期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
9
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于词语情感隶属度特征的情感极性分类
被引量:
3
1
作者
宋佳颖
黄旭
付国宏
《北京大学学报(自然科学版)》
EI
CAS
CSCD
北大核心
2016年第1期171-177,共7页
在模糊集合论框架下探索基于词语情感隶属度的情感极性分类特征表示方法。以TF-IDF为权重分别构建情感特征词语的正向、负向极性隶属度,并以隶属度对数比作为分类特征值构建基于支持向量机的情感极性分类系统。在产品评论、NLPCC2014情...
在模糊集合论框架下探索基于词语情感隶属度的情感极性分类特征表示方法。以TF-IDF为权重分别构建情感特征词语的正向、负向极性隶属度,并以隶属度对数比作为分类特征值构建基于支持向量机的情感极性分类系统。在产品评论、NLPCC2014情感分类评测数据和IMDB英文影评等数据上的实验结果表明,基于情感隶属度特征的系统优于基于布尔、频度和词向量等特征表示的系统,验证了所提出的基于情感隶属度特征表示的有效性。
展开更多
关键词
情感极性分类
模糊集合论
隶属度
支持向量机
下载PDF
职称材料
基于情感词典和集成学习的情感极性分类方法
被引量:
17
2
作者
朱军
刘嘉勇
+1 位作者
张腾飞
邱利茂
《计算机应用》
CSCD
北大核心
2018年第A01期95-98,107,共5页
当前情感极性分析时使用机器学习方法进行褒贬分析需要完备的语料库,但对特定领域的语料库构建困难,而只使用情感词典的分类方法准确率低。针对以上缺点提出了一种改进的机器学习方法和情感词典结合的集成学习情感极性分类方法。首先,使...
当前情感极性分析时使用机器学习方法进行褒贬分析需要完备的语料库,但对特定领域的语料库构建困难,而只使用情感词典的分类方法准确率低。针对以上缺点提出了一种改进的机器学习方法和情感词典结合的集成学习情感极性分类方法。首先,使用Word2Vec特征提取方法将每条评论表示成固定维度向量,使用常见的机器学习分类方法进行分类,找出效果最好的分类方法;然后使用基于情感词典的朴素贝叶斯分类方法进行情感极性分类。最后将基于情感词典和集成学习的方法相结合,使用谭松波公开的数据集酒店评论数据进行实验。理论分析和实验表明,使用Word2Vec作为特征提取方法的支持向量机(SVM)分类方法结合基于情感词典的朴素贝叶斯分类方法的集成学习方法可以将积极类的准确率和宏平均分别提高6. 9个百分点和3个百分点,将消极类的召回率和宏平均分别提高8. 8个百分点和5. 1个百分点,有效提升了情感极性分类效果。
展开更多
关键词
情感极性分类
机器学习
情感
词典
Word2Vec
朴素贝叶斯
下载PDF
职称材料
基于动态池化和注意力的文本情感极性分类
被引量:
1
3
作者
杜梦豪
黄文明
+1 位作者
孙晓洁
邓珍荣
《计算机工程与设计》
北大核心
2019年第4期1126-1132,共7页
为提取到评论文本的深层次特征和关联特征,设计一种基于动态池化和注意力机制的情感极性分类方法。学习评论文本的两种表示向量,即情感向量和句法向量;将基于滑动窗口的注意力机制和卷积层相结合,采用该模型获取到包含文本上下文的关联...
