摘要： 我就我研究的一個(gè)問題,向大家做一個(gè)報(bào)告。我講的這個(gè)題目似乎跟英國一點(diǎn)關(guān)系都沒有,但講到最后還是有關(guān)系的。這個(gè)題目這兩年好像不那么熱,但是在前兩年是非常非常熱。這個(gè)題目就是關(guān)于“修昔底德陷阱”的問題。“修昔底德陷阱”前幾年在中國的討論如火如荼,在世界范圍內(nèi)也是大家熱議的一個(gè)話題。這個(gè)話題我自己覺得有一個(gè)非常奇怪的現(xiàn)象。

摘要： 漢語中構(gòu)成短語的詞與詞之間的結(jié)構(gòu)關(guān)系有主謂、述賓、述補(bǔ)、定中、狀中五種。由于漢語句子與短語的結(jié)構(gòu)構(gòu)造基本一致,所以漢語的句法成分根據(jù)構(gòu)成句子的詞與詞之間不同的結(jié)構(gòu)關(guān)系可以分為主語、謂語、賓語、定語、狀語、補(bǔ)語、中心語和獨(dú)立語。主語和謂語是現(xiàn)代漢語語法體系中非常重要的兩部分。但漢語是一種分析性語言,其典型特點(diǎn)就是句子的結(jié)構(gòu)很松散,話題突出,主語可有,也可缺失或省略,沒有形態(tài)標(biāo)記,這些特點(diǎn)讓學(xué)習(xí)者無法輕松辨析主語。因此,在對(duì)留學(xué)生的漢語教學(xué)中,對(duì)主語如何界定,如何區(qū)分主語和話題,給留學(xué)生理清這兩者的區(qū)別和聯(lián)系,主語和話題的教學(xué)應(yīng)該達(dá)到什么程度,就顯得尤為重要。本文試對(duì)這三個(gè)問題進(jìn)行探討。

摘要： 會(huì)議論壇“永久會(huì)址”意味著該項(xiàng)目要長期在此舉辦。這是一個(gè)涉及相關(guān)城市(城鎮(zhèn)、城區(qū))有意思的話題。就我國而言,最早涉及這一話題的應(yīng)該是“博鰲亞洲論壇”。2001年2月,它在海南省瓊海市博鰲鎮(zhèn)成立,并確定以博鰲為論壇永久所在地,每年在此舉行年會(huì)。至于其他方面,似還有以下一些情況值得討論。

摘要： 又快到了暑期時(shí)期,在新冠肺炎疫情開始前的幾年里,許多家長選擇假期帶著孩子去游學(xué)。前幾年也曾有“全班只有我兒子沒有出過國”的相關(guān)話題產(chǎn)生熱議,話題中的一位學(xué)生家長糾結(jié)是否要花掉三個(gè)月的工資送兒子去參加海外游學(xué)的項(xiàng)目,因?yàn)樾W(xué)六年級(jí)的兒子是班里唯一沒有出過國的人。

摘要： 古詩作為獨(dú)特的文學(xué)樣式,編入教材后就肩負(fù)著雙重任務(wù),一是語文意義上的閱讀,二是文學(xué)意義上的閱讀。小學(xué)高年級(jí)古詩教學(xué)可以以“意象”為切入點(diǎn),將語文意義上的閱讀與文學(xué)意義上的閱讀相融合,拓展詩歌教學(xué)的審美視域,實(shí)現(xiàn)古典文化的傳承價(jià)值。在具體的教學(xué)實(shí)踐中單首詩教學(xué)從意象走向意味,組詩教學(xué)從意象主題走向意象話題。

摘要： 語篇教學(xué)是英語教學(xué)中的重要組成部分。教學(xué)中,教師往往過于關(guān)注語言知識(shí)的傳授,“只見樹木,不見森林”。本文從追求教學(xué)立意在語言訓(xùn)練、知識(shí)記憶之先,引導(dǎo)師生教與學(xué)的改變。

