知识分子形象

摘要： 鲁迅是我国现当代文学的奠基人之一,他的作品多以揭露当时社会制度的黑暗和底层人民凄惨悲凉的生存状况为题材,多采用以劳动人民和知识分子为创作对象的写作手法,对后世杂文和小说创作产生了巨大的启蒙作用。这些短篇小说被收录在了《 呐喊》《 彷徨》 等文集中。

摘要： 张天翼与蔡万植是1930年代中韩两国具有代表性的讽刺作家,在两国的文坛上都曾发表诸多优秀的文学作品。两人都善于以讽刺手法描绘社会中各种人物,借以抨击残酷的社会现实。本文主要采用比较文学中的主题学研究法,通过对张天翼的短篇小说《移行》与对蔡万植的短篇小说《痴叔》中所描绘的知识分子形象进行对比分析,进一步考察两位作家对当时社会中的知识分子所持有的态度。

摘要： 谢希德(1921-2000)是新中国半导体物理学科和表面物理学科奠基人,被誉为"半导体之母",也是新中国高校第一位女校长,在上世纪80年代担任复旦大学校长。本次展览首次公开呈现的百余件珍贵展品除了大量文献档案、书信等,也将谢希德的多色彩生活分享给观众,她热爱集邮、爱听古典乐、爱织毛衣、会弹钢琴等,全面勾勒了一位爱国、敬业、崇德的知识分子形象。

摘要： 学界一般认为,现代文学最重要的人物形象是知识分子和农民,两者之间的关系形成"改造国民性"的文学主题。但是在晚清和当代小说中,官员形象是第三个重要的人物系列。知识分子与农民及官员形象之间,在小说中常常呈现某种复杂的三角关系。如果知识分子与农民的关系,可以概括为"启蒙救亡",那么知识分子与官员形象之间的"互相改造"过程,以及农民与官场"矛盾依存"关系的演变,也都需要分别梳理。

摘要： 报告文学《守护苍生》以2020年抗击新冠疫情和2003年抗击非典为背景,在似曾相识的对比中,截取了数个战“疫”场景,生动刻画了钟南山院士既是战士又是勇士、既是院士又是国士的知识分子形象.《守护苍生》虽然篇幅不长,但它给报告文学的创作和发展带来了诸多思考和启迪.

摘要： 关键词逝者4月2日上午,语言学家郝铭鉴去世,终年76岁。提起郝铭鉴,很多人耳熟能详,他有着典型的知识分子形象:两鬓斑白,眼袋略显浮肿,常年戴着金属边框眼镜。他1995年创办的《咬文嚼字》杂志,是我国出版界唯一一份规范社会语言的刊物。这是本"小"杂志,说它“小”,32开本,一年12期,每期约5万字。但体量小,力量却不小:杂志以“咬”文字差错而闻名,有“语林啄木鸟”之称,深刻影响了当代的语文生活。

摘要： 中国当代知识分子群体的壮大是一个量的积累过程,也是一个新质的不断飞跃发展的过程。作为一类文学形象,从十七年文学长廊开始,到高度意识形态化的历史时期,再到万花筒似的新时期,各种时代主题下的知识分子形象都是独树一帜且历久弥新的,既有如理想、激情、诗性、精英、启蒙、青春、革命等积极的代称.

摘要： 中国小说中的人物形象分析对文学研究和理论有巨大的价值,在文学上是一个很大的亮点,如对鲁迅小说中的人物形象的研究获得了很大的成就,而且有很多的学者去研究鲁迅小说中的一系列的人物形象,其中包括对小说中的知识分子形象的深入研究,所以在很多的期刊或者学报上都可以看到很多相关对鲁迅小说中人物形象的分析。所以,不管对哪位作家作品中人物或知识分子形象的分析都有巨大的研究意义和理论意义。文中,主要就针对论欧阳山《一代风流》中的知识分子形象进行分析。

摘要： “开心麻花”将其情景戏剧代表作《驴得水》搬上了大荧幕后,在收获大量票房外,也引发了一场不小的争论。有人赞誉有加,有人则相反,显然《驴得水》戳中了部分观影者的兴奋点。例如,如何划分喜剧与悲剧的讨论、丑化知识分子形象的问题、甚至是女性主义的探讨。当今国产喜剧电影创作者们为了迎合受众来获得票房成绩,“光怪陆离”的喜剧元素、“天马行空”的场景和不合理夸张的肢体动作打破了传统喜剧风格,其幽默夸张的程度似乎超过了一个界限。电影《驴得水》在真实的人物和环境背景中表达其现实主义特点,无论对该片的情感表达和价值观是否接受,观众能清晰地从中看到国产喜剧电影的大胆尝试、创新以及中国式喜剧符号的回归迹象。