为提取到评论文本的深层次特征和关联特征,设计一种基于动态池化和注意力机制的情感极性分类方法。学习评论文本的两种表示向量,即情感向量和句法向量;将基于滑动窗口的注意力机制和卷积层相结合,采用该模型获取到包含文本上下文的关联特征向量,实现向量之间的信息融合,解决向量特征表示无关的问题;基于动态池化层和注意力机制对特征重新加权,提取文本更高层次的抽象特征,其中,多次的动态池化操作学习到文本的深层次特征;采用softmax分类方法进行情感极性分类。实验结果表明,根据准确率、召回率和F值等衡量指标,基于动态池化和注意力机制的特征提取模型性能比普通的卷积神经网络和基于单注意力机制的卷积神经网络有明显的提高。
展开更多
关键词
句法向量
情感
向量
动态池化
注意力模型
情感极性分类
下载PDF
职称材料
在线评论的情感极性分类研究综述
被引量:
17
4
作者
王洪伟
郑丽娟
+1 位作者
尹裴
史伟
《情报科学》
CSSCI
北大核心
2012年第8期1263-1271,1276,共10页
对在线评论情感极性分类的研究现状与进展进行了总结。首先对情感类型的划分进行归纳,并针对在线评论中所涉及到的肯定和否定两种情感,从粗粒度、细粒度和实证研究三方面展开评述。为研究情感极性分类的商业价值,对在线评论将如何影响...
对在线评论情感极性分类的研究现状与进展进行了总结。首先对情感类型的划分进行归纳,并针对在线评论中所涉及到的肯定和否定两种情感,从粗粒度、细粒度和实证研究三方面展开评述。为研究情感极性分类的商业价值,对在线评论将如何影响消费者的购买行为以及如何影响商家的销售绩效的工作进行整理和评述。最后对今后的研究方向进行展望。
展开更多
关键词
情感极性分类
在线评论
综述
原文传递
一种基于语义距离的Web评论SVM情感分类方法
被引量:
13
5
作者
肖正
刘辉
李兵
《计算机科学》
CSCD
北大核心
2014年第9期248-252,284,共6页
情感倾向分析本质上可以看作是一个情感极性分类问题。在海量数据处理的大背景下,为了提高文本情感判断的准确率,提出了一种结合潜在语义分析LSA(Latent Semantic Analysis)和支持向量机SVM(Supported Vector Machine)的文本褒贬情感倾...
情感倾向分析本质上可以看作是一个情感极性分类问题。在海量数据处理的大背景下,为了提高文本情感判断的准确率,提出了一种结合潜在语义分析LSA(Latent Semantic Analysis)和支持向量机SVM(Supported Vector Machine)的文本褒贬情感倾向分类方法。从语义的角度利用潜在语义分析方法建立"词-文档"的语义距离向量空间模型,然后使用具有良好分类精度和泛化能力的支持向量机进行情感分类。实验结果表明,该方法在句子简短、情感倾向比较明显的Web评论中的准确率较传统的SVM方法有了一定的提高,在测试集上的分类准确率接近88%。
展开更多
关键词
文本处理
语义距离
情感极性分类
潜在语义分析
下载PDF
职称材料
基于NMF的Web评论情感分类方法研究
6
作者
任静
刘立波
《电脑知识与技术》
2016年第6X期167-170,共4页
Web评论研究技术中,其情感分析就是将评论的情感极性进行褒贬分类的过程。本文将非负矩阵分解(nonnegative matrix decomposition,NMF)和支持向量机(support vector machine,SVM)相结合,构造出一种基于NMF的支持向量机(NMF-SVM)分类算...
Web评论研究技术中,其情感分析就是将评论的情感极性进行褒贬分类的过程。本文将非负矩阵分解(nonnegative matrix decomposition,NMF)和支持向量机(support vector machine,SVM)相结合,构造出一种基于NMF的支持向量机(NMF-SVM)分类算法。该算法利用NMF对初始的"词—文档"向量矩阵进行有效降维,提取潜在语义,最后利用支持向量机对重新构造的"词-文本"向量模型进行情感分类。实验结果证明,该分类算法的准确率优于比传统的SVM算法,具有一定应用价值。
展开更多
关键词
Web评论
情感极性分类
非负矩阵分解
支持向量机
下载PDF
职称材料
基于NMF的Web评论情感分类方法研究
7
作者
任静
刘立波
《电脑知识与技术(过刊)》
2016年第18期167-170,共4页
Web评论研究技术中,其情感分析就是将评论的情感极性进行褒贬分类的过程。本文将非负矩阵分解(nonnegative matrix decomposition,NMF)和支持向量机(support vector machine,SVM)相结合,构造出一种基于NMF的支持向量机(NMF-SVM)分类算...
