政策文本视角下我国国家科学数据中心FAIR化特征初探

[目的/意义]对我国国家科学数据中心数据政策的FAIR化特征进行探索,为我国数据中心的数据管理政策制定和工作优化提供初步参考。[方法/过程]综合运用网络调研和文本挖掘的方法,使用KH Coder内容挖掘软件对20家数据中心的79部数据政策进行量化文本分析。通过对FAIR原则在政策文本中的出现频次和高相似词汇的分析,揭示FAIR原则在各个数据中心、不同类型政策文本中表现出的关注度差异与语义特征。[结果/结论]数据中心的数据政策已体现了一定的FAIR原则理念,但对每项FAIR原则的关注度不均衡;不同类型的数据政策关注FAIR原则的不同方面,共性在于对可发现原则和可互操作原则比较关注;对元数据给予了重点关注。[创新/价值]建议数据中心在数据政策制定中突出“元数据”在数据全生命周期管理中的作用,推动“数据增值驱动”的数据政策体系构建,并立足我国科学数据管理实际,适度引入FAIR原则。

编辑视觉心理对编校工作的影响

出版物文字差错是影响出版物质量的重要因素之一。从视觉心理角度分析,出版物文字差错产生的原因主要有视觉疲劳、重心偏移、视觉后象和形近偏旁的干扰等,针对这些原因减少文字差错有助于出版物质量的提升。

我国县级融媒体中心政策研究——基于Nvivo12 plus的双维度政策文本分析

为探究我国现行县级融媒体中心政策制定中的关注点与相对忽视点,为未来政策制定与优化提供可行参考,以2018-2022年中央及各部委公开颁布的23份县级融媒体中心建设相关政策文本为研究对象,运用Nvivo12 plus分析软件,从县级融媒体中心政策工具与政策要素两个维度进行质性文本分析,发现现行县级融媒体中心政策工具中激励工具及象征与劝诫工具使用较少、政策要素中传播体系建设与内容发布略显不足、部分政策工具与政策要素的契合度不高等问题,建议今后政策制定中注意优化政策工具组合、加强传播体系建设与内容发布、注重政策工具与政策要素的有效契合。

Rewriting:“改写”还是“重写”——兼评对勒菲弗尔理论的相关误读

翻译理论家和比较文学学者安德烈·勒菲弗尔提出的"rewriting"一直有两种中文译文:"改写"和"重写"。对"rewriting"提出的学术背景和思想来源的分析表明,勒菲弗尔的理论深受俄国形式主义、接受美学思想和马克思主义文学批评理论的影响。结合对"rewriting"概念演进过程的追根溯源及相关的词源学辨析,"重写"这个译文被认为更能涵盖勒菲弗尔理论中涉及到的各种研究对象,更能体现勒菲弗尔思想中挑战作者中心论和原本中心论范式的本质,并能赋予"rewriting"更普遍的哲学内涵。同时,由"rewriting"译文的不确定导致的对勒菲弗尔理论的相关误读也可得以澄清。

基于特征关联度的K-means初始聚类中心优化算法

针对K-means算法在进行文本聚类时对初始聚类中心敏感的问题,提出基于特征关联度的初始聚类中心选择算法。由于在原始文本集中不易找到类别代表性都较强的多个独立文本作为初始聚类中心,因此先从降维后的文本特征集合中,选取关联度大的特征构造新的文本集,再利用"或运算"合并其中的相似文本得到初始聚类中心候选集,最后通过计算文本密度并结合"最小最大"原则从候选集中选取最优的初始中心。在5个数据集上进行对比实验,该算法在多数聚类结果中的F-score值都高于90%,熵值低于0.5,明显优于Mahout提供的K-means算法,表明该算法可选出高质量的初始聚类中心,得到更好的聚类结果。

一种模仿人类的自动文本分类算法

An algorithm of text classification is given that imitates human's in this paper. On one hand, the algorithmenhances weight of theme when feature vector is processed, because of the assumption that the title of a document canproject its content. On the other hand,a weight parameter o vector is designed to simulate human's skimming andskipping behavior for calculating method of a document cluster center, and a weight of the feature that there are morepositive examples than negative ones is enhanced . The experiment shows that the algorithm greatly improves the per-formance of a text classification system.

