文本信息

摘要： 受传统教学理念的影响,小学语文教学长期处在“教课文”的维度上,即理解课文内容,掌握文本信息,而对于作者运用的表达方法以及文本中独特的言语形式则关注甚少。对此教师不妨从学生能力生长的基本规律入手,紧扣教材课文的范例和载体效能,将文本中的语言资源转化成为契合学生认知思维的鲜明路径,在激活学生思维意识的基础上,构建出直观性的大脑图谱,这就是“用课文教”的真谛。“用教材教”的本质就是“用课文教”,“用课文教”有两个基本前提:一是选择好恰当的课文文本。因为相对于传统的教学来说,“用课文教”这种模式需要教师付出更多的努力,需要赋予学生足够多的探究时间.

摘要： 在当前互联网时代下,越来越多的文本信息为人们所认识。借助机器学习等技术工具,目前已能较为便捷地从海量的文本数据中挖掘出与投资者行为、情绪有关的信息。基于此,本研究探讨了利用文本信息刻画投资者情绪,并对仅利用价格信息的均值回归策略进行改进。利用东方财富股吧中发帖内容等文本数据构建投资者情绪指标,结合非理性投资行为的特征,设计新的权重转移方程,得到新的均值回归策略。最后,利用部分沪深300成分股的价格数据和股吧文本数据进行实证检验,结果表明:相比于仅利用价格信息刻画均值回归特征的策略,本研究提出的考虑投资者情绪的策略有更好的收益表现。

摘要： 以科创板200家上市公司的数据为样本,基于上市流程、招股说明书(申报稿)以及注册制下科创板上市公司的现状,结合内容分析法,构建科创板上市公司招股说明书文本信息披露质量评价指标体系,研究注册制下投资者如何更有效地对上市公司文本信息披露质量进行评判,以做出更合适的决策。研究发现,各行业以及各公司之间的文本信息披露质量存在明显差距,说明我国科创板信息披露依然处于初步发展阶段,制度的完善仍存在较大空间。

摘要： 在信息繁杂的时代,面对各种各样的文本信息,我们需要在有限的时间内对其进行有效的解读,感受文本的魅力,挖掘文本的价值。也正因为如此,一线教师应当有意识地培养与发展学生的文本分析与解读能力。对于高中语文学科来讲,这便要求我们教师要通过一定的策略锻炼与发展学生的文本解读能力,即让学生在面对一篇篇或长或短的文本时能做到高质量的梳理信息,充分挖掘其内涵,进而达到陶冶情操、开阔视野、增强审美能力等目的。

摘要： 语文教材中的插图不仅可以美化和装饰教材,强化学生阅读教材的积极性,还可以使其借助画面发挥想象,深入理解文本信息。小学低段学生处于观察和想象力、语言构建与运用能力等素养培养的关键时期,教师要利用好课文插图,以文字为主,以插图为辅,充分利用插图提升文字教学效果,培养学生的综合素养,构建高效课堂。

摘要： 学生大多是喜欢阅读数学绘本的。绘本里包含大量的文本信息和图画信息,一些数学概念穿梭其中。数学绘本可以让学生了解很多数学知识,但并不意味着阅读数学绘本就能掌握数学概念。阅读绘本并不能代替学生的直接经验,数学绘本只是学习数学的一种载体。如何借助数学绘本让数学课上得有趣,更重要的是,如何让不同的学生能在故事中有所收获,带动他们主动参与课堂,激发他们的数学思考,就显得尤为重要了。

摘要： 现有的融合文本或邻居信息的知识补全模型忽略文本和邻居之间的相互作用,难以捕获与实体具有较强语义相关性的信息,加上基于卷积神经网络的模型未考虑实体中的关系相关信息,导致预测性能不佳.因此,文中结合文本信息和拓扑邻居信息,提出基于Triplet注意力的循环卷积神经网络模型.首先,通过语义匹配的方式,选取文本描述中与实体具有较强语义相关性的单词.再与拓扑邻居复合作为实体邻居,增强实体表示.然后,重塑实体的融合表示和关系表示.最后,利用Triplet注意力优化卷积输入,使卷积操作能提取实体中与关系相关的特征,提升模型性能.在多个公开数据集上的链路预测实验表明,文中模型性能较优.