Web评论研究技术中,其情感分析就是将评论的情感极性进行褒贬分类的过程。本文将非负矩阵分解(nonnegative matrix decomposition,NMF)和支持向量机(support vector machine,SVM)相结合,构造出一种基于NMF的支持向量机(NMF-SVM)分类算法。该算法利用NMF对初始的“词—文档”向量矩阵进行有效降维,提取潜在语义,最后利用支持向量机对重新构造的“词-文本”向量模型进行情感分类。实验结果证明,该分类算法的准确率优于比传统的SVM算法,具有一定应用价值。
展开更多
关键词
Web评论
情感极性分类
非负矩阵分解
支持向量机
全文增补中
产品意见挖掘研究进展
8
作者
李光敏
张磊
赵登科
《现代情报》
CSSCI
2014年第3期32-35,共4页
随着Web2.0技术和电子商务的飞速发展,越来越多的用户参与到互联网,分享产品的使用体验和表达喜恶的观点,如何从评论文本中分析挖掘出互联网用户对产品的意见观点是消费者和生产商所迫切需要解决的问题。本文首先分析产品意见挖掘的必要...
随着Web2.0技术和电子商务的飞速发展,越来越多的用户参与到互联网,分享产品的使用体验和表达喜恶的观点,如何从评论文本中分析挖掘出互联网用户对产品的意见观点是消费者和生产商所迫切需要解决的问题。本文首先分析产品意见挖掘的必要性,然后从产品特征识别、产品评论主客观分类、情感极性分类等方面介绍了国内外的研究进展及所采用的技术,最后指出产品意见挖掘面临的不足和今后的研究方向。
展开更多
关键词
意见挖掘
意见识别
特征识别
情感极性分类
下载PDF
职称材料
基于迁移学习的文本共情预测
被引量:
1
9
作者
李晨光
张波
+2 位作者
赵骞
陈小平
王行甫
《计算机应用》
CSCD
北大核心
2022年第11期3603-3609,共7页
由于缺乏足够的训练数据,文本共情预测的进展一直都较为缓慢;而与之相关的文本情感极性分类任务则存在大量有标签的训练样本。由于文本共情预测与文本情感极性分类两个任务间存在较大相关性,因此提出了一种基于迁移学习的文本共情预测方...
由于缺乏足够的训练数据,文本共情预测的进展一直都较为缓慢;而与之相关的文本情感极性分类任务则存在大量有标签的训练样本。由于文本共情预测与文本情感极性分类两个任务间存在较大相关性,因此提出了一种基于迁移学习的文本共情预测方法,该方法可从情感极性分类任务中学习到可迁移的公共特征,并通过学习到的公共特征辅助文本共情预测任务。首先通过一个注意力机制对两个任务间的公私有特征进行动态加权融合;其次为了消除两个任务间的数据集领域差异,通过一种对抗学习策略来区分两个任务间的领域独有特征与领域公共特征;最后提出了一种Hinge‑loss约束策略,使共同特征对不同的目标标签具有通用性,而私有特征对不同的目标标签具有独有性。在两个基准数据集上的实验结果表明,相较于对比的迁移学习方法,所提方法的皮尔逊相关系数(PCC)和决定系数(R2)更高,均方误差(MSE)更小,充分说明了所提方法的有效性。
展开更多
关键词
迁移学习
文本共情预测
文本
情感极性分类
自然语言处理
深度学习
下载PDF
职称材料
题名
基于词语情感隶属度特征的情感极性分类
被引量:
3
1
作者
宋佳颖
黄旭
付国宏
机构
黑龙江大学计算机科学技术学院
出处
《北京大学学报(自然科学版)》
EI
CAS
CSCD
北大核心
2016年第1期171-177,共7页
基金
国家自然科学基金(61170148)
黑龙江省人力资源和社会保障厅留学人员科技活动项目资助
文摘
在模糊集合论框架下探索基于词语情感隶属度的情感极性分类特征表示方法。以TF-IDF为权重分别构建情感特征词语的正向、负向极性隶属度,并以隶属度对数比作为分类特征值构建基于支持向量机的情感极性分类系统。在产品评论、NLPCC2014情感分类评测数据和IMDB英文影评等数据上的实验结果表明,基于情感隶属度特征的系统优于基于布尔、频度和词向量等特征表示的系统,验证了所提出的基于情感隶属度特征表示的有效性。
关键词
情感极性分类
模糊集合论
隶属度
支持向量机
Keywords
sentiment polarity classification
fuzzy sets
membership
supported vector machines
分类号
TP391.1 [自动化与计算机技术—计算机应用技术]
