简称

摘要： 校名简称不仅是学校文化的重要组成部分,更是学校重要的无形资产和品牌标志。在华侨大学加快推进大学章程建设之际,应该抓住这一契机认真研究梳理校名的规范性简称,并传承、保护好这一文化品牌,使这一无形资产保值增值。从文化品牌的角度,运用历时分析方法,通过校史档案对华侨大学的规范性简称进行了“实然”和“应然”考察,发现:从体现办学特色、传承历史传统、彰显独特性三个原则来看,“侨大”比“华大”更适合作为华侨大学的规范性简称。

摘要： “来肥人员”“返肥政策”“入肥返肥”……对上述官方表述,有不少网友认为合肥的这个“肥”字简称让人略感“不适”。有人便在网上向合肥市委书记建言,应明确合肥的简称。这种简称并非简单地使用城市名称中的某个字,而应该溯源历史,既体现当地的文化底蕴,又要有地域特色。而官方给出的最新回复是“已转市民政局研究”。

摘要： 两千多年来研究《论语》的著作不计其数,而《论语》书名问题却很少有人深究。其实,《论语》书名的复杂性,远超任何一部经典。《论语》书名有曾用名、别名以及全称、简称,不下十余种;循名责实,还牵涉《论语》的版本和流传问题,确实值得探讨。

摘要： 凡例是志书编纂的圭臬。虽然理论上已经定型,但具体条款因时势变化和学术进步需要与时俱进修改,尤其卷帙浩繁的省级志书和方志系列丛书的编纂,专业性和地域性多样化,凡例仅一种形态是满足不了编纂的需要,应设置总凡例和分志凡例种类。凡例中原则性通例有通用标准,不可随意简称和更改。分例和特例则需要从专业和地域实际出发因地制宜修改。全国撤地区改市产生大量区划不同名称相同的城市,入志要做出明确界定,避免混淆。不同的断限应该用不同方式标注。体例结构反映一代志书时代特点和地方特点,学术性强,采用什么体式,设置多少篇章,体裁应用,结构升格,都应该准确表述。志书简称繁多,且很多简称失之准确规范。新华社两度发布禁用词规定,提出具有历史智慧和政治智慧的规范用语,方志界应该与时俱进写进凡例并遵照执行,营造历史语境,提高志书质量。

摘要： 为进一步在公务往来等工作中规范使用直管协会的简称,按照国资委办公厅《关于印发直管协会规范简称的通知》,自2020年7月1日起中国机械工业联合会使用规范简称——“中国机械联”,不再使用“中机联”简称。

摘要： 凡例是志书编纂的圭臬.虽然理论上已经定型,但具体条款因时势变化和学术进步需要与时俱进修改,尤其卷帙浩繁的省级志书和方志系列丛书的编纂,专业性和地域性多样化,凡例仅一种形态是满足不了编纂的需要,应设置总凡例和分志凡例种类.凡例中原则性通例有通用标准,不可随意简称和更改.分例和特例则需要从专业和地域实际出发因地制宜修改.全国撤地区改市产生大量区划不同名称相同的城市,入志要做出明确界定,避免混淆.不同的断限应该用不同方式标注.体例结构反映一代志书时代特点和地方特点,学术性强,采用什么体式,设置多少篇章,体裁应用,结构升格,都应该准确表述.志书简称繁多,且很多简称失之准确规范.新华社两度发布禁用词规定,提出具有历史智慧和政治智慧的规范用语,方志界应该与时俱进写进凡例并遵照执行,营造历史语境,提高志书质量.