西方诠释学诠释重心的转换及其合理走向

作者、文本和读者之间的相互关系构成了西方诠释学的主题。据此 ,可以把西方诠释学划分为三个阶段 :第一阶段 ,是以施莱尔马赫和狄尔泰为代表的“作者中心论”诠释学 ,其根本特征是消解读者的历史性和个体性 ,让作者的意图支配读者对文本的理解和解释过程 ;第二阶段 ,是以海德格尔尤其是伽达默尔为代表的“读者中心论”诠释学 ,它完全颠覆了文本解读过程中作者和读者之间固有的支配与被支配关系 ,用“意义的创生”取代“作者原意”作为诠释活动的基本追求 ;第三阶段 ,是以利科尔为代表的“文本中心论”诠释学 ,它试图克服“作者中心论”和“读者中心论”的对立。建构一种方法论与本体论相统一、主观性和客观性相统一的“文本中心论”诠释学 ,代表了诠释学发展的合理走向。

翻译目的论及其文本意识的弱化倾向

翻译目的论是从译文视角进行翻译研究的一种解构主义的理论模式,它以译文功能为取向,注重翻译的实用性。本文简单介绍了目的论产生的时代背景,指出它在反拨传统翻译理论中“文本中心论”的积极作用,并同时论述了其自身文本意识的弱化倾向。

文化研究的两种范式:文本中心论与相关性

在中外历史上,"文本中心论"研究范式,可以说由来已久。这种研究范式从"意义为文本所固有并被作者所赋予"观点出发,关注文本本义,把"文本"作为研究客体的中心。在当代文本中心论研究范式不断遭到质疑和挑战的背景下,20世纪80年代中期以来兴起了一种新文化研究范式,即"相关性"范式。这种新研究范式的重心不在文本的本义,而在于文本与日常生活的相关性上,主张意义不是文本的固有特质而是被读者发现并生产出来的,一个文本只有进入社会和文化关系中,其意义潜能才能被激活。这种新研究范式具有开拓性意义,标志着当代文化研究从以往过于注重文本分析转向注重读者的文化实践。但另一方面,这种新范式也在相当程度上忽视了文本本身的意义,从而走向了另一个极端。

基于LDA的改进K-means算法在文本聚类中的应用

针对传统K-means算法初始聚类中心选择的随机性可能导致迭代次数增加、陷入局部最优和聚类结果不稳定现象的缺陷,提出一种基于隐含狄利克雷分布(LDA)主题概率模型的初始聚类中心选择算法。该算法选择蕴含在文本集中影响程度最大的前m个主题,并在这m个主题所在的维度上对文本集进行初步聚类,从而找到聚类中心,然后以这些聚类中心为初始聚类中心对文本集进行所有维度上的聚类,理论上保证了选择的初始聚类中心是基于概率可确定的。实验结果表明改进后算法聚类迭代次数明显减少,聚类结果更准确。

基于连通域特征的维吾尔手写文本行分割

针对维吾尔文手写体文本中行分割问题,基于连通域大小将图像中文字分为三类,提出了自适应涂抹细化算法,对主体文本行进行定位;并对第三类连通域中相邻两文本行间粘连的字符进行切割;此外,利用重心范围内的邻域搜索算法,解决了剩余笔画的文本行归附问题。实验结果表明,该方法与常见的水平投影法,分段投影法,及涂抹方法相比具有更好的分割效果。

基于K中心点和粗糙集的KNN分类算法

为有效解决KNN算法在文本分类时效率随着数据规模的增大而降低这一问题,提出基于K中心点(K-Medoids)和粗糙集(rough set)的KNN分类方法 (KRS-KNN)。通过K中心点算法对文本数据集进行聚合,形成类簇,计算簇心和其它样本点的相异度,将相异度大于最后簇心相异度的样本剔除,运用粗糙集理论对得到的每个类簇进行分割,通过上、下作差得到的边界样本,通过KNN算法确定其最终类别。实验结果表明,文本数据的计算规模得到了降低,提高了文本数据的分类效率。