TP18 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
基于情感词典和集成学习的情感极性分类方法
被引量:
17
2
作者
朱军
刘嘉勇
张腾飞
邱利茂
机构
四川大学信息安全研究所
出处
《计算机应用》
CSCD
北大核心
2018年第A01期95-98,107,共5页
文摘
当前情感极性分析时使用机器学习方法进行褒贬分析需要完备的语料库,但对特定领域的语料库构建困难,而只使用情感词典的分类方法准确率低。针对以上缺点提出了一种改进的机器学习方法和情感词典结合的集成学习情感极性分类方法。首先,使用Word2Vec特征提取方法将每条评论表示成固定维度向量,使用常见的机器学习分类方法进行分类,找出效果最好的分类方法;然后使用基于情感词典的朴素贝叶斯分类方法进行情感极性分类。最后将基于情感词典和集成学习的方法相结合,使用谭松波公开的数据集酒店评论数据进行实验。理论分析和实验表明,使用Word2Vec作为特征提取方法的支持向量机(SVM)分类方法结合基于情感词典的朴素贝叶斯分类方法的集成学习方法可以将积极类的准确率和宏平均分别提高6. 9个百分点和3个百分点,将消极类的召回率和宏平均分别提高8. 8个百分点和5. 1个百分点,有效提升了情感极性分类效果。
关键词
情感极性分类
机器学习
情感
词典
Word2Vec
朴素贝叶斯
Keywords
emotional polarity classificaiton
machine learning
emotional dictionary
Word2Vec
Naive Bayesian (NB)
分类号
TP181 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
基于动态池化和注意力的文本情感极性分类
被引量:
1
3
作者
杜梦豪
黄文明
孙晓洁
邓珍荣
机构
桂林电子科技大学计算机与信息安全学院
广西壮族自治区教育厅广西高校云计算与复杂系统重点实验室
出处
《计算机工程与设计》
北大核心
2019年第4期1126-1132,共7页
基金
广西高校云计算与复杂系统重点实验室基金项目(yf17106)
广西自然科学基金项目(2018GXNSFAA138132)
桂林电子科技大学研究生创新基金项目(2017YJCX47)
文摘
为提取到评论文本的深层次特征和关联特征,设计一种基于动态池化和注意力机制的情感极性分类方法。学习评论文本的两种表示向量,即情感向量和句法向量;将基于滑动窗口的注意力机制和卷积层相结合,采用该模型获取到包含文本上下文的关联特征向量,实现向量之间的信息融合,解决向量特征表示无关的问题;基于动态池化层和注意力机制对特征重新加权,提取文本更高层次的抽象特征,其中,多次的动态池化操作学习到文本的深层次特征;采用softmax分类方法进行情感极性分类。实验结果表明,根据准确率、召回率和F值等衡量指标,基于动态池化和注意力机制的特征提取模型性能比普通的卷积神经网络和基于单注意力机制的卷积神经网络有明显的提高。
关键词
句法向量
情感
向量
动态池化
注意力模型
情感极性分类
Keywords
syntax vector
emotional vector
dynamic pooling
attention model
emotional polarity classification
分类号
TP391.1 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
在线评论的情感极性分类研究综述
被引量:
17
4
作者
王洪伟
郑丽娟
尹裴
史伟
机构
同济大学经济与管理学院
出处
《情报科学》
CSSCI
北大核心
2012年第8期1263-1271,1276,共10页
基金
国家自然科学基金资助项目(70971099)
上海市重点学科建设项目(B310)
文摘
对在线评论情感极性分类的研究现状与进展进行了总结。首先对情感类型的划分进行归纳,并针对在线评论中所涉及到的肯定和否定两种情感,从粗粒度、细粒度和实证研究三方面展开评述。为研究情感极性分类的商业价值,对在线评论将如何影响消费者的购买行为以及如何影响商家的销售绩效的工作进行整理和评述。最后对今后的研究方向进行展望。
关键词
情感极性分类
在线评论
综述
Keywords
sentiment polarity classification
