-
题名我国高校信息化教学的现状、趋势与发展策略
被引量：55
- 1
-
-
作者
田生湖
赵学敏
-
机构
云南财经大学信息管理中心
云南大学档案馆
-
出处
《当代教育科学》
北大核心
2016年第11期37-39,44,共4页
-
基金
云南财经大学科研基金一般研究项目"技术丰富条件下财经类普通本科有效教学模式创新研究(项目编号YC2013A15)"的阶段性研究成果
-
文摘
信息化教学是未来教育教学改革的重要命题。目前人们只把注意力集中在信息化教学的某一个特定领域或教学模式上,这不利于信息化教学的整体推进。我们既要"低头拉车"也要"抬头看路",从宏观系统的角度探讨其现状、趋势和发展策略,对信息化教学的可持续健康发展具有重要的现实意义。
-
关键词
信息化教学
在线教学
多媒体教学
信息化非正式学习
-
分类号
G434
[文化科学—教育技术学]
-
-
题名基于XBRL层次结构的数据挖掘模型分析
被引量：1
- 2
-
-
作者
曾志勇
闫亚丽
-
机构
云南财经大学信息管理中心
云南财经大学信息学院
-
出处
《财会通讯（上）》
北大核心
2016年第4期99-101,共3页
-
基金
教育部人文社会科学研究青年基金"网络信息披露机制下的海量金融数据挖掘模型研究"(项目编号:10YJCZH004)
云南财经大学校科研基金重点项目"金融数据在分布式环境中的数据挖掘模型研究"(项目编号:YC10A003)阶段性研究成果
-
文摘
XBRL作为一种基于XML的可扩展性商业报告语言,是未来财务信息编制和交换的标准。本文提出了一种基于XBRL层次结构的数据挖掘模型架构,该模型架构包括数据提取转换、X-Hive数据存储、数据挖掘和结果展示四大模块,综合了XBRL层次结构思想,符合数据挖掘相关流程,并利用数据挖掘方法和XQuery查询思想对存储于X-Hive数据库中的XBRL数据做深度挖掘。
-
关键词
XBRL
数据挖掘
X-Hive数据库
-
分类号
TP311.13
[自动化与计算机技术—计算机软件与理论]
F275
[经济管理—企业管理]
-
-
题名融合LSTM和LDA差异的新闻文本关键词抽取方法
被引量：3
- 3
-
-
作者
宁珊
严馨
周枫
王红斌
张金鹏
-
机构
昆明理工大学信息工程与自动化学院
昆明理工大学云南省人工智能重点实验室
云南财经大学信息管理中心
-
出处
《计算机工程与科学》
CSCD
北大核心
2020年第1期153-160,共8页
-
基金
国家自然科学基金(61562049,61462055)
-
文摘
针对语义信息对TextRank的影响,同时考虑新闻标题信息高度浓缩以及关键词的覆盖性与差异性的特点,提出一种新的融合LSTM和LDA差异的关键词抽取方法。首先对新闻文本进行预处理,得到候选关键词;其次通过LDA主题模型得到候选关键词的主题差异影响度;然后结合LSTM模型和word2vec模型计算候选关键词与标题的语义相关性影响度;最后将候选关键词节点按照主题差异影响度和语义相关性影响度进行非均匀转移,得到最终的候选关键词排序,抽取关键词。该方法融合了关键词的语义重要性、覆盖性以及差异性的不同属性。在搜狗全网新闻语料上的实验结果表明,该方法的抽取结果相比于传统方法在准确率和召回率上都有明显提升。
-
关键词
抽取
新闻标题
TextRank算法
word2vec模型
LDA模型
-
Keywords
keyword extraction
news headline
TextRank algorithm
word2vec model
LDA model
-
分类号
TP391.1
[自动化与计算机技术—计算机应用技术]
-
-
题名融合词预测的半监督老挝语词性标注研究
被引量：5
- 4
-
-
作者
王兴金
周兰江
张金鹏
周枫
郭剑毅
-
机构
昆明理工大学信息工程与自动化学院
云南财经大学信息管理中心
-
出处
《小型微型计算机系统》
CSCD
北大核心
2019年第12期2500-2505,共6页
-
基金
国家自然科学基金项目(61662040,61562049)资助
-
文摘
为有效对老挝语进行词性标注,提出一种融合词预测的半监督隐马尔科夫词性标注方法.首先,为解决未登录词标注问题,基于长短期记忆网络建立词预测模型,并改进维特比算法来将词预测模型融入隐马科夫模型中;其次,为提高隐马科夫模型标注的准确率与速度,使用规则与统计相结合的方法.制定了详细的老挝语法规则集,并将规则集与隐马科夫模型进行结合;再有,为扩展老挝语词性标注语料库规模,使用半监督学习方法,以得到正、反半监督隐马科夫模型;最后,为了解决隐马科夫模型未考虑后续词性对当前标注影响问题,使用正、反半监督隐马科夫模型进行词性标注,并优化了标注结果.实验结果证明,该方法可以有效标注老挝语词性,准确率达到92.55%.
-
关键词
词预测
老挝语词性标注
隐马科夫模型
半监督学习
-
Keywords
word prediction
lao part of speech tagging
hidden markov model
semi-supervised learning
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名融合人名知识分布特征的汉泰双语人名对齐
- 5
-
-
作者
张金鹏
苏姣
杨蓓
张占
-
机构
云南财经大学信息管理中心
云南财经大学国际语言文化学院
武昌理工学院信息工程学院
中山大学数据科学与计算机学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2019年第23期163-169,227,共8页
-
基金
国家自然科学基金（No.61462055）
-
文摘
双语人名对齐方法研究直接影响到跨语言信息处理的效果,由于泰语与汉语的发音差异大,汉泰双语平行语料库资源有限,基于统计的音译人名对齐模型难以解决汉泰双语人名对齐问题,提出一种在音译特征基础上融合人名知识分布特征相似性的汉泰双语人名对齐方法。计算双语人名音译相似度特征,通过卡方检验等计算汉语人名与泰语人名的知识分布相似度特征,借助支持向量机学习汉泰人名翻译对的两种特征生成人名翻译对分类器,对分类器分类结果调优生成对齐结果。实验结果表明该方法在汉泰人名发音差异大和缺少双语语料资源支持的情况下取得了较好效果。
-
关键词
汉语
泰语
双语人名对齐
人名知识分布
分类结果调优
-
Keywords
Chinese
Thai
bilingual name alignment
name knowledge distribution
adjusting and optimizing classification results
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
