导读:本文包含了中文模板论文开题报告文献综述及选题提纲参考文献，主要关键词:LaTeX,模板,中文科技期刊论文,编排校一体化
中文模板论文文献综述
罗振[1]（2016）在《中文科技期刊论文LaTeX模板的研究与实践》一文中研究指出【目的】一篇科技期刊论文从撰写到出版,作者使用Word来撰投,编辑部使用方正书版软件进行编辑和排版,论文需要在两个系统间转换,浪费作者和编辑很多时间和精力。方便作者撰稿,提高编辑的工作效率。【方法】基于现有的LaTeX文档类和宏包设计一个LaTeX模板,实现论文格式和内容分开管理,作者和编辑使用同一LaTeX模板来编辑和排版论文。【结果】LaTeX模板可以让作者和编辑完全不用关心期刊格式要求,有更多精力去提高论文内容的质量。【结论】作者和编辑使用LaTeX模板来排版中文科技期刊论文,可节省论文的撰写时间,提高编辑的编排校一体化工作效率,缩短科技期刊论文的出版周期,提升出版质量。(本文来源于《中国科技期刊研究》期刊2016年11期）
张凌,冯欣[2]（2015）在《基于词性模板与依存分析的中文微博情感要素抽取》一文中研究指出针对中文微博的情感要素提取问题,提出了一种基于词性模板和句法依存分析的情感要素抽取方法。首先以情感词为基准搜索带标注的情感对象,通过计算先验概率进行词性剪枝和模板筛选,建立词性模板库,用于提取原子情感对象;再运用基于斯坦福句法树的依存规则,将原子情感对象扩展为完整的情感要素。方法在NLP&CC2013评测的19组结果中,严格指标和宽松指标的F值排名分别为第9和第7,优于该评测的平均水平,证明了方法的有效性。(本文来源于《计算机科学》期刊2015年S1期）
王乐[3]（2015）在《基于特征模板和SVM的中文微博观点句识别方法研究》一文中研究指出随着WEB2.0技术及微博平台的迅猛发展,发布中文微博逐渐成为很多人的一种生活方式和习惯。通过分析微博观点句,个体消费者可以参考其他购买了产品或服务的用户的感受和观点做出他自己的购买决定,公司可以了解顾客的体验从而提升产品或服务的质量、营销策略或竞争模式,国家可以根据大众言论更好地掌握民生、分析舆情和服务大众。但由于海量的微博数据中包含无数冗余、包含噪声及无观点的信息,所以识别并提取中文微博中的观点句已成为近年来的研究热点之一。本文主要从以下几个方面开展研究工作:首先,总结和分析微博文本的独有特征,根据这些特征对Hownet词库进行扩展,并对初始微博语料中的不规范化等现象进行了相应的预处理。然后,利用信息增益对泛选的特征进行了特征筛选,并设计一个评分函数来探索识别观点句的特征模板,然后将该特征模板与SVM分类器相结合,使用Java程序设计语言对中文微博语料进行了观点句与非观点句的二分类实验。最后,通过分析非观点句的特点,设计了一个否定模板,并进行了相应的实验来验证其有效性。本文的主要创新点为:1)从多方面对微博特征进行考虑,从而对Hownet词库进行有效扩展,使得分词处理更加准确。2)结合信息增益的方法和评分函数以及相关分析设计特征模板,从而达到更好的分类效果。3)设计了一个否定模板,提供了探索观点句识别的逆向思路。(本文来源于《广西师范学院》期刊2015-06-01）
徐霞,李培峰,朱巧明[4]（2015）在《半监督中文事件抽取中的模板过滤和转换方法》一文中研究指出事件模板是指导事件抽取工作的依据,半监督方法下模板的准确性显得尤为重要。目前,基于双视图的"触发词-论元"模板的中文信息事件抽取系统不能有效地解决触发词一词多义的现象和模板稀疏现象。提出了一种借助论元进行触发词语义消歧的方法,并利用该方法进行模板过滤以消除无效模板的影响。另外,针对几种特殊的中文句型,根据句法结构提出了模板转换规则,从而提高了模板的适用性。在ACE2005中文语料上的测试表明,该方法可有效地提高半监督中文信息事件抽取系统的性能。(本文来源于《计算机科学》期刊2015年02期）
