基于C#的自动生成Word文档的开发

本文着重介绍了应用程序通过与已有的Word文档模版进行交互,调用模版中的书签与样式来匹配用户输入的文本,最终生成与模版格式,样式相对应的文档。以次实现了文本内容的填写与文本格式或样式编写的分离。此项应用可拓展为论文,报告,总结等格式固定的文章的生成。文章编写者无需关注文章的样式,只需要专注于文章内容的编写即可。同时用户也可以自定义模版,然后将其套用到多篇文章中,从而大大减少了文章的编写时间。     

基于活动目录的批量账户创建的实现

对于一个新架构的基于微软公司活动目录的企业网络来说,往往需要在活动目录中添加其大量员工的账号。同样,对于新招了大量员工的基于活动目录的企业来说,也需要在活动目录中为其新员工创建账号。大量用户账号的创建,需要管理员付出非常更多的时间来处理。文中讨论了活动目录在企业中的应用以及在活动目录中生成用户账号的几种方法,并就其特点及效率进行了比较,最后设计和实现了一种在活动目录中快速生成批量用户账号的方法,大大提高管理员的工作效率。     

VB中字体对话框的灵活运用

在VisualBasic中对控件上文本的格式设置有三种方法:一是选中控件在属性窗口中设置,二是在适当的事件中编写代码设置,三是利用“字体”对话框设置。采用前二种设置方法,适合于窗体运行过程中文本格式一成不变的状态,采用第三种方法,方便灵活,在运行过程中可以由用户随意设置字体、字形、字号、颜色等格式,样式多形式新。     

图文互释与联合解码——符号学视野的《老照片》

《老照片》丛书的出版,在一定意义上成为中国进入＂读图时代＂的标志性事件;伴随这一进程,图与文的结合也日益成为一种流行的文本样式和表征方式。在符号学的视域,《老照片》的图文样式形成了独特的＂图文互释＂的图文关系,这种关系在文本解读中演变成＂联合解码＂的阅读策略;进而,通过＂联合解码＂,这种文本样式和表征方式在怀旧心理、历史体认和个体叙事等方面显露出重要的意义。     

结合Transformer模型与深度神经网络的数据到文本生成方法

数据到文本的生成是指从结构化数据生成连贯文本的一种自然语言处理方法。近年来,由于端到端训练的深度神经网络的应用,数据到文本生成的方法显示出了巨大潜力。该方法能够处理大量数据自动生成连贯性文本,常用于新闻写作、报告生成等场景。然而,已有研究中对于数据中具体数值、时间等数据信息的推理存在较大缺陷,无法充分利用数据间的结构信息给出合理的生成指引,并且生成过程容易出现语义与句法分离训练的问题。因此,文中提出一种结合Transformer模型与深度神经网络的数据到文本生成方法,并提出一个用于内容规划的Transformer Text Planning(TTP)算法,有效地解决上述问题。在Rotowire公开数据集上进行方法验证,实验结果表明,文中方法性能优于已有数据到文本生成模型,可直接应用于结构化数据到连贯性文本的生成任务中,具有一定的实际应用价值。     

HLMGAN：分层学习的多奖励文本生成对抗网络

文本生成是自然语言处理的一项重要任务.针对生成的文本大多缺乏多样性,且当生成文本过长时,文本生成的质量会有明显下降的问题,提出了一种采用Sentences and Words(SW)奖励机制的传递向量文本生成对抗网络.首先,为生成器提出了层次结构设计,包括传递特征向量训练模块和生成向量训练模块,同时传递判别模型中真实文本特征向量给生成器的传递特征向量训练模块,由此来提高长文本生成的准确率,生成向量训练模块接收其生成词序列;然后,在训练过程中,使用关系存储核心代替传统的长短期记忆循环神经网络模型作为生成器,提高了模型的表达能力和捕获信息的能力;最后,采用SW奖励机制提高文本生成的多样性.实验结果表明,分层学习的多奖励文本生成对抗网络(Generation Adversarial Network Based on Hierarchical Learning with Multi-reward Text,HLMGAN)模型在合成数据负对数似然度和双语互译质量评估辅助工具指标中均有所提升.     