摘要： 一、前言《普通高中英语课程标准(2017年版)》提出,英语学科核心素养包括语言能力、文化意识、思维品质和学习能力。只有当学生通过理性逻辑思维对所接触的文本信息进行语言结构方面的分析和文化价值方面的评价,才能真正地习得语言,运用语言解决问题,不断形成创新能力。在课内外的英语阅读中,既可以培养学生对语篇进行分析、综合并从中获得信息的能力,也能培养学生的审美情趣,使学生学会欣赏英语文学作品的美,通过自然渗透,陶冶学生良好的情操。

摘要： 本文研究上市公司年报中“管理层讨论与分析”部分的语调对长期信用评级的影响,并检验信用评级机构能否识别管理层的语调操纵行为。研究发现:信用评级机构在评级过程中利用了管理层语调信息,管理层语调越积极,发债公司长期信用评级越好;虽然系数差异检验表明正常语调对信用评级的影响更大,但无论是管理层正常语调还是异常语调都显著影响了信用评级结果,表明信用评级机构没有完全识别出管理层语调信息中的操纵部分。上述发现为信用评级机构有效发掘并合理利用发债公司年报中的文本信息以及谨慎地判断管理层的语言粉饰行为提供了有益的启示。

摘要： 为了提升文本信息检索的正确率及检索效率,增强读者的阅读体验,研究一种基于特征聚类的文本信息检索算法.首先采用PCA技术对高维文本信息进行降维处理,去除复杂文本信息中的冗余数据.然后采用改进K-Means算法对降维文本信息进行聚类.采用检索准确率及检索时间两种算法评价指标,分别与多种算法进行对比分析.结果显示,检索时间分别降低13.3%和25.7%,检索准确率也得到一定程度的提高.

摘要： 本文介绍了一个基于REST架构的OAM系统,该系统用于维护管理基于大规模计算平台的互联网文本信息搜索引擎系统,本文以功能分析作为切入点设计了OAM系统的结构,并应用Ajax技术和Spring框架实现了OAM系统.以REST架构为基础构建OAM系统,本文给出了一个可行的方法.

摘要： 在人文主义思想的冲击下，文艺复兴时期的艺术家们利用多种途径塑造自己的新形象。因为这一时期艺术家们的受教育程度普遍不高，自画像是他们塑造自身形象最直接有效的媒介。但是，图像信息叙事性不足并且存在被误读的可能，而文本信息则多非由艺术家本人撰写并且缺少图像的可视性，因此在研究艺术家形象的时候，两者信息可以兼用以取长补短。

摘要： 当投资者利用所有可用信息来决定投资价值时,资本市场可以高效率分配资源.金融会计领域有大量文献研究资本市场的信息流动和市场对这些信息的反应.但大部分文献只关注于定量信息,却忽略了公司披露文件、金融报刊杂志以及互联网论坛等,同样提供了大量的关于公司现状及发展等的描述性信息.如何从这些文本中提取有用信息,并研究其对市场变动的影响,已成为近年来的研究热点.本文总结了公司披露文本分析在金融市场上的研究进展,包括文本来源、文本分析方法、文本信息对市场的影响机制.

摘要： 用语法模板进行隐秘文本生成是文本信息隐藏的一大研究方向,这种隐写方法可以生成符合语法规律的句子.然而,模板的生成和生成词汇的相关性一直是语法模板信息隐藏的难点.本文在已有信息隐藏算法SCIpher的基础上,对语法模板的生成进行了说明和改进,并用词向量实现了一种扩展终端结点的上下文无关文法信息隐藏算法.这种算法通过词向量信息扩展语义相关性较强的终端结点,提高了隐写算法的隐藏容量,增强了信息隐藏系统的实用性.

