知识分子写作

摘要： 近十年来,当代女诗人李潮蕴在东北诗坛非常活跃,诗人以其旺盛的创作力写出了很多优秀的诗歌作品.她的诗歌唯美深奥又蕴含丰富的生活底蕴,作为女性诗人她在诗歌视域和意象选择上都做到了性别的突破,从而使诗歌作品产生了一定的超越性和丰富性.作为知识分子,她的创作又能沉于民间,作品充满了悲天悯人的情怀和忧患意识.最难能可贵的是,她的作品不仅有"小我"的呢喃,还有深邃的哲学追问,其诗作以一种回归诗本身、诗本真的文化立场和人本立场来表达一个知识分子的理性思辨与感性体认,为中国当代新诗写作提供了另外一种可能.

摘要： 初读布非步的诗歌,我颇感惊讶。这些年汉语诗歌越来越口语化、口水化,布非步的诗让我看到与当前诗歌不同的质地。她的诗与目下流行的故作高深的诗歌以及所谓的口语诗不同,格调不俗,既有着女性诗歌细腻的肌理,又有形而上的智性,在处理理智与情感方面,气象不凡。令人印象深刻的是,她的诗里,有着大量的异域场景,外国文学里的地名、人物频频出现在诗句中,给人以强烈的异域感。这样的写法,容易被贴上知识分子写作的标签。自90年代末期以来,民间写作和知识分子写作的争执,十分激烈,至今尚有余波。

摘要： "盘峰论争"是当代诗歌从1990年代走向21世纪过程中一次影响深远的诗坛论争.从1999年4月16日至18日"世纪之交"到1999年11月12日至14日"龙脉诗会"在北京召开,再到两次会议后双方在各种刊物上刊发的争鸣文章,"盘峰论争"前后历时达两年之久,引起诗坛内外的广泛关注."盘峰论争"堪称世纪之交诗歌道路上的一条重要分界线,为新世纪诗歌发展和诗学理论建设提供了多方面的话题,期待进一步深化.本文采用学案式的梳理,力求客观再现"盘峰论争"的来龙去脉并以此探求关于诗歌本身的启示与价值.

摘要： “盘峰论争”是当代诗歌从1990年代走向21世纪过程中一次影响深远的诗坛论争。从1999年4月16日至18日“世纪之交”到1999年11月12日至14日“龙脉诗会”在北京召开,再到两次会议后双方在各种刊物上刊发的争鸣文章,“盘峰论争”前后历时达两年之久,引起诗坛内外的广泛关注。“盘峰论争”堪称世纪之交诗歌道路上的一条重要分界线,为新世纪诗歌发展和诗学理论建设提供了多方面的话题,期待进一步深化。本文采用学案式的梳理,力求客观再现“盘峰论争”的来龙去脉并以此探求关于诗歌本身的启示与价值。

摘要： 李洱潜心十三年创作的《应物兄》,获得了文学界和评论界的热评。小说延续了李洱对知识分子题材的书写,借鉴了《论语》等儒学经典的叙述方式,并在形式结构方面有所创新,具有了艺术上的独特性;在内容深度方面,小说生动描写了复杂多面的当代人生活,深刻反映了当代知识分子的迷惘状态和精神反叛,尤其是剖析了知识分子生态问题。从上述两个角度出发对李洱新作《应物兄》进行考察分析,阐述小说文本的艺术性、批判性及探索性价值,可以给当代文学发展提供启示。

摘要： 当代新诗有多重分裂。首先是读者对新诗的不信任,认为新诗无"诗意"。其次是诗人之间的不认同,口语诗人认为"知识分子写作"写得"不清楚"、难见"生命质感",而后者则质疑前者对"现实"和诗歌功能的表象化认知。其实关键问题在何为"诗意"上的分歧。"诗意"不是先在的,而是生成的,与语言、文化环境相关。读者以对待旧诗的"阅读程式"来"归化"新诗,故看不到新诗的"诗意"。口语诗满足了人们对诗的"内容"层面的诉求,而忽视了诗与现实可能还有(比如想象现实、创造现实等)更复杂的关系。没有哪一种语言形态本身携带"诗意",诗是经验、语言和形式三方互动的艺术。读者对新诗的"文学能力",需要特定的"文学教育"来塑造。当代已经有一些诗人,一直自觉、积极地从事关于诗歌认知的"指导"。

摘要： 本发明公开了一种基于知识图谱的公务文书写作方法与系统，方法包括：将用于参考的素材导入系统‑从素材内容中抽取知识图谱‑根据文章大纲生成基础信息表‑对基础信息表进行排序‑推送文段，系统包括：存储模块、传递模块、图数据库模块、召回查询模块、排序模块、推送模块。本发明采用了NLP、知识图谱、大数据等相关技术，可以对参考素材的内容进行切分与提取，生成知识图谱。生成的知识图谱可以帮助用户在撰写公文时，推送匹配的文段用于参考。减少员工写作时消耗的时间与精力，提高了员工的写作效率。

摘要： 本发明公开了一种基于知识图谱技术的英文写作语法纠错算法，包括如下步骤：S1、对于网络语法错误进行预先型的加载，并且对于错误率进行排序；S2、将写作文品进行扫描并且转换成处理所需的数据，对于数据进行分析与计算；S3、计算后对于写作中出现的错误进行统计，并对于写作文品进行IP定义；对于现有的错误问题进行统计，便于对于英文写作可以更好的预审，并且将英文写作的问题进行统计，并且进行纠正，而不同的人群在不同的环境中，可以实现对于其不同的统计，保护了隐私，且在后期统计中进行错误率的统计，这样便于不同的语法问题、错误点、人群进行了一个新的统计，形成一个新的服务系统。