学位论文撰写时的实用排版技巧

学位论文是学位申请人为申请学位而撰写的学术论文,巧用WORD编排技巧,可以大大提高论文撰写的工作效率。本文针对论文编写过程常遇到的一些问题,如样式、图、表及公式的自动编号,使用制表位法处理公式的排版,参考文献的编号和引用,目录自动生成等操作的技巧,均作了详细的介绍。     

Word2007在长篇文档编辑中的几个技巧

Word 2007在办公领域中使用率很高,用于长篇文档编辑中需要考虑的事情有很多,本文简单介绍了在长篇文档编辑中几个实用的小技巧,在实际应用过程中可以达到事半功倍的效果。主要技巧有分节、制作样式、目录提取、双面打印以及几种特殊的排版技巧。     

抽取式自动文本生成算法

文本自动生成旨在实现机器像人一样写作,减少语言工作人员的工作量,为读者传送实时、简洁的新闻报道.它可被运用在智能问答和对话、新闻的自动撰写、突发事件报道等应用中,且一直是学术界和工业界想突破的研究问题.本文将文本自动生成建模成关键词集合覆盖问题,提出了一种无监督的抽取式文本自动生成算法.该算法优化了自动文本的结构,不再是一段式文本.实验表明,该算法在大规模语料库上可取得不错效果,生成的文本覆盖信息更全面,与人工生成的文本意思更接近.     

HLMGAN:分层学习的多奖励文本生成对抗网络

文本生成是自然语言处理的一项重要任务. 针对生成的文本大多缺乏多样性，且当生成文本过长时，文本生成的质量会有明显下降的问题，提出了一种采用Sentences and Words（SW）奖励机制的传递向量文本生成对抗网络. 首先，为生成器提出了层次结构设计，包括传递特征向量训练模块和生成向量训练模块，同时传递判别模型中真实文本特征向量给生成器的传递特征向量训练模块，由此来提高长文本生成的准确率，生成向量训练模块接收其生成词序列；然后，在训练过程中，使用关系存储核心代替传统的长短期记忆循环神经网络模型作为生成器，提高了模型的表达能力和捕获信息的能力；最后，采用SW奖励机制提高文本生成的多样性. 实验结果表明，分层学习的多奖励文本生成对抗网络（Generation Adversarial Network Based on Hierarchical Learning with Multi-reward Text，HLMGAN）模型在合成数据负对数似然度和双语互译质量评估辅助工具指标中均有所提升.     

基于深度强化学习的文本生成研究综述

文本生成任务需要对大量词汇或语句进行表征,且可将其建模为序列决策问题.鉴于深度强化学习(deep reinforcement learning,DRL)在表征及决策方面的优良性能,DRL在文本生成任务中发挥了重要的作用.基于深度强化学习的文本生成方法改变了以最大似然估计为目标的训练机制,有效解决了传统方法中存在的暴露偏...     

基于主题感知的跨模态序列到序列生成模型

结构化数据和非结构化文本被视为两种不同的模态。数据到文本生成是自然语言生成领域中一个重要的跨模态任务,该任务的目标是对于给定的结构化数据,生成一段文本用以描述结构化数据中包含的关键信息。近年的研究工作通常关注于描述性文本的生成,虽然取得了一定的研究进展,但仅能做到信息的传递而不能带来任何增益。为解决这一问题,本研究数据到分析性文本的生成,并针对该任务提出一个基于主题感知的跨模态序列到序列模型。该模型在编码器-解码器结构的基础上,引入数据表的主题信息以保证生成文本与数据表之间的主题一致性,提高生成文本的质量。为验证模型的性能,提出两个真实数据集,并与其他6个模型进行对比实验,结果表明,提出的模型取得了最好的性能。     

从ESTELLE协议规格说明生成测试序列

ESTELLE是一种由ISO提出的用于描述计算机通信协议的形式化描述技术,并已成为国际标准。随着计算机网络技术的发展,出现了一门新的学科——协议工程。它包括通信协议的规范、验证、生成、测试。测试序列生成在协议一致性测试中是一个非常复杂的问题。本文提出了从ESTELLE语言规范生成测试序列的方法。有关测试序列生成的一些原始材料可以在一些协议规范的文本中找到。_抽象机(即扩充的有限自动机)是所提方法的基础。这个方法的思想是这样的:首先是用ESTELLE语言编译器从ESTELLE协议文本中提取要求的信息(抽象机),并且用某种形式表尔之。第二,将抽象机展开成为一个一般的有限自动机。第三,从有限自动机中生成测试序列。最后,把测试序列转换成TTCN形式。     

