作补语的趋向动词语义的引申

趋向动词作补语既可表示实义，也可表示抽象义或引申义。引起趋向动词语义引申的原因有主客观两方面的因素。客观因素是趋向动词有谓语变为补语，语义重点发生了转变，为语义引申创造了必要的条件；主观因素是说话人的心理感受对作补语的趋向动词的选择加深了其语义引申的程度。语义引申后的趋向动词表示动作行为的结果或者时态。     

几种汉语移位现象的HNC研究

运用HNC理论的相关概念，对汉语的几种移位现象进行了一次全新的论述。就语义块的完全移位和部分分离现象，按照深层语义结构是否发生变化进行了分类，着重从语义块的分离、格式、句类的转换方面进行分析，得出结论：有些移位现象只是句子表面的变化，有些就改变了句子的深层语义结构。并且这些移位现象可用句类表示式及相关符号形式化地表示出来，便于计算机处理。     

浅析商业银行个人住房贷款的风险与防范

商业银行把发展个人住房贷款作为当前信贷结构调整的工作重点，随着该业务的迅速发展，贷款风险逐渐显现。本文对个人住房贷款潜在风险进行了深入分析，并联系当前实际提出相应的防范措施。     

淮河沉积物总磷和重金属沿程变化及污染评价

为了探究淮河沉积物中污染物的分布规律、来源及污染程度,于2014年7月沿淮河中下游设置16个采样断面,现场采样并检测沉积物中总磷(TP)质量比和重金属(As、Cu、Pb、Cd、Zn)的质量比,分析沉积物中污染物的沿程分布及来源并对污染状况进行评价。研究结果表明,淮河中下游沿程各城市下游断面沉积物中污染物平均含量比上游断面高;污染物来源分析表明,所有污染物均受到点源污染的影响,其中TP和Cu受到点源污染和面源污染的共同影响;单因子标准指数法对沉积物磷污染评价结果表明,淮河干流沉积物环境质量受磷的污染相对较轻;对重金属潜在生态危害程度分析表明,无论是单个重金属的生态危害程度还是综合生态危害程度都为轻微。     

基于本体的教育资源语义检索系统研究

为提高信息检索的准确率和全面性, 在对语义检索技术和领域本体的构建进行充分研究的基础上, 在网络教育资源的检索工作中应用了本体语义的概念, 提出对用户输入的查询条件进行基于本体的查询扩展算法,设计实现了使用Lucene 对扩展后的查询条件进行检索的语义检索模型。实验结果表明, 该检索模型的综合查全率为81郾5%, 综合查准率为83郾1%, 这两项指标均优于传统的关键字检索方法。     

二值响应数据贝叶斯中位数估计

中位数回归是一种稳健的估计方法,在实践中有着广泛应用.基于贝叶斯方法研究二值响应数据的中位数估计问题,通过引入合适的潜在变量得到了贝叶斯层次模型,进而得到易于后验抽样的吉布斯抽样程序.为验证新方法估计的稳健性,通过大量数据模拟,并与已有方法进行比较,得到了满意的结果.最后实例数据分析进一步证明了所提方法的有效性.     

基于深度CRF模型的图像语义分割方法

从图像中提取多种特征向量堆叠为一个高维特征向量用于图像语义分割,会导致部分特征向量的分类能力减弱或丢失。针对此问题,提出了一种结合深度卷积神经网络AlexNet和条件随机场的图像语义分割方法。利用预训练好的AlexNet模型提取图像特征,再通过条件随机场对多特征及上下文信息的有效利用来实现图像的语义分割。与利用传统经典特征的方法进行对比,实验结果表明:在利用AlexNet模型提取特征进行图像语义分割时,Conv5层为最有效的特征提取层,在Stanford background和Weizmann horse数据集下的识别准确率分别为81.0%和91.7%,均高于其他2种对比方法,说明AlexNet可以提取更有效的特征,得到更高的语义分割精度。     

基于语义分析的建筑业安全文化管理机制设计

安全文化在建筑业安全管理中至关重要，安全文化测评是发现安全文化薄弱环节和设计提升措施的重要依据。然而，现有安全文化测评指标表述简略且语言逻辑性不足，缺少管理机制视角的特征解析。该文基于管理机制设计理论和语义分析方法，从建筑业安全文化测评相关文献中收集测评指标，根据测评指标的语义角色分解提取出主体、行为、属性、时间、地点、方式、范围和原因8种管理机制元素，通过梳理所有测评指标的元素作用关系，归纳并构建了安全文化的单主体和双主体2种管理机制元模型并分析了其拓展形式。提出了基于管理机制设计视角的建筑业安全文化提升策略，并结合案例阐释了应用方式。构建的建筑业安全文化管理机制元模型及多种拓展形式，可为安全文化的提升措施设计提供参考。     

“中华老字号”本体档案资源库的构建研究

为了更好发挥老字号档案的价值,本文分析了当前"中华老字号"数字化档案展览现状,提出创建老字号本体资源库,构建老字号档案间的语义互联关系。通过对老字号档案数字化展品的语义组织,深入挖掘潜在信息资源,为用户提供智能化、个性化、便捷化的用户体验。     

用于多标签文本分类的深度模块化标签注意网络

针对现有文本多标签语义信息挖掘方法仅注重从文本到标签的映射方向，而忽略了从标签到文本的映射方向的问题，本文认为从标签到文本的映射方向可以过滤文本中与标签无关的噪声信息，进而生成只关注于标签信息的文本表示。基于此假设，本文基于注意力机制提出了一种深度模块化标签注意网络，主要由标签注意网络进行多层级联而成。在标签注意网络中构建了双向标签注意单元和自我注意单元，从而得到标签和文本的双向依赖表示。模型在公开数据集RCV1、AAPD、EUR-Lex上与SGM、LSAN、EXAM等算法进行比较，对于现有的最佳性能平均提升0.54%。