摘要： 信息隐藏技术是信息安全的一个重要研究方向,但是现有的文本信息隐藏方案难以抵抗各类隐写检测.本文提出了一种新的文本无载体信息隐藏技术,即基于单关键词的文本无载体信息隐藏,该方案从大数据中选择合适的自然文本直接作为传递信息的载体,提取信息时则通过载体和事先约定的协议自动提取密文.由于该方案不改变信息载体,因此可以抵抗现有的各种隐写分析攻击,实验结果表明该方法在一定范围内具有较高的成功率.

摘要： 基于机器翻译的信息隐藏Translation Based Steganography,TBS),是一类新的基于自然语言的文本信息隐藏算法.由于不同的翻译机对同一个句子翻译产生的结果在大多情况下是有区别的,因此使用多台翻译机翻译同一段文本,会得到不同的意义相近的译文.TBS算法根据隐藏信息的不同来选择不同翻译机的翻译结果,形成的隐藏文本语法正确,语义连贯.由于TBS完全不同于传统的基于格式或基于语法的文本信息隐藏算法,传统的检测算法对其几乎没有效果.本文将最大熵(Maximum Entropy,ME)算法用于TBS检测中,利用文本复杂度和词频统计信息进行隐藏检测.结果表明基于最大熵的TBS隐藏检测是可行的,且检测算法性能依赖于检测文本的长度.

摘要： 目的：通过在标注资源丰富的源领域中学习,并将目标领域的文档投影到与源领域相同的特征空间中去,从而解决目标领域因数据量较小难以获得好的分类模型的问题. 方法：选择亚马逊在线购物网站在书籍、DVD和音乐类目下的中文、英文和日文评论作为实验数据,在卷积神经网络和结构对应学习的基础上提出跨领域深度表示模型(CDDRM),以实现不同领域环境下的知识迁移,并将其应用到跨领域情感分析任务之中. 结果：实验结果表明,CDDRM在跨领域环境下最优的F值达到0.7368,证明了该模型的有效性. 局限：CDDRM针对长文本的跨领域情感分类F值仍然有待提升. 结论：知识迁移能够解决监督学习在小数据集上难以获得好的分类效果的问题,与传统监督学习的基本假设相比,它并不要求训练集和测试集服从相同或相似的数据分布.

摘要： 目的：通过在标注资源丰富的源领域中学习,并将目标领域的文档投影到与源领域相同的特征空间中去,从而解决目标领域因数据量较小难以获得好的分类模型的问题. 方法：选择亚马逊在线购物网站在书籍、DVD和音乐类目下的中文、英文和日文评论作为实验数据,在卷积神经网络和结构对应学习的基础上提出跨领域深度表示模型(CDDRM),以实现不同领域环境下的知识迁移,并将其应用到跨领域情感分析任务之中. 结果：实验结果表明,CDDRM在跨领域环境下最优的F值达到0.7368,证明了该模型的有效性. 局限：CDDRM针对长文本的跨领域情感分类F值仍然有待提升. 结论：知识迁移能够解决监督学习在小数据集上难以获得好的分类效果的问题,与传统监督学习的基本假设相比,它并不要求训练集和测试集服从相同或相似的数据分布.

摘要： 目的：通过在标注资源丰富的源领域中学习,并将目标领域的文档投影到与源领域相同的特征空间中去,从而解决目标领域因数据量较小难以获得好的分类模型的问题. 方法：选择亚马逊在线购物网站在书籍、DVD和音乐类目下的中文、英文和日文评论作为实验数据,在卷积神经网络和结构对应学习的基础上提出跨领域深度表示模型(CDDRM),以实现不同领域环境下的知识迁移,并将其应用到跨领域情感分析任务之中. 结果：实验结果表明,CDDRM在跨领域环境下最优的F值达到0.7368,证明了该模型的有效性. 局限：CDDRM针对长文本的跨领域情感分类F值仍然有待提升. 结论：知识迁移能够解决监督学习在小数据集上难以获得好的分类效果的问题,与传统监督学习的基本假设相比,它并不要求训练集和测试集服从相同或相似的数据分布.

