全文获取类型
收费全文 | 3937篇 |
免费 | 27篇 |
国内免费 | 72篇 |
专业分类
系统科学 | 32篇 |
丛书文集 | 93篇 |
教育与普及 | 98篇 |
理论与方法论 | 46篇 |
现状及发展 | 1篇 |
综合类 | 3766篇 |
出版年
2024年 | 21篇 |
2023年 | 63篇 |
2022年 | 64篇 |
2021年 | 80篇 |
2020年 | 49篇 |
2019年 | 59篇 |
2018年 | 33篇 |
2017年 | 31篇 |
2016年 | 46篇 |
2015年 | 87篇 |
2014年 | 181篇 |
2013年 | 176篇 |
2012年 | 204篇 |
2011年 | 261篇 |
2010年 | 403篇 |
2009年 | 442篇 |
2008年 | 379篇 |
2007年 | 370篇 |
2006年 | 179篇 |
2005年 | 114篇 |
2004年 | 132篇 |
2003年 | 122篇 |
2002年 | 120篇 |
2001年 | 105篇 |
2000年 | 80篇 |
1999年 | 70篇 |
1998年 | 49篇 |
1997年 | 29篇 |
1996年 | 20篇 |
1995年 | 18篇 |
1994年 | 16篇 |
1993年 | 13篇 |
1992年 | 8篇 |
1991年 | 5篇 |
1990年 | 5篇 |
1989年 | 2篇 |
排序方式: 共有4036条查询结果,搜索用时 78 毫秒
621.
古有云"有规矩则成方圆",然仅靠严格立威的管理模式未必深入学生心中。班主任不仅是学生学业探寻中的指导者,更是学生良好品德建立和心理监考成长的引导者。该文将从内因与外因角度,浅议如何在严格管理中融入情感的交流;如何让学生敬老师的同时更爱老师;如何建立师生间良性的沟通循环。 相似文献
622.
互联网新闻媒体作为投资者的重要信息来源,对投资者的投资决策具有重要影响,同时也会影响股票市场的具体表现.为研究互联网媒体上发布的新闻报道对股票市场的影响,本文通过互联网搜索引擎采集了与股票市场相关的大量新闻报道,从新闻媒体关注度和情感指标两个方面分析其对我国股票市场的影响.通过对2012年1月1日至2016年4月30日之间上证综指的表现进行实证检验,发现互联网新闻媒体的关注度和情感指标对我国股票市场的运行均有一定的影响,而舆情指数一方面不受新闻媒体报道数量的影响,另一方面衡量了情感指标的相对影响,是量化新闻媒体报道情感的较佳指标.同时,我们的实证显示众多新闻媒体报道的网站来源中,52.8%的来源中已经包含了99.3%的新闻报道,是对股票市场产生影响的重要来源.通过互联网新闻媒体关注度和情感指标对股票市场影响的研究,可以加强对股票市场走势的分析与预测,为投资者提供投资建议. 相似文献
624.
《西北民族学院学报》2015,(3)
情感词是情感传达的重要介质,以往国内外的相关研究也常常把情感词作为情感认知研究的切入点,且取得了许多优秀的成果.文章旨在从情感词认知加工的ERP研究和脑成像研究两方面来探讨其脑神经认知机制,以期对情感词的研究有一个总体的认识,进而为人类情感认知机制的研究奠定基础. 相似文献
625.
思想政治教育的工作性质决定了教育主题的优先性扣主动性.本文通过仔细梳理少数民族大学生情感教育的现状,深刻剖析其存在的问题及其原因,进而有针对性地提出增强少数民族大学生情感教育的对策和建议. 相似文献
626.
《河北经贸大学学报(综合版)》2015,(3):26-28
在二语习得的过程中,中介语石化是一个普遍现象,它的存在制约了大学生英语水平的提高。运用建构主义的理论重新探索束缚大学生英语水平提高的中介语石化现象为大学英语的教学开启了新的思路。分析中介语石化现象的成因,可以找到影响英语水平提高的根源,进而结合建构主义的理论模式帮助教师和学生从教与学的主体、情感因素以及教学策略上寻找解决这一现象的途径。 相似文献
627.
628.
针对市场高投诉率下快递企业服务质量改进的问题,从顾客需求的角度出发,提出了一个服务弱势分析框架,旨在为管理者提供更科学有效的服务质量管理建议。该框架以在线评论为研究对象,采用文本分类算法筛选服务弱势评论,采用LDA模型进行服务弱势识别,利用二维象限分析法,从情感强度和关注度两个维度对服务弱势进行分类分析,从而提出应对策略。研究结果表明,传统分析法与文本挖掘技术的结合,能够快速识别快递服务的服务弱势,并对不同程度的弱势属性进行分类,分别提出相应的改进建议,为企业改善服务质量提供一定的参考价值。 相似文献
629.
630.
多任务学习利用不同任务之间的相似性辅助决策,与单任务学习相比,多任务学习能够利用更多的信息,从而可以弥补单任务学习信息利用不足的缺陷。本文选择NTCIR-ECA数据集中的中文和英文文本数据作为实验数据,以情感原因分析作为研究任务,提出了一种结合多任务学习和深度学习的模型MTDLM(multi-task deep learning model),实现不同语种下的情感原因分析。实验结果表明,在数据不平衡的情况下,MTDLM模型对英文语种的情感原因识别的最优F值为39%,优于单任务学习(F值为0)和传统基线模型(LR的F值为33%),从而验证了模型的有效性。 相似文献