摘要： 傳統(tǒng)的英語復(fù)習(xí)模式存在以教師為主體的灌輸式復(fù)習(xí)、脫離主題的孤立式復(fù)習(xí)等問題。以話題為主線的英語復(fù)習(xí)模式通過話題系統(tǒng)地串聯(lián)、聚焦相關(guān)詞匯、詞塊、句式等知識(shí)點(diǎn),并對(duì)話題內(nèi)容進(jìn)行延伸和拓展,從而提升課堂活力,提高復(fù)習(xí)效率,提高學(xué)生的英語綜合能力。

摘要： 教師課堂用語的繁與簡,直接影響著課堂教學(xué)的效果和教學(xué)目標(biāo)的達(dá)成。英語教師需要在課堂用語的適度“增”、有效“減”上下功夫:適度“增”,增加體態(tài)語和評(píng)價(jià)語;合理“減”,減少話題和問題。

摘要： 話題、焦點(diǎn)與主語是句子左邊界的句法成分,三者分別同話題范疇、焦點(diǎn)范疇和時(shí)制范疇進(jìn)行協(xié)約操作。話題可以是各種與話題范疇協(xié)約的短語,包括句子的主語、賓語和附加語等。焦點(diǎn)可以是各種與焦點(diǎn)范疇協(xié)約的成分,由焦點(diǎn)重音、“是”和語序等標(biāo)記,能產(chǎn)生量化現(xiàn)象。主語通常是詞匯范疇的外部論元,也可以是非受格動(dòng)詞和被動(dòng)句中動(dòng)詞的內(nèi)部論元。話題不能是無定成分,但焦點(diǎn)和主語都可以是無定成分。在句法層級(jí)上,話題范疇高于焦點(diǎn)范疇,焦點(diǎn)范疇高于時(shí)制范疇。

摘要： Web 3.0是一個(gè)非常前沿的話題,也是一個(gè)很老的話題。它被首次提及是在2006年年初,由Web設(shè)計(jì)先驅(qū)、現(xiàn)代互聯(lián)網(wǎng)標(biāo)準(zhǔn)最大貢獻(xiàn)者之一的Jeffrey Zeldman在一篇批評(píng)Web2.0的文章中提出。自此,“Web 3.0”一詞受到了人們?cè)絹碓蕉嗟年P(guān)注,也成為越來越多爭論的焦點(diǎn)。

摘要： 各種媒體每天有大量的新聞報(bào)道產(chǎn)生，需要一種自動(dòng)化的分析方法將新聞以一種更加清晰的組織形式展示給用戶。大多已有工作將新聞劃分成平面的話題，然而一個(gè)話題并非僅僅是簡單的新聞集合，而是由一系列的事件所組成的。由于話題內(nèi)的事件之問往往非常相似，導(dǎo)致話題內(nèi)的事件檢測精確度較差。為了克服以上問題，本文提出了詞元委員會(huì)的方法，首先挖掘每個(gè)事件的核心詞元，隨后利用事件的核心詞元進(jìn)行事件檢測。在LDC的兩個(gè)數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果顯示，本文提出的事件檢測方法可以顯著的改善已有方法的效果。

摘要： 本發(fā)明提供一種網(wǎng)絡(luò)社區(qū)的話題發(fā)送方法和裝置、話題列表排序方法和裝置及計(jì)算機(jī)設(shè)備和存儲(chǔ)介質(zhì)，網(wǎng)絡(luò)社區(qū)的話題發(fā)送方法包括：接收話題加載請(qǐng)求并獲取話題加載請(qǐng)求對(duì)應(yīng)的用戶屬性；獲取網(wǎng)絡(luò)社區(qū)各話題的話題屬性和質(zhì)量分；基于用戶屬性和話題屬性，得到N類推薦話題，N為大于1的正整數(shù)；分別將各類推薦話題中質(zhì)量分最高的預(yù)設(shè)數(shù)量的話題發(fā)送至請(qǐng)求方終端。采用該網(wǎng)絡(luò)社區(qū)的話題發(fā)送方法向用戶發(fā)送了全面、針對(duì)性強(qiáng)和高質(zhì)量的話題，帶給用戶有效信息量增加。

