期刊文献+
共找到8篇文章
< 1 >
每页显示 20 50 100
我是怎样学习实体法的
1
作者 许伟 《职业技术教育》 北大核心 1998年第10期28-29,共2页
关键词 行政法 学习实体 犯罪未遂 犯罪中止 案例 民事行为能力 知识体系 经济法 婚姻法 犯罪分子
下载PDF
基于实体不可知表示学习的知识图谱嵌入
2
作者 杨科林 杨斌 +3 位作者 秦崇良 雷荣军 张永超 屈睿涛 《软件工程与应用》 2024年第3期330-335,共6页
针对知识图谱嵌入(KGE)引发的参数存储效率低下的问题,本研究提出了一种创新的实体不可知表示学习方法。传统的知识图谱嵌入技术通过为知识图谱中的各个元素(涵盖实体和关系)分配特定的嵌入(即向量化表达),将其映射至连续的向量空间。然... 针对知识图谱嵌入(KGE)引发的参数存储效率低下的问题,本研究提出了一种创新的实体不可知表示学习方法。传统的知识图谱嵌入技术通过为知识图谱中的各个元素(涵盖实体和关系)分配特定的嵌入(即向量化表达),将其映射至连续的向量空间。然而,这种方法导致了嵌入参数随着知识图谱规模的扩大而呈现线性增长的趋势。在此基础上,我们提出了名为实体不可知表示学习(EARL)的模型。该模型仅学习一小部分实体的嵌入,这些实体被称为保留实体。为了获取完整实体集的嵌入,我们巧妙地结合关系、K近邻保留实体以及多跳邻居中的信息,以编码这些保留实体的独特特征。通过学习通用且实体不可知的编码器,我们将这些特征高效地转换为实体的嵌入。相较于传统的知识图谱嵌入技术,这种创新方法使得我们提出的EARL模型在保持高效的同时,具有更少的参数量,从而展现出更高的静态性。实验结果充分验证了EARL在链路预测任务上的卓越性能,并且在参数效率方面展现出显著优势,进一步凸显了其在减少参数使用方面的有效性。 展开更多
关键词 知识图谱嵌入 实体不可知表示学习 连接关系 K近邻保留实体
下载PDF
基于Internet的远程教学系统设计 被引量:11
3
作者 黄河 《武汉理工大学学报(交通科学与工程版)》 北大核心 2002年第4期541-543,共3页
针对远程教学的特点 ,从网络架构、系统模型及设计 3方面出发 ,提出一个基于
关键词 INTERNET 远程教学系统设计 局域网仿真 学习实体
下载PDF
“模拟审判教学法”在法律专业教学中的运用
4
作者 曾新明 《高教研究(西南科技大学)》 2000年第1期28-29,共2页
"模拟审判教学法"是一种在特别设置的审判环境中,模拟扮演法庭上处于不同地位的各角色人物进行演练的一种教学方法。这种教学方法的基本过程,是在学生系统地学习实体法、程序法等理论的基础上,教师为学生提供司法实践中典型... "模拟审判教学法"是一种在特别设置的审判环境中,模拟扮演法庭上处于不同地位的各角色人物进行演练的一种教学方法。这种教学方法的基本过程,是在学生系统地学习实体法、程序法等理论的基础上,教师为学生提供司法实践中典型的案例材料,让学生根据案件的事实、法律的规定和各自扮演的角色,各自独立进行准备。 展开更多
关键词 模拟审判 教学法 专业教学 程序法 教学方法 学生 司法实践 法律人才 角色 学习实体
下载PDF
Taking Comprehensive Practice Activities as the Carrier to Improve College English Teaching Efficiency
5
作者 Wang Chengdong 《International English Education Research》 2015年第3期35-37,共3页
The so-called comprehensive practice activities refer to that under teachers' guidance, students conduct independent comprehensive learning activities, and in activities, students can train practice ability, organica... The so-called comprehensive practice activities refer to that under teachers' guidance, students conduct independent comprehensive learning activities, and in activities, students can train practice ability, organically combining theory knowledge and practice knowledge together, in order to have a learning and practice effect. In current college English teaching, it exists module, single and dogmatic and a series of disadvantage trends, taking comprehensive practice activities as the carrier to improve college English teaching efficiency, which has a multiplier effect. This paper first analyzes the importance of comprehensive practical activities in college English teaching activities, and then it proposes a set of practicable activity strategies, hoping to play a valuable role. 展开更多
关键词 comprehensive practice activities college English teaching IMPORTANCE suggestions
下载PDF
Safe-Disposing of NaK in LMEL for Facility Modified
6
作者 PAN Chanjie XU Zengyu 《Southwestern Institute of Physics Annual Report》 2005年第1期117-118,共2页