摘要： 目的：通过在标注资源丰富的源领域中学习,并将目标领域的文档投影到与源领域相同的特征空间中去,从而解决目标领域因数据量较小难以获得好的分类模型的问题. 方法：选择亚马逊在线购物网站在书籍、DVD和音乐类目下的中文、英文和日文评论作为实验数据,在卷积神经网络和结构对应学习的基础上提出跨领域深度表示模型(CDDRM),以实现不同领域环境下的知识迁移,并将其应用到跨领域情感分析任务之中. 结果：实验结果表明,CDDRM在跨领域环境下最优的F值达到0.7368,证明了该模型的有效性. 局限：CDDRM针对长文本的跨领域情感分类F值仍然有待提升. 结论：知识迁移能够解决监督学习在小数据集上难以获得好的分类效果的问题,与传统监督学习的基本假设相比,它并不要求训练集和测试集服从相同或相似的数据分布.

摘要： 本发明公开了一种融合文本结构信息和语义信息的文本关键词抽取方法，具体步骤如下：1)对单篇文本的段落进行重新组合，构成新文本；2)对新文本进行预处理，包括分词、词性标注和去除停用词，保留名词和动词作为候选关键词；3)计算每个候选关键词的结构权重；4)计算每个候选关键词的语义权重；5)根据步骤3)所得的结构权重和步骤4)所得的语义权重，计算每个后选关键词的权重，并选择权重最高的K个候选关键词作为文本的关键词。本方法充分利用文本自身结构特点和语义特点，无需依赖领域文本集，且无需进行循环收敛计算，因此简便且效果更好。

摘要： 本申请公开了一种文本信息抽取模型的训练方法、文本信息抽取方法和应用，用于解决现有技术中文本信息抽取不准确的问题，其中该训练方法包括：获取样本训练集中各条样本的语义特征表示；基于各条样本的语义特征表示，构建实体类别识别任务损失函数；基于各条样本的语义特征表示，构建头实体识别任务损失函数；基于各条样本中的头实体和对应的头实体类别，获得融合特征表示；基于融合特征表示，构建尾实体和关系识别任务损失函数；基于实体类别识别任务损失函数、头实体识别任务损失函数以及尾实体和关系识别任务损失函数，对文本信息抽取模型进行训练，确定文本信息抽取模型的模型参数。

摘要： 本发明提供一种文本信息传送方法，包括如下步骤：获取文字的二值化点阵信息，将所述点阵信息转换为位图；根据预设的最小编码单位及所述位图中像素点的像素值，确定所有编码区块，并对所述编码区块进行编号；按预设的编码顺序及最小编码单位读取所述位图，在每一次读取到当前的编码区块与上一个编码区块不同时，记录上一个编码区块的连续次数；将所述位图的长、宽、最小编码单位、编码顺序、编码区块的编号及其连续次数打包后输出。本发明还提供对应的文本信息传送系统和文本信息显示方法及系统，能保留输出端文字的显示效果，并且传送的数据量较小。

摘要： 本发明的目的是生成用于监视文本信息的字典，使得与现有技术相比，可以实现高精度检测。特征度计算单元(3)比较正例集合和反例集合的统计量，并且将感兴趣短语出现在正例集合中的程度计算为特征度。对于由短语提取单元(1)提取的每一短语，有用度计算单元(21)通过使用短语的长度、短语出现在正例集合中的频率、以及与短语之间的包含关系有关的指标，来计算有用度。检测条件判定单元(22)使用由有用度计算单元(21)计算的有用度和由特征度计算单元(3)计算的特征度来通过有用度和特征度的乘积，评估每一短语作为检测条件的适当性，并且当乘积的值大于阈值时，确定该短语适合检测条件。