online reviews
survey
分类号
G350 [文化科学—情报学]
TP393 [自动化与计算机技术—计算机应用技术]
原文传递
题名
一种基于语义距离的Web评论SVM情感分类方法
被引量:
13
5
作者
肖正
刘辉
李兵
机构
湖南大学信息科学与工程学院
出处
《计算机科学》
CSCD
北大核心
2014年第9期248-252,284,共6页
基金
湖南大学湖南省自然科学基金(13JJ4038)
湖南大学"青年教师成长计划"资助
文摘
情感倾向分析本质上可以看作是一个情感极性分类问题。在海量数据处理的大背景下,为了提高文本情感判断的准确率,提出了一种结合潜在语义分析LSA(Latent Semantic Analysis)和支持向量机SVM(Supported Vector Machine)的文本褒贬情感倾向分类方法。从语义的角度利用潜在语义分析方法建立"词-文档"的语义距离向量空间模型,然后使用具有良好分类精度和泛化能力的支持向量机进行情感分类。实验结果表明,该方法在句子简短、情感倾向比较明显的Web评论中的准确率较传统的SVM方法有了一定的提高,在测试集上的分类准确率接近88%。
关键词
文本处理
语义距离
情感极性分类
潜在语义分析
Keywords
Text processing
Semantic distance
Sentimental orientation classification
Latent semantic analysis
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于NMF的Web评论情感分类方法研究
6
作者
任静
刘立波
机构
宁夏大学信息工程学院
出处
《电脑知识与技术》
2016年第6X期167-170,共4页
文摘
Web评论研究技术中,其情感分析就是将评论的情感极性进行褒贬分类的过程。本文将非负矩阵分解(nonnegative matrix decomposition,NMF)和支持向量机(support vector machine,SVM)相结合,构造出一种基于NMF的支持向量机(NMF-SVM)分类算法。该算法利用NMF对初始的"词—文档"向量矩阵进行有效降维,提取潜在语义,最后利用支持向量机对重新构造的"词-文本"向量模型进行情感分类。实验结果证明,该分类算法的准确率优于比传统的SVM算法,具有一定应用价值。
关键词
Web评论
情感极性分类
非负矩阵分解
支持向量机
Keywords
web comments
emotional polarity classification
nonnegative matrix decomposition
support vector machine
分类号
TP391.1 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于NMF的Web评论情感分类方法研究
7
作者
任静
刘立波
机构
宁夏大学信息工程学院
出处
《电脑知识与技术(过刊)》
2016年第18期167-170,共4页
文摘
Web评论研究技术中,其情感分析就是将评论的情感极性进行褒贬分类的过程。本文将非负矩阵分解(nonnegative matrix decomposition,NMF)和支持向量机(support vector machine,SVM)相结合,构造出一种基于NMF的支持向量机(NMF-SVM)分类算法。该算法利用NMF对初始的“词—文档”向量矩阵进行有效降维,提取潜在语义,最后利用支持向量机对重新构造的“词-文本”向量模型进行情感分类。实验结果证明,该分类算法的准确率优于比传统的SVM算法,具有一定应用价值。
关键词
Web评论
情感极性分类
非负矩阵分解
支持向量机
Keywords
web comments
emotional polarity classification
nonnegative matrix decomposition
support vector machine
分类号
TP391 [自动化与计算机技术—计算机应用技术]
全文增补中
题名
产品意见挖掘研究进展
8
作者
李光敏
张磊
赵登科
机构
湖北师范学院计算机科学技术学院
河南大学数据与知识工程研究所
郑州经贸职业学院计算机系
出处
《现代情报》
CSSCI