摘要： 记者(以下简称记):请问您近年来提出的工作思路或理念是什么?刘昌念(以下简称刘):2011年8月,我到阳江市阳东区人民检察院任职。在深入调研的基础上,提出了“四抓并举”的工作思路:抓服务求实效、抓业务促规范、抓班子带队伍、抓廉洁严纪律。

摘要： 记者(以下简称记):你大学毕业后,一开始从事的是什么职业?王秀梅(以下简称王):我父亲是军人,受他的影响,我从小就喜欢严谨的东西,高考填志愿就选了法律专业。上大学时我发现,我对原则性最强的刑法学特感兴趣,在课堂上也最活跃。

摘要： 初次招飞失败差点做水泥工,在部队飞行时曾遭遇险情记者(以下简称记):您从小就有飞行梦吗?刘传健(以下简称刘):是的,我舅舅是个飞行员,来我家做客时经常给我讲飞行方面的事。从那时起,我心里就藏着一个飞行梦。

摘要： 记者(以下简称记):张晋身上最能打动你的是哪一点?蔡少芬(以下简称蔡):他是一个非常上进的人,他的武术功底已经很扎实了,但还是每天刻苦训练,从不懈怠。这是我最欣赏他的一点。记:你们结婚时,他在演艺圈寂寂无名,网上那些负面评论让你很不开心吧?

摘要： 本发明公开了一种公司名简称识别方法及装置，本发明通过对提示词模型训练，并计算模型词表中全部字符的分布概率，记录每个预测字符在模型词表中的位置序号，然后通过构造待预测样本的候选词，基于模型词表中全部字符的分布概率，得到候选词中每个字符的概率，并计算对应候选词的概率均值，得到每个候选词的概率，获取最大概率对应的候选词在若干个候选词中的序号，并基于每个候选词及其中每个字符在原机构名中的位置序号，从原机构名中得到预测的简称作为结果。本发明对样本的需求量大大减少，准确率高，能够避免提示词模型中经常存在的穷举式建模计算量大的问题，并通过不连续候选词的选取，简单有效地处理了简称不连续问题。

摘要： 本发明公开了一种企业简称生成方法、装置及存储介质，该方法包括：从企业全称中依次提取出每个汉字；得到企业全称中每个字的词向量xi；使用长短期记忆模块从左向右根据前一个词向量xi‑1的隐藏层状态向量hi‑1计算当前词向量xi的第一隐藏层状态向量hi，并从右向左根据后一个词向量xi+1的隐藏层状态向量hi+1计算当前词向量xi的第二隐藏层状态向量hi’；利用条件随机场对每个汉字的第一隐藏层状态向量hi、第二隐藏层状态向量hi’进行解码，得到企业全称中所有汉字的二元标注集，根据二元标注集中的标注生成企业全称的企业简称。本发明通过对文本的字进行特征的自动学习，生成有效的企业简称，有利于对新闻中企业实体的识别。

摘要： 本申请实施例公开了用于提取组织机构的简称的方法和装置。该方法的一具体实施方式包括：获取目标组织机构的全称；对目标组织机构的全称进行分词，得到目标组织机构的全称的词语序列；生成目标组织机构的全称的词语序列中的词语的特征向量，其中，词语的特征向量用于描述词语所具有的特征；将目标组织机构的全称的词语序列中的词语的特征向量输入至预先训练的简称提取模型，得到目标组织机构的简称，其中，简称提取模型用于提取组织机构的简称。该实施方式利用简称提取模型提取组织机构的简称，提高了所提取出的组织机构的简称的准确度。

摘要： 本发明揭示了一种公司有效简称的提取方法、设备和存储介质，所述方法包括：使用预先训练好的实体识别模型，对待处理公司的公司全称进行实体识别，得到多个不同类型的有效实体；根据所述有效实体，使用预设提取规则从所述有效实体中提取所述待处理公司的公司简称；根据搜索引擎的搜索日志，剔除所述待处理公司的公司简称中不符合预设条件的公司简称，得到所述待处理公司的有效简称。与现有技术相比，本发明的公司有效简称的提取方法，通过事先训练好的实体识别模型和预设提取规则，可以高效的将各公司的候选简称提取出来，然后通过搜索引擎的搜索日志，剔除候选简称中的无效简称，准确地提取各公司的有效简称。