现象学还原方法与文学批评

完整的现象学还原方法分为“悬置”、“本质还原”和“先验还原”三个步骤 ,也可以说是三个相对独立的方法。它们体现着“返回事物本身”的现象学态度。英伽顿和日内瓦学派都在各自的现象学文学批评中运用了前两种方法。其结果之一是造成这些文学批评的一定的“文本中心”现象。

对语文教材文本解读取向的反思:基于解释学的视角

从解释学的视角对语文教学进行研究,发现传统的语文阅读教学中存在"作者中心"的倾向:把教材文本解读视为还原作者创作意图的过程。本文通过透视这种取向的哲学基础,揭示了它不合理的一面,并结合教学实践谈了由此而带来的弊端,并提出一些对策。

基于短消息中文寻址的设计与实现

短消息业务作为一项板具吸引力的增值业务,已经得到了越来越多用户的认可。除了大量使用的手机点手机之间点对点短消息业务之外,从手机到各种信息平台的短消息业务也在快速发展,并已经成为广大用户及时方便地获取信息的一种手段。随着各种信息平台数量的增加,一种用来查找定位各种信息平台的技术也正在快速发展。本文首先介绍短信网址产生的背景和意义,然后提出了短消息中寻址的原理和设计思想,并给出了其实现。

一种基于中心文档的KNN中文文本分类算法

在浩瀚的数据资源中,为了实现对特定主题的搜索或提取,文本自动分类技术已经成为目前研究的热点。KNN是一种重要的文本自动分类方法,KNN能够处理大规模数据,且具有较高的稳定性,但面临分类速度较慢的问题。以KNN方法为基础,引入特征项间的语义关系,并根据语义关系进行聚类生成中心文档,减少了KNN要搜索的文档数,提高了分类速度。仿真实验表明,该算法在不损失分类精度的情况下,显著提高了分类的速度。

图文公式并用法在速度瞬心讲述中的应用

《机械原理》教学过程中发现学生对一些抽象概念的理解比较困难,不能很好的利用基本原理解决问题,为了使学生能够熟练掌握这类概念,并能灵活应用,本文以描述机构运动情况的速度瞬心这个概念为例,通过利用语言描述,图形表达和公式推演等方法相结合的方式来对概念进行讲述,使学生不仅从多个角度理解和掌握概念的内涵,并且能够明白概念间的相互联系。通过此种教学方式教学效果有了较好的改善,学生普遍反映对概念的理解更容易。

改进的中心向量算法在农业信息分类中的研究

自21世纪以来,农业信息网站开始迅速增加。为了给广大农民朋友和农业科研人员提供方便,需要对农业信息进行分类。将农业信息进行分类有利于农业信息的获取和管理,农业分类的方法有很多种,其中中心法分类相对简单且卓有成效。中心向量计算方法是中心法分类的核心,文中实验目的在于找出效率较高的中心向量计算方法来提高分类的准确率。目前文本类的中心向量计算多数是由该类别文本特征向量的简单算术平均得到的,这样计算得出的中心向量往往会有模型偏差,以至于不能得到很好的分类效果。为解决这个问题,使用总和法、均值法和归一化法计算中心向量,并进行对比实验,结果表明归一化法在查准率、查全率和F1测度都有较好的表现。

顺应满足儿童之本能的兴趣与趣味——文学研究会儿童文学编辑文本简析

文学研究会儿童文学编辑文本既包括与文学研究会相关的报刊杂志,如《儿童世界》、《小说月报》、《文学周报》,也包括其出版的儿童文学丛书。这些编辑文本很好地实践了"以儿童为本位"的现代儿童文学观,是"五四""立人"思想在儿童文学上的具体体现。

译者中心论与翻译文本的选择——析林语堂英译《浮生六记》

运用"译者中心"论,从译者与原文、原语世界及译语世界三者的关系入手,分析林语堂选择英译《浮生六记》的原因,指出林语堂以翻译生态环境的'身份'具体实施对翻译文本的选择,体现了译者在翻译过程中的中心地位。