失聪"这一痼疾的目的.由于汉语中缺乏相应的话语工具,有必要创建与"观察"平行的"聆察"概念,引进与"图景"并列的"音景"术语.叙事中的"拟声"或为对原声的模仿,或以声音为"画笔"表达对事件的感觉与印象.视听领域的"通感"可分为"以耳代目"和"听声类形"两类,后者由"听声类声"发展而来——声音之间的类比往往捉襟见肘,一旦将无形的声音事件转变为有形的视觉联想,故事讲述人更有驰骋想象的余地.听觉叙事研究的一项要务是"重听"经典,过去许多人沉湎于图像思维而不自知,"重听"作为一种反弹琵琶的手段,有利于拨正视听失衡导致的"偏食"习惯,让叙事经典散发出久已不闻的听觉芬芳.

摘要： 尤其用于防护领域、安全领域、水域养殖领域或建筑领域的网由单独的螺旋状弯曲的纵向元件(3)编织成编织物。弯曲成柱状形状或螺旋形状的单独的纵向元件(3)与相邻的纵向元件交错扭转且被如此挤压，即，编织物形成几乎平坦的平整形状且纵向元件(3)在此相应形成几乎直线的边(8a,8b;9a,9b)和在其之间的弯曲部(10a,10b;11a,11b)。弯曲部(10a,10b;11a,11b)相应弯折状地构造在长形的边(8a,8b;9a,9b)之间。由此得到带有未意料到地高的强度值的网构造。

摘要： 本发明公开了一种基于领域对抗自适应的跨领域文本情感分类方法，该方法包括：输入源领域和目标领域样本的词向量矩阵、类别标签和领域标签；利用基于卷积神经网络的特征提取模块，提取样本的低层特征；在主任务模块构建基于源领域和目标领域分布一致性的约束，将低层样本映射到再生核希尔伯特空间，学习具有可转移性的高层特征；将源领域的高层特征输入类别分类器，在减小领域差异的基础上，保证分类器对样本具备类别判别性；在辅助任务模块构建基于对抗学习的领域不变性约束，将低层特征输入具有对抗性质的领域分类器，令分类器尽可能无法判别样本所属领域，从而提取具有领域不变性的高层特征，有效解决了源领域分类器到目标领域的迁移问题。

摘要： 本发明提供了一种基于目标领域自监督学习的无监督领域适应方法和系统，包括：领域不变特征提取步骤、图像特征阶梯式领域对齐步骤、语义分割步骤、边缘生成步骤、分割图领域对齐步骤、边缘图领域对齐步骤和边缘一致约束步骤。本发明通过对目标领域实施一种有效的自监督学习，从而提高目标领域的无监督分割精度，实现良好的领域适应。

摘要： 本发明针对跨领域文本情感分类任务提出了一种多源领域适应联合学习方法与系统。此框架可以同时学习和训练多个领域的神经网络，可以从不同方面引入更丰富的监督信息。多个领域的任务可以相互补充，从而更容易得到更一般化的表示模型。特别地，本发明设计的联合训练的损失函数包括四个部分：情感分类损失、参数迁移损失、领域融合损失和防止过拟合的正则项。情感分类损失包含了源领域任务和目标领域任务上的情感分类损失，软参数迁移的方法可以有效地迁移源领域的情感知识到目标领域中，而深度领域融合可以保证在学习过程中不同领域的边际分布尽可能地相似。因此多源领域适应联合学习神经网络能够在有限的数据条件下实现更好的特征表示和泛化能力。我们在中文和英文的多领域数据集上验证了提出的多源领域适应联合学习框架，实验结果表明本发明提出的方法在跨领域文本情感分类准确率上有很大提升。