摘要： 本申请公开了一种机构名简称生成方法和装置、计算机可读存储介质，所述方法包括获取地名名词词典、机构性质名词词典、行业名词词典和文本语料库；基于地名名词词典、机构性质名词词典和行业名词词典对机构名全称进行分词，得到对应的地名名词、机构性质名词、行业名词和机构专名；通过对地名名词、机构性质名词、行业名词和机构专名进行组合，得到候选机构名简称；使用候选机构名简称在文本语料库中检索，若检索到的m条文本中包含候选机构名简称和机构名全称的共现，将候选机构名简称作为机构名简称，m为自然数。本申请通过对机构名全称进行分词，并对分词后的各个名词进行组合以及关联检索，能够准确有效地生成合理的机构名简称。

摘要： 本申请涉及生成对象简称的方法和系统、存储介质以及程序产品，所述方法包括：建立包括对象的数据的语义图谱；进行语义向量初始化以得到各自的原始向量；对原始向量进行校正以生成各自的校正向量；将其他节点经由校正向量语义融合至中心节点以得到中心节点的融合向量；以及至少以中心节点的校正向量、融合向量为解码器的输入确定关于对象的简称。本申请的方法可以基于图技术的特征自动化生成企业等对象的简称，生成的简称的准确性和有效性都高于传统方案。

摘要： 本发明公开了一种根据电子发票税收分类简称识别凭证科目的方法，涉及发票凭证生成技术领域。包括以下步骤：S1获取增值税发票中“销售方”信息，判断凭证分类属于销项还是进项，根据不同的分类，进入对应的处理流程；S2若凭证分类属于销项，则根据增值税发票中税收分类简称，匹配预定义的分类规则，直接输出对应的凭证明细科目；S3若凭证分类属于进项，则根据增值税发票中税收分类简称，判断凭证对应的业务。本发明将增值税发票生成凭证环节自动化，生成凭证的速度大幅度的提高，有效减小人工劳动强度，提高劳动生成率，减少错误率，并在大数据的支持下，可以进一步提高自动生成的凭证分类信息的准确率，为行业向智能化、自动化方向发展提供帮助。

摘要： 本发明公开了一种基于多模型特征融合的全简称匹配的方法，包括输入待识别缩略语；读入汉语全称语料库；根据待识别缩略语，从所读入的全称语料库中根据倒排表筛选出候选全称集合；利用BM25算法召回一部分候选全程集合；利用语义匹配从所读入的全称语料库中召回一部分语义相近的候选全称集合，具体包括利用神经网络训练向量，利用向量相似技术召回语义相近的全称。通过特征函数计算候选全称集合的优先级，保留优先级较高的候选全称；找出优先级最高的一条或几条候选全称作为最终结果。本发明无需借助上下文即可实现对汉语缩略语的识别和理解；方便了用户的检索，提高了自然语言理解和信息检索的准确率。

摘要： 本发明公开了一种公司名简称识别方法及装置，本发明通过对提示词模型训练，并计算模型词表中全部字符的分布概率，记录每个预测字符在模型词表中的位置序号，然后通过构造待预测样本的候选词，基于模型词表中全部字符的分布概率，得到候选词中每个字符的概率，并计算对应候选词的概率均值，得到每个候选词的概率，获取最大概率对应的候选词在若干个候选词中的序号，并基于每个候选词及其中每个字符在原机构名中的位置序号，从原机构名中得到预测的简称作为结果。本发明对样本的需求量大大减少，准确率高，能够避免提示词模型中经常存在的穷举式建模计算量大的问题，并通过不连续候选词的选取，简单有效地处理了简称不连续问题。

摘要： 本发明涉及人工智能技术领域，提供了一种企业简称提取方法、装置、设备及介质。该方法包括根据预设的分词模型对企业的全称进行分词，分别得到所述企业的地区词组、企业名字词组、行业词组；根据预设的关系字典组合中已知企业简称的组合关系，组合所述地区词组、所述企业名字词组、所述行业词组，得到所述企业的各个简称；计算所述企业的全称与各个所述简称之间相似度，从相似度的结果选取相似度值最大的简称作为所述企业的目标简称。本发明还涉及区块链技术领域，上述地区词组、企业名字词组、行业词组还可以存储于一区块链的节点中。