道德领域

摘要： 道德与法治中涉及的教学内容是十分丰富的,道德领域的知识、法律层面上的要点等都是需要学习和关注的重点。在小学的整个学科体系架构中,道德与法治也占据着十分重要的地位。该学科的重点教学目标就是提升小学生的道德素养、核心素养以及法律素养,为小学生的“成人”打下基础。社会的不断发展和进步也对小学生提出了更高的要求,他们不仅要掌握数学、语文等基础性学科的知识,同时也要不断提升自身的道德意识认知,这样才能称之为是一个“健全”的人。创新道德与法治的教学方法,为学生营造一个更宽松的学习氛围.

摘要： 《涵养好品德》作者:张彦出版社:人民出版社本书以《新时代公民道德建设实施纲要》为基础,选取了道德建设的10个主题词:家风传承、中华美德、爱国情怀、敬业精神、公益之心、榜样力量、诚信品格、制度之善、道德治理、网络伦理,通过讲述新时代美德故事,揭示道德领域的新问题,挖掘公民道德组成的新要素。

摘要： 俗话说:“百善孝为先。”中华悠悠五千年,“孝”早已成为中华民族精神、道德领域不可或缺的一部分。作为中华民族优良的传统美德,“孝”是每一位炎黄子孙都应当做到的,也是作为子女的我们必须做到的。从古至今,没有哪个"不孝子孙"是被大家所称赞的。“父母呼,应勿缓;父母命,行从懒;父母教,须敬听父母责,须顺承”,《弟子规》大家耳熟能详,这不仅是先辈们对“孝”的重视,也是在告诉我们如何去“孝”。

摘要： 2019年10月,中共中央、国务院印发了《新时代公民道德建设实施纲要》(以下简称《纲要》),《纲要》的实施契合了中国特色社会主义进入新时代的战略部署。加强公民道德建设、提高全社会道德水平是全面建成小康社会、全面建设社会主义现代化强国的战略任务,也是适应社会主要矛盾变化、满足人民对美好生活向往的迫切需要,更是促进社会全面进步、人的全面发展的必然要求。要实现这些宏伟目标和愿望,必须根治道德领域长期存在的各类问题。

摘要： 中华民族自古以来就提倡以德治国,德昌则邦治,这已然成为共识。但受各种因素影响,道德领域中存在的一些问题令我们倍加关注。为此,国家制定《新时代公民道德建设实施纲要》。

摘要： "法律是治国之重器,良法是善治之前提。"习近平总书记在主持中央政治局第37次集体学习时指出,要运用法治手段解决道德领域突出问题。法律是底线的道德,也是道德的保障。要加强相关立法工作,明确对失德行为的惩戒措施。要依法加强对群众反映强烈的失德行为的整治。对突出的诚信缺失问题,既要抓紧建立覆盖全社会的征信系统,又要完善守法诚信褒奖机制和违法失信惩戒机制,使人不敢失信、不能失信。

摘要： 我们习惯于将“世界”区分为“物质世界”与“精神世界”、“客观世界”与“主观世界”,或者“实在世界”与“言辞世界”;抑或将世界区分为不同的领域,如自然领域与人为领域、事实领域与价值领域、知识领域与道德领域、描述领域与规范领域,而不同的领域似乎又服从不同的法则,或者不同的必然性,以至于我们仿佛生活在层叠交叉的不同“世界”之中。

摘要： 主任、各位副主任、秘书长、各位委员:我受莆田市人大常委会委托,现就《莆田市文明行为促进条例》(以下简称条例)作如下说明。一、制定条例的必要性(一)社会主义核心价值观法治化的时代需要。2018年5月,党中央印发《社会主义核心价值观融入法治建设立法修法规划》,强调要加强道德领域突出问题专项立法,把一些基本道德要求及时上升为法律规范,推动社会主义核心价值观内化于心、外化于行。

摘要： 自由意志与行为法则究竟是什么关系呢?这是意志被确立为行为归责的基础或根据之后首先面临的问题。这个问题有两种可能的回答:一种是外在的关系,虽然意志自由使行为法则成为行为法则,但行为法则本身不来自于自由意志本身,而来源于意志之外。一种则是内在的关系,即自由意志不仅使行为法则成为可能,而且它就是行为法则的来源本身。

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。