学术论文摘要的编写

要是以提供献内容梗概为目的、不加评论和补充解释，简要明确地记叙献重要内容的独立短．其基本要素包括研究的目的、方法、结果、结论，具有独立性和自明性．要可分为报道性要、报道／指示性要和指示性要，作要一般要写成前两种，字数在300字以内为宜，且对方法、结果、结论宜写得详细。     

基于Word2vec和K-Means算法的勘探开发成果文档聚类研究

根据渤海油田七年行动计划部署，现阶段勘探开发研究成果数量激增.目前，渤海油田勘探开发研究成果入库前分类工作主要依靠传统手动方式，效率低下且无法满足成果文档及时共享的需求.针对以上问题，提出一种基于Word2vec和卷积神经网络(convolutional neural networks, CNN)的文本特征提取方法并结合K-Means聚类算法对勘探开发阶段的成果文档进行自动分类.该方法在预训练word2vec向量的基础上基于自有开发成果文档标题语料库进行再训练，将低维向量的形式表征及文本的深层语义特征相结合，最后采用聚类算法对成果文档进行聚类.实验结果表明，在搜集的近7万份勘探开发成果文档数据集中，采用该方法使文档分类效率比手工方法提升了91.8%,标签获取准确率达93.6%,效率上和准确率都实现了较大提升.     

浅谈短文改错思路

短文改错在英语考试中占15分的比重，但学生普遍得分较低，许多学生对短文改错有一种恐惧心理，而且又没有技巧，所以有很大一部分同学对短文改错采取放弃或蒙几个对勾的态度。面对这种情况，我就自己在短文改错中的一些思路谈几点看法：     

语篇衔接与高考英语短文改错教学

本文从实际教学出发,对高中英语短文教学进行分析,并结合近几年高考英语短文改错实例,分析了语篇衔接在中学英语短文改错教学中的重要作用,并对短文改错教学提出了建议。     

练习英语书面表达的几种方法

有许多学生害怕写作，其原因是基础差，掌握的句型少，缺乏练习等，但没有好的练习方法也是写不好短文的，下面给同学们介绍几种好的写作方法：     

在大学英语教学中实施微型短文记忆法的调查报告

在大学英语教学中实施微型短文记忆法的调查表明：微型短文篇幅小，记忆负担轻，符合非英语专业大学生课业负担重、学习英语时间少的特点，为了使微型短文记忆法取得良好效果，教师需要坚持监控和鼓励学习者，学习者需要有恒心和毅力，学习足够数量的短文，保证足够的学习时间。微型短文与课堂教材配套时的效果好于两者不配套时，微型短文有待改进。     

普通话水平测试中朗读项备考的几点建议

普通话水平测试中的朗读短文项,是整个测试中非常重要的一项测试内容.在测查应试者声、韵、调读音标准程度的同时,重点测查连续音变、停连、语调以及流畅程度.分值占到整个测试的30%.朗读项也是能够提前准备,确保得分的＂得分项＂,因此充分做好测试前的应试准备,掌握一些应试技巧至关重要.     

基于短文本扩展和特征融合的市民热线文本分类

针对市民热线多为短文本和特征稀疏的特点。提出了一种短文本扩展法和基于双通道特征融合的文本分类（BERT-BiGRU-TextCNN,BGTC）模型,实现了对市民热线文本的自动识别与归类。首先使用TF-IWF模型以及LDA主题模型构建核心词库;然后利用Word2Vec计算词语相似度,完成对短文本内容和词向量特征的扩展;最终通过融合BERT-TextCNN和BERT-BiGRU-Attention两个通道特征信息的BGTC模型实现了对扩展后文本的分类。经过多组对比实验,结果表明该方法在市民热线文本分类任务中具有更好的性能,准确率和F1值分别达到了85.6%和85.8%。     

基于STACKING-BERT集成学习的中文短文本分类算法

由于word2vec、Glove等静态词向量表示方法存在无法完整表示文本语义等问题,且当前主流神经网络模型在做文本分类问题时,其预测效果往往依赖于具体问题,场景适应性差,泛化能力弱.针对上述问题,提出一种多基模型框架(Stacking-Bert)的中文短文本分类方法.模型采用BERT预训练语言模型进行文本字向量表示,输...