摘要： 本申請(qǐng)公開了一種獲得訊詢問話題分類模型、訊詢問話題分類的方法和裝置，該方法包括：首先，對(duì)樣本訊詢問筆錄中樣本問答對(duì)進(jìn)行自然語言預(yù)處理，獲得各個(gè)樣本問句分詞和各個(gè)樣本答句分詞；然后，根據(jù)各個(gè)樣本問句分詞及其對(duì)應(yīng)的各個(gè)貢獻(xiàn)度得分、各個(gè)樣本答句分詞及其對(duì)應(yīng)的各個(gè)貢獻(xiàn)度得分和樣本問答對(duì)的標(biāo)記話題類別，訓(xùn)練基于注意力機(jī)制的卷積神經(jīng)網(wǎng)絡(luò)獲得訊詢問話題分類模型。由此可見，通過貢獻(xiàn)度得分增加樣本問答對(duì)的話題類別信息，加強(qiáng)訊詢問話題分類的訓(xùn)練；且利用基于注意力機(jī)制的卷積神經(jīng)網(wǎng)絡(luò)，能夠充分學(xué)習(xí)“強(qiáng)話題”分詞與話題類別之間的關(guān)系，使得訊詢問話題分類模型的話題分類效果更好，提高后續(xù)訊詢問話題分類的正確率。

摘要： 本發(fā)明公開了一種基于知乎數(shù)據(jù)的話題畫像系統(tǒng)及話題畫像方法，系統(tǒng)包括用以從網(wǎng)站提取、清洗和預(yù)處理數(shù)據(jù)的數(shù)據(jù)預(yù)處理模塊、用以對(duì)話題進(jìn)行精準(zhǔn)畫像的話題畫像模塊以及用以對(duì)話題畫像模塊結(jié)果進(jìn)行可視化呈現(xiàn)和報(bào)告下載的用戶圖形界面模塊；話題畫像方法包括如下步驟：(1)從網(wǎng)站提取、清洗、和預(yù)處理數(shù)據(jù)，具體包括話題數(shù)據(jù)爬取、數(shù)據(jù)清洗與預(yù)處理；(2)話題精準(zhǔn)畫像，具體包括數(shù)據(jù)統(tǒng)計(jì)分析、用戶畫像分析、網(wǎng)絡(luò)數(shù)據(jù)分析、文本數(shù)據(jù)分析、給話題指定特征打上標(biāo)簽及與同類話題對(duì)比分析；(3)用戶圖像界面呈現(xiàn)，具體包括分析結(jié)果可視化呈現(xiàn)和分析報(bào)告下載；本發(fā)明通過可交互可視化的用戶圖像界面呈現(xiàn)畫像結(jié)果，拓寬了對(duì)知乎數(shù)據(jù)的挖掘及應(yīng)用。

摘要： 本發(fā)明提出一種針對(duì)社交媒體的動(dòng)量模型的新興熱點(diǎn)話題檢測系統(tǒng)及方法。該系統(tǒng)包括：一增量聚類算法，在于聚類出各個(gè)熱點(diǎn)話題，為加速后面的人工標(biāo)注過程；一正態(tài)分布累積概率求解，在于刻畫話題的質(zhì)量模型；一話題增長率求解過程，在于求解話題的速度模型；動(dòng)態(tài)突發(fā)關(guān)鍵詞的重疊率，用來衡量話題的新穎性；話題重要性衡量指標(biāo)，使用話題用戶和重要用戶重疊率來衡量，為了衡量話題重要性；一個(gè)DBSCAN離群點(diǎn)檢測算法，為了發(fā)現(xiàn)異常點(diǎn)來表示新興熱點(diǎn)話題。本發(fā)明能夠利用社交媒介中數(shù)據(jù)的各維度作為特征，并刻畫新興熱點(diǎn)話題的趨勢，從而檢測出新興熱點(diǎn)話題。