A series of experimental studies on MHD effects in circular and rectasgular pipe of conducting and insulating wall, have been carried out on liquid metal experimental loop ( LMEL ),sodium potassium alloy ( NaK )... A series of experimental studies on MHD effects in circular and rectasgular pipe of conducting and insulating wall, have been carried out on liquid metal experimental loop ( LMEL ),sodium potassium alloy ( NaK ) reacts actively with oxygen in air, 展开更多
关键词 Liquid Metal Gafe-disposing
下载PDF
基于解析图嵌入和加权图卷积网络的知识图谱补全 被引量:4
7
作者 罗妹秋 张春霞 +3 位作者 彭成 张鑫 郭贵锁 牛振东 《中国科学:信息科学》 CSCD 北大核心 2022年第11期2037-2057,共21页
知识图谱补全是知识图谱构建、自然语言处理和知识工程等领域的重要研究课题.知识图谱不仅是实现通用领域和专业领域精准知识服务的知识支撑,而且是信息检索、问答交互和信息推荐等领域取得突破性进展的必要基础.知识图谱的低质量和小... 知识图谱补全是知识图谱构建、自然语言处理和知识工程等领域的重要研究课题.知识图谱不仅是实现通用领域和专业领域精准知识服务的知识支撑,而且是信息检索、问答交互和信息推荐等领域取得突破性进展的必要基础.知识图谱的低质量和小规模是阻碍知识图谱广泛应用的主要瓶颈.知识图谱补全的目的是构建大规模高质量的知识图谱,以不断更新和扩充知识图谱.针对现有知识图谱补全方法难以从非结构化文本等辅助信息中提取深层次语义特征的问题,本文提出一种基于解析图嵌入和加权图卷积网络的知识图谱补全方法.一方面,该方法通过加权图卷积网络,对实体描述文本的语义依存分析进行建模,构建语义依存解析图嵌入;另一方面,引入了实体描述文本的多粒度句嵌入生成方法,旨在于构建能够捕获多粒度语义、深层次语义特征的实体表示学习.通过在两个公开数据集上的实验结果表明了本文知识图谱补全方法优于现有方法,验证了本文方法的有效性和优越性. 展开更多
关键词 知识图谱补全 解析图嵌入 加权图卷积网络 语义依存分析 实体表示学习
原文传递
Disambiguating named entities with deep supervised learning via crowd labels
8
作者 Le-kui ZHOU Si-liang TANG +2 位作者 Jun XIAO Fei WU Yue-ting ZHUANG 《Frontiers of Information Technology & Electronic Engineering》 SCIE EI CSCD 2017年第1期97-106,共10页
Named entity disambiguation (NED) is the task of linking mentions of ambiguous entities to their referenced entities in a knowledge base such as Wikipedia. We propose an approach to effectively disentangle the discr... Named entity disambiguation (NED) is the task of linking mentions of ambiguous entities to their referenced entities in a knowledge base such as Wikipedia. We propose an approach to effectively disentangle the discriminative features in the manner of collaborative utilization of collective wisdom (via human-labeled crowd labels) and deep learning (via human-generated data) for the NED task. In particular, we devise a crowd model to elicit the underlying features (crowd features) from crowd labels that indicate a matching candidate for each mention, and then use the crowd features to fine-tune a dynamic convolutional neural network (DCNN). The learned DCNN is employed to obtain deep crowd features to enhance traditional hand-crafted features for the NED task. The proposed method substantially benefits from the utilization of crowd knowledge (via crowd labels) into a generic deep learning for the NED task. Experimental analysis demonstrates that the proposed approach is superior to the traditional hand-crafted features when enough crowd labels are gathered. 展开更多
关键词 Named entity disambiguation Crowdsourcing Deep learning
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部