王立[5]（2013）在《中文复述模板及搭配抽取方法研究》一文中研究指出复述是用不同方式表达同样的语义,它不仅是人类自然语言中的一种普遍现象,同时对自然语言处理领域的许多研究都具有重要的意义。近年来,复述技术受到了越来越多的研究者的关注。本文主要的研究对象是中文复述模板及搭配资源的抽取。抽取出来的这些复述资源不仅可以直接应用于复述生成中,也可以用于信息检索、机器翻译、自动问答等自然语言处理相关研究中。本文首先提出了一种字幕语料的复述模板抽取方法。该方法基于这样一个事实：对于同一种外文的不同翻译是天然的复述资源。本文首先利用对同一部外文电影的不同翻译小组的翻译字幕匹配候选的复述句对,并利用句长、长度比、词重迭率、BLEU (Bilingual Evaluation Understudy)四条复述规则对这些候选的复述句对进行过滤。在这些过滤得到的复述句的基础上,该方法依据“子树”和“部分子树”抽取模板。为了对抽取得到的模板进行匹配,该方法引入了HowNet进行词语语义相似度的计算,并利用模板中的词语的相似度来衡量两个模板之间的语义相似度。相比已有的方法,本方法提高了复述模板抽取的准确率,并且可以抽取大量的复述模板。模板相比普通的短语含有带有变量的槽,因此拥有更多的灵活性,但是其针对的只是句子局部的复述,不能解决远距离搭配的问题,因此,本文提出了一种基于概念扩展的中文复述搭配的抽取方法。该方法在对语料进行了语法分析之后,抽取出了具有<V, OBJ, N>形式的动宾搭配和具有＜N, SUB, V>形式的主谓搭配。之后对抽取出的搭配进行过滤并利用了基于概念语义扩展的相关词群对搭配中词语进行扩展,进而生成了候选复述搭配集合。最后是复述搭配的判定,如下四个方面的特征被选作为复述搭配判定特征：1)词性特征、2)互信息特征、3)基于Hownet的语义相似度特征、4)基于上下文的向量相似度特征。相比已有的方法,本方法更为灵活,不限定复述搭配中的词语必须是同义词。实验结果表明,本方法选定的各种特征都有助于提高复述搭配抽取的效果。(本文来源于《华中师范大学》期刊2013-05-01）
赵星[6]（2012）在《基于模板识别的中文政府文档关联数据提取算法》一文中研究指出近年来,关联开放政府数据已经成为了一种提高政府透明度,公众参与度与开展各项政务工作的重要手段。但是,直到目前为止从中文政府工作文档中提取关联数据的相关研究和算法还很稀少。为了解决这一问题,本文提出了一种基于模板识别的中文政府文档的关联数据提取算法,着重解决条例政府工作文档的关联数据提取问题。实验结果表明我们的方法的准确度很高(83.1%),召回率也基本达到了人工标注的水平(73.8%)。取关联数据。实验结果表明我们提出的方法有着很高的准确率(83.1%)和较高的召回率(73.8)。同时,我们还利用算法产生的关联数据作为数据源,构建了一种语义搜索算法,并且实现了语义搜索系统,系统实际运行的结果充分说明了我们的算法产生的关联数据的准确度和有效性,从而进一步说明了我们的工作对于实际应用的重要意义。具体来说,语义搜索系统的运行结果表明,我们构建的语义搜索算法比采用Apache Lucene①实现的关键词搜索算法的准确度高很多,更加符合用户搜索的意图。本文的创新点主要有：●中文文档关联数据提取。迄今为止这方面的相关工作很少。我们不仅提出了针对中文政府工作文档进行关联数据提取的算法,同时应用算法实现了语义搜索系统,充分展示了我们的工作对于实际应用的重要意义。●自动化关联数据提取。我们的算法可以自动化的利用模板从中文政府工作文档中提取关联数据。●算法无需先验知识。无需预先构建好的知识库。●自动生成模板。算法基于模板识别,模板根据文档类型和用户定义的关系类型自动学习生成。(本文来源于《清华大学》期刊2012-05-01）
蓝雁玲[7]（2011）在《基于多模板HMM的中文命名实体识别》一文中研究指出中文命名实体是准确反映文本内容的基本信息元素,是正确理解文本的基础。中文命名实体识别是指识别出文本中特定的实体,它是信息抽取、文本自动分类、机器翻译、自动问答等多种自然语言处理技术的基础。进行中文命名实体识别技术的研究,对自然语言处理来说,具有重要的理论意义和实践价值。本文主要研究人名和机构名的识别。目前,中文命名实体识别主要基于规则和统计两类方法,规则方法通过分析命名实体的内部和外部特征,采用手工构建模板实现命名实体识别;统计方法以统计模型为基础。本文在充分分析基于规则方法和基于统计方法优缺点的基础上,提出了基于多模板HMM的中文命名实体识别,具体的研究内容主要包括以下几个方面:1、为了充分利用语料的词法、句法及语义信息识别命名实体和得到优化的HMM参数,本文提出基于句子相似度矩阵(具有不对称性)对训练样本进行聚类的方法,对每类分别训练一个模型。首先,提出基于词性及其依存的句子结构相似度计算方法,该方法综合考虑了词长、词序、对应词权重均衡和距离几个因素;其次,基于《同义词词林扩展版》,综合考虑深度、密度和不对称性因素计算句子语义相似度,使其结果更符合人对语义相似度的思维。