摘要： 本发明提出了一种基于知识图谱的计算机辅助写作科普文章的方法，包括：从素材材料库中采集素材材料，并对所述素材材料中的关键词和实体名词进行识别，计算字词依存概率，产生词向量，或者运用其他自然语言处理算法得到相关数据；对所述素材材料进行机器学习，挖掘出相关的专业知识，并对所述素材材料涉及的专业知识进行结构化，形成知识图谱，并生成文章框架；根据编辑人员的写作内容和个人特点提供有针对性的参考资料，生成文章；由人工对机器生成的文章进行重新审定和矫正，并将审定和矫正结果反馈给机器学习端，由机器学习端进行审核，利用知识图谱和之前机器学习训练得到的模型，自动纠正错别字和错词，完成最终文章。本发明利用人工智能技术，辅助编辑人员编写专业的科普文章，提高文章的编写效率和专业性。

摘要： 本发明属于图论学习、深度学习分析领域，具体涉及一种基于知识图谱的分子调控关系预测方法及系统，其中的预测方法包括以下步骤：(1)训练数据集的准备；(2)有向图模型的构建与训练；(3)神经网络的构建与训练；(4)实际预测。本发明通过对预测方法整体流程设计进行改进，首先结合图学习将有向图中的有向调控关系和各调控分子节点(即各调控分子实例)进行最优特征编码，接着在获得各节点与关系的特征编码后，利用深度神经网络框架进一步加强有向图的预测能力，经过迭代训练后提升有向调控的预测准确度。

摘要： 本发明公开一种纳米孔单分子感知信号知识表示学习方法，其为基于实例判别transformer的学习方法，其适用于机器学习和纳米孔单分子感知技术；本发明方法包括：构建基于transformer的纳米孔单分子感知信号知识表示学习神经网络模型；创建纳米孔单分子感知信号数据集并对信号数据进行合适的预处理；设置神经网络模型内各参数初始值，以最小化损失函数为目标训练模型实现针对纳米孔单分子感知信号的实例级判别；将待处理的感知信号输入到训练完成的模型输出信号对应的知识表示。本发明在编码器部分采用了transformer结构，实现了信号在知识表示空间内的稀疏分布，并且其直接从信号数据中挖掘模式信息，可适用于不同类型的下游信号分析任务，通用性和有效性强。

摘要： 本发明涉及药物表示学习领域，具体涉及一种结合领域知识的药物分子生成方法，包括利用构象搜索算法获得分子3D构象，从而获得分子空间信息，利用分子空间信息增强分子的初始表示；利用优化后的谱聚类算法以及优化后的CH聚类评价指标获取分子的分子划分结果；根据分子的增强表示和分子划分结果，利用图卷积神经网络对其编码获得其隐空间嵌入表示，即分别为全局图表示和局部子图表示；利用互信息最大化机制优化全局图表示和局部子图表示，得到富含空间信息和子结构信息的分子表示，并应用于下游分子生成任务；本发明有助于捕捉到分子的空间和结构信息，同时能更好地服务于基于深度学习的药物发现领域相关任务。

摘要： 本发明公开了一种基于化学元素知识图谱的分子图对比学习方法，包括：根据化学元素周期表中每个化学元素的所有化学属性，构建化学元素知识图谱；利用化学元素知识图谱对分子图进行图增强得到分子增强图；利用可插拔表示模型获得分子图和分子增强图的图表示；采用硬负样本挖掘技术选出与分子图在分子指纹空间相似的其他分子图作为负样本；将正样本对和负样本对的图表示映射到同一空间后，通过最大化正样本对之间的一致性同时最小化负样本对之间的一致性构建对比损失函数，利用对比损失函数进行优化学习；将参数确定的可插拔表示模型与非线性分类器形成预测模型，利用参数微调的预测模型进行分子图的分子性质的预测，以提升分子性质的预测准确性。

摘要： 本发明涉及一种融合分子结构特征的知识表示学习方法，属于知识图谱领域，将小分子结构特征与知识图谱三元组特征同时进行学习的方法，完成融合了小分子结构信息的知识表示学习过程，并最终形成隐含结构信息以及知识图谱关联信息的新型特征表示。它的成功将会明显提高生物医学领域知识图谱的相关应用的准确性。从而更好地服务于基于机器学习或深度学习的生物医学知识图谱中的药物挖掘的相关应用。

摘要： 本发明属于药物分子生成领域，具体涉及了一种基于领域知识和深度强化学习的药物分子生成器训练方法，旨在解决通过深度学习进行药物分子生成时的样本有限的问题。本发明包括利用领域知识构建活性药效团分子组群；利用动态策略下的课程式学习，将活性药效团分子组群中的药效团随机插入分子的生成过程中，生成具有特定目标的药效团结构分子；利用强化学习方法，最大化混合奖励函数，得到训练好的药物分子生成器。本发明解决了样本量过小的问题，防止过度的演示学习造成分子单一的问题，可以使生成的分子更快收敛到具有特定目标的药效团结构。

摘要： 本发明涉及小分子药物晶型技术领域，为一种小分子药物晶型知识图谱的构建方法及系统，包括：S1，爬取网络已公开的小分子药物的综合数据信息，并对源文件内容进行存储；S2，对所述源文件内容按照关键字归类并进行清洗，其中分子信息及晶体信息按照结构化数据的格式进行处理存放，其他信息按照非结构化数据的方式灵活存放；S3，构建实体数据层，根据所述实体数据层中的数据进一步构建用来存储实体间的关系及实体的属性的模式层。将小分子药物的晶型研究及制成过程中的概念充分发掘，并提供丰富晶型研究中相关实体的类别和属性信息，实现相似晶型的自动查询。对小分子新药的整体研发流程起到促进加速的重要作用。