摘要： 本申請(qǐng)公開的基于大數(shù)據(jù)話題的流量話題群發(fā)方法及話題群發(fā)服務(wù)器，能夠從話題用戶端的話題群發(fā)需求角度以及話題群發(fā)方的情緒分析角度和語料極性角度出發(fā)，對(duì)處于群發(fā)準(zhǔn)備狀態(tài)的流量話題項(xiàng)目中的輿情議題信息進(jìn)行話題反饋分析。此外，在確定出多個(gè)輿情議題信息的話題群發(fā)申請(qǐng)以及所述輿情議題信息的話題群發(fā)申請(qǐng)的群發(fā)申請(qǐng)核驗(yàn)信息之后，能夠結(jié)合預(yù)設(shè)話題群發(fā)申請(qǐng)的輿情風(fēng)向描述以及預(yù)設(shè)話題反饋分析的輿情風(fēng)向描述進(jìn)行流量話題群發(fā)，實(shí)現(xiàn)話題群發(fā)和輿情風(fēng)向分析之間的兼容，結(jié)合語料極性分析結(jié)果實(shí)現(xiàn)流量話題群發(fā)，在滿足正常話題群發(fā)需求和輿情風(fēng)向調(diào)整的前提下實(shí)現(xiàn)流量話題群發(fā)，從而避免異常流量話題的濫發(fā)。

摘要： 本申請(qǐng)的基于大數(shù)據(jù)挖掘的熱點(diǎn)話題處理方法及話題分析服務(wù)系統(tǒng)，先進(jìn)行會(huì)話場景分析以獲取觀點(diǎn)用戶情緒描述，然后再將每組話題交互信息的觀點(diǎn)用戶情緒描述在話題狀態(tài)上進(jìn)行整合以獲取能夠?qū)τ^點(diǎn)相關(guān)內(nèi)容集在話題狀態(tài)上的更新進(jìn)行統(tǒng)計(jì)的觀點(diǎn)情緒狀態(tài)描述，削弱了在狀態(tài)整合識(shí)別時(shí)對(duì)于非觀點(diǎn)情緒信息的識(shí)別側(cè)重性，繼而通過觀點(diǎn)情緒狀態(tài)描述，對(duì)多樣化描述表達(dá)進(jìn)行局部關(guān)注處理，以將會(huì)話觀點(diǎn)熱度分析的側(cè)重點(diǎn)轉(zhuǎn)移到輸出了觀點(diǎn)的內(nèi)容集，這樣可以提高會(huì)話觀點(diǎn)熱度分析的精度和可信度，確保獲取得到的話題互動(dòng)日志集的熱點(diǎn)話題分析結(jié)果與用戶的觀點(diǎn)情緒高度相關(guān)，以實(shí)現(xiàn)基于觀點(diǎn)情緒層面的熱點(diǎn)話題持續(xù)性識(shí)別和追蹤。

摘要： 本申請(qǐng)的基于人工智能的話題大數(shù)據(jù)分析方法及話題分析服務(wù)器，根據(jù)本申請(qǐng)，利用精準(zhǔn)性高于第一情緒識(shí)別網(wǎng)絡(luò)識(shí)別出的文本情緒識(shí)別為積極的情感極性識(shí)別結(jié)果的精準(zhǔn)性的積極評(píng)價(jià)信息，訓(xùn)練第一情緒識(shí)別網(wǎng)絡(luò)得到的第二情緒識(shí)別網(wǎng)絡(luò)的正確識(shí)別數(shù)目更高，即提高了情緒識(shí)別網(wǎng)絡(luò)的正確識(shí)別數(shù)目，從而利用識(shí)別性能較佳且盡可能規(guī)避災(zāi)難性遺忘的第二情緒識(shí)別網(wǎng)絡(luò)實(shí)現(xiàn)精準(zhǔn)的情感極性識(shí)別，通過這些目標(biāo)情緒標(biāo)簽分析待識(shí)別話題評(píng)論數(shù)據(jù)對(duì)應(yīng)的目標(biāo)話題或者目標(biāo)主題的輿情信息，從而盡可能確保得到的輿情信息是真實(shí)反映用戶情緒極性的。

