自然场景文本区域定位

自然场景文本区域定位是场景图像内容分析的重要步骤,文本区域定位能够为后续的文本识别提供便利.从场景文本特性出发,提出了一种基于最大极值稳定区域(maximally stable extremal regions,MSER)、颜色聚类和视觉显著性的鲁棒性文本定位方法.为了尽可能多地提取出潜在的文本区域,分别在灰度图像和彩色图像上采用最大极值稳定区域和颜色聚类来进行连通域的分析.对于得到的候选连通域,利用自然场景文本的显著性特征和少量的先验信息来滤除其中的非文本区域.将保留的文本区域用数学形态学水平膨胀的方法连成文本行输出.显著性评估的引入使得该方法能够减少大量参数的设定.标准数据集上的实验结果表明,在没有额外的训练数据和少量先验信息的情况下,该方法可以获得较好的正确率和召回率.     

基于文本分类的标准文献内容比对模型研究

在分析标准文献结构和文本分类的基础上,提出基于文本分类的标准文献内容比对模型,实现标准文献内容的快速提取和自动分类,支持相关技术人员和企业轻松快捷地实现标准比对工作,为标准文献比对工作的可持续发展提供方法和策略。     

大数据背景下的学生情感词典构建方法?

学生的情感教育一直是教育界的研究热点和难点,由于学生个人情感的隐秘性,教师很难获取学生的情感状况.研究通过学生大量使用的社会交互网站中的文本信息分析学生的情感状态,核心是针对学生常用情感词构建情感词典,根据学生大量使用新词、伪词的特点,结合新浪微博提供的情感符号,以现有情感词典为基础,在动态更新的新浪微博大数据中应用文本相似度计算方法,扩充情感词典,构建符合学生语言特点和新浪微博风格的学生情感词典.词典包括情感极性和强度,为基于学生微博文本的情感感知和进一步的情感教育奠定基础.     

文本类型理论下的企业外宣翻译策略

从调研中发现,企业外宣资料的英译存在各种错误和问题,不能准确传达原文的信息,影响译文读者的理解,也不利于企业的形象提升和长远发展。因此,企业外宣资料的英译应以纽马克的文本类型理论为指导,采用交际翻译策略,充分考虑英语语言的特点、译文读者的思维模式等因素,切实提高对外宣传英语翻译的质量。     

大型文本数据库中分布式数据去重备份方法研究

数据去重可删除备份过程中的冗余数据,节约存储资源与与网络带宽,是目前数据存储领域研究的重点问题。针对传统方法去重率和吞吐量低的问题,提出一种新的大型文本数据库中分布式数据去重备份方法。介绍了大型文本数据库中分布式数据去重方法基本思想,通过文件管理部分对数据片组中的扶贫数据进行查询和统计,给出数据片组路由策略,分析了数据预取过程。通过最终权值完成对数据块的排列,以恢复时间与恢复成本达到最小化为目的设计适应度函数。通过改进遗传方法对大型文本数据库中分布式扶贫数据进行备份。实验结果表明,所提方法有很高的去重率和吞吐量,且成本低,恢复速度快。     

金融法律文本翻译理论基础研究

通过对金融法律文本翻译过程的解析和研究,明确金融法律文本属于信息型文本类型,归纳出金融法律文本翻译遵循语义、语法、语境、情景原则,具有文本解释和法律解释等属性,提出了金融法律文本翻译理论概念模型,对翻译主体提出了精通翻译学理论、精通源和目标金融法律语言以及具备系统金融法律意识和思维的适格精英型要求。     

诗人何为？－中西诗歌价值观比较

本从诗人的产生、地位和诗歌的起源、功能价值等方面论述了中西诗歌价值观念和艺术追求的差异，认为诗歌总是与时代要求和生命精神相连接，诗人只有站在时代的浪尖上，以敏感的心灵、敏锐的目光和满腔的热情去拥抱生活，才能创造出不负时代的伟大作品，才能真正体现诗人的社会价值和个体价值。诗人只有属于自己的时代，才能真正属于人类的历史。     

朱彝尊与康熙诗文交往考论

朱彝尊从一个反清复明的追随者演变为清朝盛世的歌颂者，显然与其高中康熙己未词科并入值南书房有着密不可分的关联。其所标举的醇雅词学观，不仅成为浙西词派的旗帜，而且也与康熙所提倡的“清雅醇厚”的美学原则桴鼓相应，并与王士稹的“神韵”说共同承载了演绎康熙王朝盛世元音的政治使命。     

赋是汉代文学宏大叙事的典型样本——以汉大赋为中心

汉赋中表现出鲜明的国家一天下意识、浓重的历史情绪和高昂的政治热情，呼应着时代的共同主题，成为汉代社会精神的集中表现，是汉代文学宏大叙事的典型样本。     

基于统计的中文关键短语自动抽取

用统计的方法从单文本中自动抽取关键短语。在实验中验证了频度、首位置作为特征的有效性。用各种方法过滤非法词串，综合短语位置和统计特征对候选短语进行权重计算，并依据关键短语分布规律选择关键短语。另外，通过分析关键短语分布特点为Ⅳ元短语在过滤、按比例选择方面提供了依据。获得了比较好的实验结果：TOP5精确率21．80％，召回率28．27％，F-measure25％；TOP10精确率17．10％，召回率44．50％，F-measure30．80％。