2014年第3期32-35,共4页
基金
湖北省教育厅青年科学技术研究项目"非结构化文本评论的情感分析模型构建研究"(项目编号:Q20132503)的研究成果之一
文摘
随着Web2.0技术和电子商务的飞速发展,越来越多的用户参与到互联网,分享产品的使用体验和表达喜恶的观点,如何从评论文本中分析挖掘出互联网用户对产品的意见观点是消费者和生产商所迫切需要解决的问题。本文首先分析产品意见挖掘的必要性,然后从产品特征识别、产品评论主客观分类、情感极性分类等方面介绍了国内外的研究进展及所采用的技术,最后指出产品意见挖掘面临的不足和今后的研究方向。
关键词
意见挖掘
意见识别
特征识别
情感极性分类
Keywords
opinion mining
opinion identification
feature identification
polarity classification
分类号
F713.36 [经济管理—产业经济]
下载PDF
职称材料
题名
基于迁移学习的文本共情预测
被引量:
1
9
作者
李晨光
张波
赵骞
陈小平
王行甫
机构
中国科学技术大学计算机科学与技术学院
国网安徽省电力有限公司
出处
《计算机应用》
CSCD
北大核心
2022年第11期3603-3609,共7页
基金
国家自然科学基金资助项目(92048301)
安徽省电力有限公司科技项目(52120018004x)。
文摘
由于缺乏足够的训练数据,文本共情预测的进展一直都较为缓慢;而与之相关的文本情感极性分类任务则存在大量有标签的训练样本。由于文本共情预测与文本情感极性分类两个任务间存在较大相关性,因此提出了一种基于迁移学习的文本共情预测方法,该方法可从情感极性分类任务中学习到可迁移的公共特征,并通过学习到的公共特征辅助文本共情预测任务。首先通过一个注意力机制对两个任务间的公私有特征进行动态加权融合;其次为了消除两个任务间的数据集领域差异,通过一种对抗学习策略来区分两个任务间的领域独有特征与领域公共特征;最后提出了一种Hinge‑loss约束策略,使共同特征对不同的目标标签具有通用性,而私有特征对不同的目标标签具有独有性。在两个基准数据集上的实验结果表明,相较于对比的迁移学习方法,所提方法的皮尔逊相关系数(PCC)和决定系数(R2)更高,均方误差(MSE)更小,充分说明了所提方法的有效性。
关键词
迁移学习
文本共情预测
文本
情感极性分类
自然语言处理
深度学习
Keywords
transfer learning
text empathy prediction
text sentiment polarity classification
Nature Language Processing(NLP)
deep learning
分类号
TP391. [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于词语情感隶属度特征的情感极性分类
宋佳颖
黄旭
付国宏
《北京大学学报(自然科学版)》
EI
CAS
CSCD
北大核心
2016
3
下载PDF
职称材料
2
基于情感词典和集成学习的情感极性分类方法
朱军
刘嘉勇
张腾飞
邱利茂
《计算机应用》
CSCD
北大核心
2018
17
下载PDF
职称材料
3
基于动态池化和注意力的文本情感极性分类
杜梦豪
黄文明
孙晓洁
邓珍荣
《计算机工程与设计》
北大核心
2019
1
下载PDF
职称材料
4
在线评论的情感极性分类研究综述
王洪伟
郑丽娟
尹裴
史伟
《情报科学》
CSSCI
北大核心
2012
17
原文传递
5
一种基于语义距离的Web评论SVM情感分类方法
肖正
刘辉
李兵
《计算机科学》
CSCD
北大核心
2014
13
下载PDF
职称材料
6
基于NMF的Web评论情感分类方法研究
任静
刘立波
《电脑知识与技术》
2016
0
下载PDF
职称材料
7
基于NMF的Web评论情感分类方法研究
任静
刘立波
《电脑知识与技术(过刊)》
2016
0
全文增补中
8
产品意见挖掘研究进展
李光敏
张磊
赵登科
《现代情报》
CSSCI
2014
0
下载PDF
职称材料
9
基于迁移学习的文本共情预测
李晨光
张波
赵骞
陈小平
王行甫
《计算机应用》
CSCD
北大核心
2022
1
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部