摘要： 本申請(qǐng)的基于人工智能的熱點(diǎn)話題數(shù)據(jù)處理方法及話題服務(wù)器，在響應(yīng)了社群話題客戶端上報(bào)的話題文本使用申請(qǐng)之后能夠?qū)狳c(diǎn)話題文本集進(jìn)行文本內(nèi)容溯源處理獲得原始話題文本溯源結(jié)果，進(jìn)而確定出話題文本使用申請(qǐng)對(duì)應(yīng)的使用需求識(shí)別情況，以確定出熱點(diǎn)話題文本集中的話題文本使用申請(qǐng)對(duì)應(yīng)的待下發(fā)話題文本。能夠?qū)⒉煌?font color="red">話題文本對(duì)應(yīng)的話題文本擁有方的實(shí)際文本使用情況考慮在內(nèi)，從而確保確定出的待下發(fā)話題文本既能夠滿足社群話題客戶端的文本使用需求又能夠確保待下發(fā)話題文本對(duì)應(yīng)的話題文本擁有方的正常文本使用，對(duì)社群話題客戶端的話題文本使用情況進(jìn)行跟進(jìn)能夠避免因待下發(fā)話題文本被蓄意破壞而導(dǎo)致話題文本擁有方的文本使用出現(xiàn)異常。

摘要： 本申請(qǐng)實(shí)施例公開了一種基于人工智能的大數(shù)據(jù)熱點(diǎn)話題處理方法及話題服務(wù)器，該方法包括：基于所述在線模板話題處理設(shè)備以及所述在線目標(biāo)話題處理設(shè)備，在不同的會(huì)話互動(dòng)環(huán)境下分別對(duì)目標(biāo)熱點(diǎn)主題進(jìn)行會(huì)話互動(dòng)分析，以獲得與所述目標(biāo)熱點(diǎn)主題對(duì)應(yīng)的熱點(diǎn)跟蹤偏好話題；根據(jù)所述熱點(diǎn)跟蹤偏好話題確定方式優(yōu)化條件，通過方式修改引導(dǎo)信息對(duì)熱點(diǎn)主題追蹤方式進(jìn)行優(yōu)化，由于在進(jìn)行熱點(diǎn)主題追蹤方式優(yōu)化時(shí)考慮了熱點(diǎn)跟蹤狀態(tài)下會(huì)話偏好話題對(duì)應(yīng)的最新會(huì)話偏好，因而能夠確保熱點(diǎn)主題追蹤方式優(yōu)化的效率和準(zhǔn)確性，從而確保在通過熱點(diǎn)主題追蹤方式對(duì)待追蹤熱點(diǎn)主題進(jìn)行不間斷追蹤之后能夠匹配實(shí)際的熱點(diǎn)話題跟蹤定位場景下的會(huì)話偏好。

摘要： 本申請(qǐng)的應(yīng)用于大數(shù)據(jù)的話題互動(dòng)行為安防處理方法及話題服務(wù)器，由于場景型話題調(diào)用信息匯總了已被調(diào)用的不同行為狀態(tài)單元之間的操作行為軌跡信息，在同一可視化區(qū)域被反復(fù)調(diào)用時(shí)，可以無需額外對(duì)該可視化區(qū)域進(jìn)行分析處理，能夠在一定程度上避免大量的重復(fù)性分析處理，進(jìn)一步地，通過各優(yōu)化操作行為軌跡確定出與當(dāng)前可視化行為記錄適配的目標(biāo)操作行為軌跡，能夠盡可能減少確定操作行為軌跡所需要耗費(fèi)的時(shí)間，并確保得到的目標(biāo)操作行為軌跡的準(zhǔn)確性和完整性，從而快速、準(zhǔn)確地為后續(xù)的互動(dòng)行為安防分析提供分析依據(jù)，避免在確定當(dāng)前可視化行為記錄的目標(biāo)操作行為軌跡過程中耗費(fèi)過多時(shí)間而影響互動(dòng)行為安防分析的時(shí)效性。