摘要： 尤其用于防护领域、安全领域、水域养殖领域或建筑领域的网由单独的螺旋状弯曲的纵向元件(3)编织成编织物。弯曲成柱状形状或螺旋形状的单独的纵向元件(3)与相邻的纵向元件交错扭转且被如此挤压，即，编织物形成几乎平坦的平整形状且纵向元件(3)在此相应形成几乎直线的边(8a,8b;9a,9b)和在其之间的弯曲部(10a,10b;11a,11b)。弯曲部(10a,10b;11a,11b)相应弯折状地构造在长形的边(8a,8b;9a,9b)之间。由此得到带有未意料到地高的强度值的网构造。

摘要： 一种基于领域间和领域内关系的跨领域推荐方法及系统，根据不同领域用户或物品间的评论信息转换为用户或物品的语义关系，构建得到跨领域异构图，并在每个领域内，利用用户或物品的语义关系构建得到单领域异构图；再在两种异构图的基础上设计基于领域间和基于领域内关系的跨领域推荐系统模型，用于同步地学习用户或物品的跨领域不变性和单领域特殊性，并通过门控融合机制生成对每个用户的个性化推荐结果。本发明通过将领域间的语义关系转换成跨领域异构图，将领域内的语义关系转换成单领域异构图的同时保留领域间和领域内关系，统一地建模高阶域间和域内关系并实现双目标跨领域推荐。

摘要： 本发明提出一种基于领域和样例级别迁移的跨领域虚假新闻检测方法和系统，包括：获取多个源领域和一个目标领域的新闻数据，作为训练数据，基于该训练数据，通过元学习的方式训练得到泛化模型；基于该目标领域的新闻数据，执行掩码语言训练任务，训练掩码语言模型，得到用于进行迁移性度量的语言模型；在该源领域的新闻数据上计算语言模型的迁移性，根据该迁移性对该源领域的新闻数据进行加权；使用该目标领域的新闻数据和加权后的源领域的新闻数据引导该泛化模型适应目标领域，得到该目标领域的虚假新闻检测模型；通过该虚假新闻检测模型完成对该目标领域新闻的虚假检测。

摘要： 本发明涉及基于领域感知的掩码子结构的多领域自适应神经机器翻译方法，属自然语言处理领域。本发明先构建一个多领域基模型，其次利用各个特定领域的数据对基模型进行微调，得到各个特定领域的领域感知掩码组件，再通过融合策略，集成得到的各个特定领域的领域感知掩码组件，得到领域感知的掩码子结构，最后利用领域感知的掩码子结构以及中英通用领域数据和特定领域的数据训练得到多领域神经机器翻译模型。本发明对中英多领域自适应神经机器翻译实现有效的性能提升，为后续领域自适应神经机器翻译等研究提供强有力的支撑，解决了对于领域自适应中存在的领域偏移和领域间的参数干扰以及通用领域灾难性遗忘等问题会造成模型泛化能力不佳的问题。

摘要： 本发明公开了一种领域自适应的无重叠实体的跨领域数据协同物品推荐算法。对目标和辅助领域数据预处理获得各自的用户‑物品偏好矩阵和用户‑物品指示矩阵；再处理获得用户之间和物品之间的相似度矩阵；根据相似度矩阵构建用户图和物品图；建立带有图正则化项的目标函数，求解目标函数获得得到最优的三个参数矩阵；用三个参数矩阵乘积来重构获得用户‑物品推荐矩阵，用用户‑物品推荐矩阵将物品推荐给用户。本发明使用领域自适应技术来对齐领域间的数据分布，确保了知识迁移的一致性，能够提高目标领域数据中的推荐性能。

摘要： 本发明涉及一种结合领域通用型语言模型的领域泛化方法，属于人工智能迁移学习技术领域。本方法综合了预训练语言模型和模型裁剪技术。首先对预训练语言模型微调，利用多个源域数据对预训练语言模型进行训练。基于微调后得到的模型，计算模型中参数的域不变分数，对域不变分数低的参数进行裁剪。最后对裁剪后的语言模型进行重训练，将训练得到领域通用型语言模型在不同数据上进行泛化性能测试。本方法解决了过度参数化的预训练语言模型中学习方差大的问题。基于本发明的领域通用型语言模型明显优于相应的基线模型，在自然语言处理领域泛化任务上取得了良好效果。