摘要： 本申请涉及一种文本信息提取模型生成方法、文本信息提取方法、装置、计算机设备、存储介质和计算机程序产品。所述文本信息提取模型生成方法包括：获取样本文本；对所述样本文本进行分词处理得到初始分词；对所述初始分词进行识别确定待处理分词，并获取所述待处理分词对应的目标文本；对所述目标文本中的初始分词进行重匹配得到目标分词；根据所述目标分词对初始模型进行训练得到文本信息提取模型。所述文本信息提取方法包括：获取文本信息提取模型；获取待处理文本；将所述待处理文本输入至所述文本信息提取模型中，以得到所述待处理文本对应的实体和关系。采用本方法能够提高文本识别准确性。

摘要： 本申请公开了一种文本信息抽取模型的训练方法、文本信息抽取方法和应用，用于解决现有技术中文本信息抽取不准确的问题，其中该训练方法包括：获取样本训练集中各条样本的语义特征表示；基于各条样本的语义特征表示，构建实体类别识别任务损失函数；基于各条样本的语义特征表示，构建头实体识别任务损失函数；基于各条样本中的头实体和对应的头实体类别，获得融合特征表示；基于融合特征表示，构建尾实体和关系识别任务损失函数；基于实体类别识别任务损失函数、头实体识别任务损失函数以及尾实体和关系识别任务损失函数，对文本信息抽取模型进行训练，确定文本信息抽取模型的模型参数。

摘要： 本申请公开一种基于文本信息的翻译方法及装置，针对即时通讯文本信息的翻译方法及装置，计算机存储介质和电子设备，其中翻译方法包括：获取待翻译的文本信息；结合预先定制的实体数据信息集合对文本信息进行分析，确定文本信息中的实体数据信息和非实体数据信息；分别对实体数据信息和非实体数据信息进行翻译，获得翻译实体数据信息和翻译非实体数据信息；根据翻译实体数据信息和翻译非实体数据信息，生成对应于文本信息的翻译文本信息。从而能够将文本信息与预先定制的实体数据信息集合进行结合获得文本信息中实体数据信息，并根据实体数据信息的翻译方式完成翻译，提高翻译准确度。

摘要： 本申请公开了一种文本信息生成方法和文本信息生成装置。该文本信息生成方法包括：获取用户偏好信息和商品关联信息，所述商品关联信息包括商品的评论信息和/或描述信息；对所述商品关联信息分别进行分词处理和结构化处理；将所述用户偏好信息、分词处理后的商品关联信息和结构化处理后的商品关联信息输入机器学习模型，利用机器学习模型生成针对所述商品的文本信息。本发明实施例提出一种根据用户偏好信息生成针对商品的文本信息的方法和装置，能够生成符合用户偏好的文本信息，所生成的文本是按照用户偏好的维度有针对地对商品进行介绍，同时流利通顺。提高了用户根据文本信息获得商品相关信息的效率。

摘要： 本申请一实施例公开一种文本信息聚类方法和系统，该聚类方法包括如下步骤：将多则文本信息中的每一则文本信息进行分词处理；对分词处理后的所述多则文本信息进行初次聚类，形成多个一级主题，每个所述一级主题包括至少两则文本信息；根据预置规则，基于每个所述一级主题下文本信息的数目，确定每个所述一级主题下二级主题的个数，根据每个所述一级主题下二级主题的个数，对每个所述一级主题中包括的至少两则文本信息进行二次聚类，形成多个二级主题。本申请采用层次化聚类的方法，在初次聚类时，减少了总的一级主题的个数，加快了计算效率；在二次聚类时，根据文本信息数目动态确定二级主题的个数，加快了二级主题的计算速度。

摘要： 本发明提供一种文本信息传送方法，包括如下步骤：获取文字的二值化点阵信息，将所述点阵信息转换为位图；根据预设的最小编码单位及所述位图中像素点的像素值，确定所有编码区块，并对所述编码区块进行编号；按预设的编码顺序及最小编码单位读取所述位图，在每一次读取到当前的编码区块与上一个编码区块不同时，记录上一个编码区块的连续次数；将所述位图的长、宽、最小编码单位、编码顺序、编码区块的编号及其连续次数打包后输出。本发明还提供对应的文本信息传送系统和文本信息显示方法及系统，能保留输出端文字的显示效果，并且传送的数据量较小。