《现代汉语规范词典》与《现代汉语词典》立目之比较

考察《现代汉语规范词典》A部字头和词条对《现代汉语词典》的增删可以发现：《现代汉语规范词典》在字头的收录方面更精粹，更规范，更符合现代汉语的用字实际；在词条的收录方面更丰富，更有时代感，更能体现与时俱进的治学精神；是对老一代语言学家精心编纂的《现代汉语词典》的继承和发扬。     

在信息碎片化时代“创新知识”

在互联网出现之前,人类最丰富、最齐全的百科全书是大英百科全书;然而自从维基模式诞生之后,一切都朝着翻天覆地、不可估量的方向发展下去,成千上万的智愿者默默敲击着键盘,用智慧与辛劳共同整理、记录和传承着人类的知识结晶,在信息碎片化时代掀起一场声势浩大的创新知识革命。     

浅谈双顺达“12121”系统文本语音批量转换技巧

气象部门自从引入“12121”自动答讯系统之后，在预报服务方面有了长足的进步，“12121”系统包含丰富的气象信息。如何快速有效地对它进行更新变成我们“12121”雏护工作的重点，本文简单介绍如何利用“12121”系统自带的功能，通过一段小程序对其进行快速批量转换，该方法对提高工作效率较为明显的作用。     

对1996年版物理学名词F、G字头词条修订及增补的建议

一删除Γ-factorΓ因子factorization condition因子分解条件fat fractal胖分形fat torus胖环Fermi-Yang model费米-杨[振宁]模型ferromagnon铁磁波子fifth sound第五声four-color image四色图four-fermion interaction四费米子相互作用four-level system四能级系统frequency o     

“二00八”的“0”字如何输入？

在汉字王国里,原本是没有“0”字的。1973年出版的《现代汉语词典》作为词条之一,开始有了“0”。从此,“0”被认定为是一个汉字。在“音序检字法”里,“0”被列在“L”字母中,拼音为“l i ng”。这个“0”主要用在年份中,比如二00八年。然而,由于0字在电脑输入中的不便性,     

基于信息熵的TFIDF文本分类特征选择算法研究

特征权值的选择是文本分类技术的基础环节.在详细分析文本分类技术特点的基础上,基于信息熵理论建立了TF_IDF的改进算法模型;并根据实际工程数据,验证了算法模型的有效性.理论分析和实例验证表明该算法弥补了传统TFIDF算法没有考虑词条文本类间分布的不足,能更好的体现特征词条的权重,从而能有效提高分类的精确度.     

PX词条“争夺战”背后的中国少年夺

正3月30日,广东省茂名市街头反PX项目(即二甲苯化工项目)游行引发关注。同一时间,百度百科也上演PX词条"争夺战",以清华大学化工系学生为主的学院派,昼夜捍卫P"X低毒"属性,不断更正P"X剧毒""、巨毒"说明。无论是转基因食品还是环境安全,现代社会的不少社会矛盾都与专业性的科学问题产生了关联。不同的人有不同的价值立场和利益诉求,但科学真相只有一个。在有人恶意连续篡改的情况下,清华大学学子站在客观公正的立场捍卫科学、守护真理、阐明真相,对于化解冲突、达成共识有着非同寻常的意义。     

社交网络中热点话题深度挖掘方法及实验测试

互联网大数据时代,社交网络数据交互具有实时性、社会性、复杂性。多元架构数据信息中会存在热点话题数据。传统社交网络热点话题挖掘方法存在热点词条检索速度慢、话题词条层浅、断层数据无法挖掘等一系列问题,如何将社交网络中的热点话题数据进行挖掘,针对这一问题提出大数据信息词条特征比对提取方法,对社交网络中的大数据数据信息词条进行特征显化处理,采用饼图对比方式对特征化词条数据进行网络互交频率展现,采用多维数据获取法,解决社交网络热点话题挖掘中出现的数据阻滞现象,满足社交网络中热点话题深度挖掘的要求。通过仿真实验对提出方法进行效率、准确度、速度测试,实验结果表明,提出方法对社交网络中的热点话题挖掘快捷、高效、实用性强。     

中文文本特征选择中的分词方法研究

针对汉语自动分词后词条的特征信息缺失的问题,本文提出把整个分词过程分解为三个子过程,以词串为分词单位对文本进行分词：首先,采用逆向最大匹配法对文本进行切分;第二,对切分结果进行停用词消除;第三,计算第一次分词得到的词条互信息和相邻共现频次,根据计算结果判定相应的词条组合成词串。实验结果表明,词条组合后的词串的特征信息更丰富,改善了文本特征选择的效果,提高了文本分类性能。     

基于统计的无词典分词方法

通过分析词的结合模式，提出无词典分词模型，并对该模型进行实验测试。测试结果表明，无词典分词模型能够满足快速分词的要求。