摘要： 张炜新作《独药师》塑造了民间养生家邱琪芝、革命者徐竟、信仰宗教的西医陶文贝以及季府"独药师"传人——季昨非等知识分子形象.在具有悠久养生文化的胶东半岛,革命解放运动充满艰难险阻,传统绅士、革命者、西医,这些知识分子分别代表了传统、革命、西方文化等不同的潮流派别.在不同文化之间的碰撞、融合中,中国文化曲折前进;同时这些知识分子群体的精神也开始觉醒并进行价值重铸.《独药师》中知识分子形象的塑造是对中国传统文化的重新思考,也是对知识分子使命的呼吁.

摘要： 《五星红旗迎风飘扬》是经典的红色剧.历史剧在新中国百废待兴中展开,集中塑造了新中国第一批科学家的知识分子形象和精神,成功演绎了老一批革命家和政治家的历史岁月和高达形象,他们是真正的"高大上".本文对《五星红旗迎风飘扬》的时代背景、以及国家使命与情怀的完美融合、知识分子形象的塑造进行了阐述，通过历史与现实的对比,获得当今的体味,能为社会现实带来一股清新.

摘要： 本发明公开一种基于知识形象化的原子展示互动方法及电子设备，方法包括：控制对象图标按移动方向进行移动，并在对象图标碰撞到移动的中子时，则损失一个电子和质子；在对象图标碰撞到移动的电子时，则损失一个质子和中子；在对象图标碰撞到移动的质子时，则损失一个电子和中子；当发射按钮接收到点击指令时，释放当前原子多余的中子、质子或电子，并且释放的中子、质子或电子碰撞到其他粒子时，吸收相应的粒子数量；根据当前的中子、质子和电子数量，更新当前元素符号。本发明通过各种场景来展示知识内容，并且学生需要实际参与到展示的过程中，从而使原子教学内容能够被学生更容易接受，教学过程生动形象，教学效率得到大大提高。

摘要： 本发明提出一种基于知识图谱和置信度的实体形象分析方法及系统，涉及知识图谱的技术领域，首先在明确预关注的实体及实体形象的预关注维度后，在代表性文档中标注实体和实体关系，通过引入Bert中文预训练模型并训练，实现命名实体识别和关系抽取，从而自动提取更多的知识，构建初步的知识图谱。经过命名实体识别和关系抽取之后，利用实体置信度和关系置信度来衡量知识图谱的可信度，进行知识的初步过滤，保证了实体形象分析的高效性，为进一步筛选出更具有代表性的实体形象标签，引入权重TF‑IDF统计量，从而实现更高质量地提取出实体形象的标签词。

摘要： 本发明公开一种基于知识形象化的原子展示互动方法及电子设备，方法包括：控制对象图标按移动方向进行移动，并在对象图标碰撞到移动的中子时，则损失一个电子和质子；在对象图标碰撞到移动的电子时，则损失一个质子和中子；在对象图标碰撞到移动的质子时，则损失一个电子和中子；当发射按钮接收到点击指令时，释放当前原子多余的中子、质子或电子，并且释放的中子、质子或电子碰撞到其他粒子时，吸收相应的粒子数量；根据当前的中子、质子和电子数量，更新当前元素符号。本发明通过各种场景来展示知识内容，并且学生需要实际参与到展示的过程中，从而使原子教学内容能够被学生更容易接受，教学过程生动形象，教学效率得到大大提高。

摘要： 本发明公开一种知识形象化的教育互动方法及电子设备，方法包括步骤：A、在显示界面上设置发车按钮、演示动画模块以及多个场景框；B、当所述场景框接收到用户的点击指令时，则选中场景框；C、当所述发车按钮接收到用户的点击指令时，将所述场景框从可点击状态切换至不可点击状态，并弹出所点击场景框的问题框；D、当在所述问题框内输入正确答案后，通过所述场景框进行游戏展示。本发明通过各种场景来展示知识内容，并且学生需要实际参与到展示的过程中，从而使教学内容能够被学生更容易接受，教学过程生动形象，教学效率得到大大提高。

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。