基于外部知识筛选的主题文本生成技术研究

在自然语言生成任务中，主题文本生成是一项富有挑战性的工作，其主要难点在于：源信息量远小于目标生成的信息量.为了解决该问题，本文提出一个基于外部知识筛选的主题文本生成模型Trans K，通过引入与主题词相关的外部知识来丰富源信息，进而提高生成文本的质量.本文为了解决引入外部知识的“一词多义”问题，提出一种基于线性变换的主题向量计算方法，用于筛选和主题词语义一致的外部知识；提出一种基于注意力机制的外部权重计算方法，为每个外部词设定一个主题权重，使其更贴合文本语义；为了解决主题词（含候选词）在生成文本中反复出现的问题，提出一种基于多头注意力机制的内部权重计算方法.在EASSY数据集上的实验表明，与基线相比，Trans K生成文本质量的各项指标更优.此外，人类评估表明，该模型可生成与主题更相关、语言更连贯、且符合语义逻辑的文本.     

一种基于聚类技术的图书目录识别方法

分析了目录识别研究的现状, 在总结当前技术优缺点的基础上, 提出了一种适应性和效率兼顾的目录识别方法。根据图书目录具有风格一致性的特点, 利用聚类技术发现目录装饰性内容, 生成具有自适应性的目录布局模型, 然后利用该模型生成目录条目及其层次关系。实验结果表明, 该方法在准确度和效率上均取得了较好的效果, 尤其是有效地处理了存在装饰性内容、折行和多种层次布局的复杂目录。该方法已应用于电子图书生产线, 显著提高了原电子目录制作系统的生产效率。     

改进条件生成对抗网络的文本生成图像方法

该文提出了一种改进条件生成对抗网络的文本生成图像模型(TxtGAN),使用一对生成器和判别器的单阶段生成方式生成高分辨率图像,避免因训练多个GAN消耗大量计算资源.生成器网络由一系列生成模块(RUPBlock)组成,每个模块中应用条件批量归一化方法,在实现图像生成的同时充分融合了文本信息与图像特征,较好地保留了文本信息...     

政府信息资源目录体系与交换体系建设再探

在信息资源开发利用中,政府信息资源目录体系与交换体系的建设是重要任务之一。本文就为什么需要政府信息资源目录,政府信息资源的目录体系是什么,如何建设,以及相关的标准、政策和机制进行探讨。政府信息资源目录体系 一、为什么需要政府信息资源目录 政府信息资源产生于政府活动的各个环节和部门,从中央到地方各政     

跨媒介互文性辨析

因文本传播介质的异质性,新媒介时代文本生成与解读越来越呈现跨媒介互文的趋势。本文回归互文性概念的本来定义,辨析当中已蕴含的跨媒介互文的可能性,认为跨媒介互文性传播有三种常见方式:中介性转移、体裁互文和重新语境化,指出跨媒介互文性既是语篇生成策略,也是一种修辞手段,旨在把某些立场和解读优先置于其余立场和解读之上,引导受众用一种特殊的方式解读文本,促成特定的读者反应。     

语音合成系统的关键技术与应用实例

计算机语音合成系统又称文语转换系统（ＴＩＳ系统） ,它的主要功能是将计算机中任意出现的文字转换成自然流畅的语音输出。一般认为 ,语音合成系统包括三个主要的组成部分 :文本分析模块、韵律生成模块和声学模块。一、语言合成系统的关键技术⒈ＴＩＳ系统的文本分析模块语音合成系统首先处理的是文字 ,也就是它要说的内容。文本分析的主要功能是使计算机能从这些文本中认识文字 ,进而知道要发什么音、怎么发音 ,并将发音的方式告诉计算机。另外 ,还要让计算机知道 ,在文本中 ,哪些是词 ,哪些是短语或句子 ,发音时应该到哪里停顿及停顿多长…     

诗歌教学中学生的语感生成

诗歌是一种特殊的文学样式,语感生成在诗歌教学中有不可低估的作用。培养和训练学生具备良好的语感品质,是广大语文教师艰巨的教学任务和义不容辞的职责之一。