最后,融合句子结构和语义相似度计算句子相似度并进行聚类。2、对HMM进行改进,主要包括:提出G系列代换方法生成小规模观察值集合,该方法不仅对HMM的释放概率有累积放大的作用,而且最终训练得到的模型能很好地应对未知观察值的干扰;根据语料特征改进平滑算法、添加结束概率和结果验证以提高识别效果。3、将集成学习的思想用于HMM的中文命名实体识别中,提高识别效果。对第一部分聚类结果中的每一类设计一个模板,根据各类的句式构建不同拓扑结构的HMM。最后对每个模型的识别结果采用投票法和最高序号法进行决策,输出最终识别结果。最后,利用实验室现有的技术和本文研究的相关技术,本文设计并实现了一个命名实体识别系统。实验结果表明,针对所选的语料,本文的方法获得了比较好的识别效果。(本文来源于《华南理工大学》期刊2011-05-01）
刘亮亮,林乐宇[8]（2011）在《基于查询模板的特定领域中文问答系统的研究与实现》一文中研究指出随着网络信息的爆炸性增长,传统的搜索引擎已经不能满足人们的需求,从而促使对问答系统(Question AnsweringSystem,QAS)的研究.文中介绍了基于查询模板的问答系统框架结构,定义了关键词词典和查询模板的结构,并且介绍了基于关键词词典的分词算法、查询模板存储结构以及模板匹配算法.在此基础上实现了基于铁路领域的问答系统,实验结果表明该系统具有很高的准确率和识别率.(本文来源于《江苏科技大学学报(自然科学版)》期刊2011年02期）
李娟,张全,贾宁,臧翰芬[9]（2010）在《基于模板的中文人物评论意见挖掘》一文中研究指出使用基于模板的方法对中文人物评论语句进行意见元素挖掘,提取出句中所含的评价对象、评价词语,并分析出意见的倾向性。进行了中文人物评论语句的自动意见挖掘实验,实验中首先建立了一定数量的熟语料库,然后从语料库中生成意见模板,最后用生成的模板来提取语句的意见元素。实验获得了72.55%的F-score,表明该算法是有效的。(本文来源于《计算机应用研究》期刊2010年03期）
李军,王丁,王鑫[10]（2008）在《基于模板匹配的中文机构名识别》一文中研究指出利用分词和词性标注的信息,针对未登录词中的中文机构名的组成进行了深入的分析,总结出机构名的内部组成特点,提出了基于模板匹配的中文机构名识别的方法。给出了中文机构名的模板和识别过程,介绍了机构名出现的边界条件。在开放测试中,中文机构名识别的精确率和召回率分别为92.1%和72.81%,取得了较好的识别结果。(本文来源于《信息技术》期刊2008年06期）
中文模板论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对中文微博的情感要素提取问题,提出了一种基于词性模板和句法依存分析的情感要素抽取方法。首先以情感词为基准搜索带标注的情感对象,通过计算先验概率进行词性剪枝和模板筛选,建立词性模板库,用于提取原子情感对象;再运用基于斯坦福句法树的依存规则,将原子情感对象扩展为完整的情感要素。方法在NLP&CC2013评测的19组结果中,严格指标和宽松指标的F值排名分别为第9和第7,优于该评测的平均水平,证明了方法的有效性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
中文模板论文参考文献
[1].罗振.中文科技期刊论文LaTeX模板的研究与实践[J].中国科技期刊研究.2016
[2].张凌,冯欣.基于词性模板与依存分析的中文微博情感要素抽取[J].计算机科学.2015
[3].王乐.基于特征模板和SVM的中文微博观点句识别方法研究[D].广西师范学院.2015
[4].徐霞,李培峰,朱巧明.半监督中文事件抽取中的模板过滤和转换方法[J].计算机科学.2015
[5].王立.中文复述模板及搭配抽取方法研究[D].华中师范大学.2013
[6].赵星.基于模板识别的中文政府文档关联数据提取算法[D].清华大学.2012
[7].蓝雁玲.基于多模板HMM的中文命名实体识别[D].华南理工大学.2011
[8].刘亮亮,林乐宇.基于查询模板的特定领域中文问答系统的研究与实现[J].江苏科技大学学报(自然科学版).2011
[9].李娟,张全,贾宁,臧翰芬.基于模板的中文人物评论意见挖掘[J].计算机应用研究.2010
[10].李军,王丁,王鑫.基于模板匹配的中文机构名识别[J].信息技术.2008