【摘 要】
：
网络的开放性与移动社交媒体的广泛普及使各类信息在以更加便捷、快速的方式传播的同时，滋生了谣言泛滥和群体极化现象。文本基于当前国家全面推进政务公开和优化政务服务的决策部署，结合新媒体语境下新闻发布的特点，就各级政府部门如何在突发公共事件中进一步提升新闻发布质量，积极主动地进行舆情回应和舆论引导提供策略参考。
【机 构】
：
新疆师范大学学报(哲学社会科学版)
【出 处】
：
新疆师范大学学报(哲学社会科学版)
【基金项目】
：
国家社科基金一般项目“马克思恩格斯交往传播观的内在逻辑和当代意义研究”（20BXW059）的阶段性成果；
论文部分内容阅读
网络的开放性与移动社交媒体的广泛普及使各类信息在以更加便捷、快速的方式传播的同时，滋生了谣言泛滥和群体极化现象。文本基于当前国家全面推进政务公开和优化政务服务的决策部署，结合新媒体语境下新闻发布的特点，就各级政府部门如何在突发公共事件中进一步提升新闻发布质量，积极主动地进行舆情回应和舆论引导提供策略参考。
其他文献
混合卤素钙钛矿太阳电池光伏性能及其的卓越,理论值超过大部分光电器件,这也正是其成为最有希望的光伏电池的下一代太阳能电池的原因之一。如今钙钛矿太阳能电池（PSCs）的研究取得了巨大的进步,现在认证PCE效率可达25%以上。PCE的增长得益于众多的优化策略。研究者不断探索各种工程方法来钝化钙钛矿时吸光材料,以减少钙钛矿体相以及界面的缺陷,优化钙钛矿吸收层与其他界面的结合。（1）氯化甲胺（MACl）作为
目前,基于光纤布拉格光栅的腐蚀监测传感器多应用于钢筋、油气管道这些特殊的应用场合,并且监测的参数易受到其它因素的影响。为了解决现有的基于光纤布拉格光栅的腐蚀监测传感器存在通用性差和监测参数易受其它因素影响的问题,本文根据金属腐蚀后厚度变薄这一稳定关系进行了基于光纤布拉格光栅（FBG）腐蚀监测传感器的研究。该腐蚀监测传感器具有量程和灵敏度可调、测量精度高、监测结果准确可靠的特性,同时解决了FBG对温
自然场景图像中的文字具有更加精确的语义信息,准确地从场景图像中提取和识别文字能够极大地增强计算机对图像内容的理解能力。计算机对自然场景图像中的文字进行检测和识别的工作已经成为文字识别领域乃至整个计算机视觉领域中最受关注的研究热点。因此,本文基于深度学习方法,对场景图像中的文字检测和识别进行了以下研究。首先,针对场景图像中背景复杂、视觉元素繁多及准确检测待识别文字问题,提出基于深度学习和YOLOv5
紫外探测器在导弹发射探测、空间和天文研究、环境监测、紫外线辐射校准和监测、光通信等领域有着广阔的应用前景,目前,在紫外光电探测器的制造中,多种宽带隙半导体材料已经被研究开发并应用于紫外光电探测器制造中。如氮化镓（Ga N）、碳化硅（Si C）、氧化锌（Zn O）、氧化镓（Ga2O3）等。与采用窄带隙Si制造的电子器件和光电器件相比,宽带隙半导体器件具有更高的抗击穿能力、更强的辐射耐受性和更大的器件
传统的光学字符识别方法相对成熟并且已经应用到文档扫描等领域。自然场景文本图像通常包含复杂的背景、多样的字体、不可控制的光照以及视角变换、扭曲等不利于传统文本检测和识别的因素,导致传统方法在处理自然场景文本时性能大幅下降,自然场景文本的检测与识别还具有一定的提升空间。该文围绕基于深度学习的场景文本检测与识别中存在的问题展开研究和分析,具体工作如下:为了实现对任意形状的场景文本精确检测,提出了基于实例
大脑是由上千亿神经元所构成的极为复杂的生物组织,大脑中反映单个神经元放电活动的信号称为锋电位,反映网络间神经元群体放电活动的信号称为局部场电位。研究神经元之间以及神经元与神经元所属网络之间的相互作用对于理解神经编码机制和揭示大脑功能具有十分重要的意义。因此,本文致力于研究锋电位与局部场电位之间、以及锋电位序列之间的同步分析方法。首先,借鉴交叉频率耦合分析中调制指数方法的思想,发展了一种度量锋电位序
离子与分子碰撞在天体物理、等离子体、材料、医学等学科和领域有着重要的研究意义。碰撞相互作用过程包含电子俘获、电子损失、电子离化、解离、激发等多个反应通道。离子与分子碰撞是涉及多体相互作用、多电子关联和多通道耦合的复杂动力学过程,具有重要的理论研究意义,是原子与分子物理领域最重要的研究方向之一。随着碰撞体系中电子数和原子数的增加,大多数采用独立粒子近似的经典理论不再适用,理论工作者只能寻求半经典或全
近年来,由原子单晶层相互堆叠构成的二氧化钼（MoO2）和二硫化钼（MoS2）二维层状半导体材料受到了世界各国材料研究者的关注。二维层状半导体材料各层间由范德瓦尔斯键合,每层都为由无悬挂键的单晶表面组成,通过层间的堆叠,形成二维层状半导体材料,材料表面具有原子级清洁的水平,并具有优异的光学、电学和机械性能,有望应用到后摩尔定律时代的新型集成电路及半导体器件的加工与制造中。到目前为止,MoO2及MoS
随着国内医疗技术的强大和医疗水平的提高,越来越多的人工智能技术被应用到疾病诊断当中,在此背景下,将前沿科学技术运用到2019年末爆发的新型冠状病毒肺炎的诊断预测当中是大势所趋。此前,已有许多研究者开发了基于深度学习的模型和算法来处理肺炎图像,辅助医院诊断患者是否感染新冠肺炎。但目前这些方法都存在一定的局限性,模型的鲁棒性、检测的准确率在实际应用上尚不能满足要求。因此,本文基于深度学习卷积神经网络的
视频行为理解是计算机视觉中一个重要研究内容,目前已广泛应用在智能监控、人机交互、VR（Virtual Reality）等领域。然而受光照、目标尺度及动作持续时间等不同因素影响,视频理解包含复杂的时空依赖和背景噪声,导致模型判别力难以提升,为解决此问题,基于先进的视频理解算法,从时空特征提取,时序建模,模型计算效率和背景抑制等几个方面出发,提出以下三种改进方案:首先,针对基于Vision Trans