【摘 要】
：
话说宋国农夫自从捡到一只撞死在树桩上的兔子后，便放下农活不干，成天守在树桩旁边的一棵树下，期盼好运再来。可是一连几天过去了，农夫一无所获。 失望之余，农夫发现，一只蜘蛛居然也是成天守在树上，坐等飞虫撞到蜘蛛网上。只是，这小家伙比自己幸运多了，经常会有苍蝇、蚊子等送上门来。农夫愤愤不平地说：“为什么你守在树上就收获多多，我守在树下却一无所获？这太不公平了！” “沒有什么不公平。”蜘蛛告诉农夫说，
论文部分内容阅读
话说宋国农夫自从捡到一只撞死在树桩上的兔子后，便放下农活不干，成天守在树桩旁边的一棵树下，期盼好运再来。可是一连几天过去了，农夫一无所获。
失望之余，农夫发现，一只蜘蛛居然也是成天守在树上，坐等飞虫撞到蜘蛛网上。只是，这小家伙比自己幸运多了，经常会有苍蝇、蚊子等送上门来。农夫愤愤不平地说：“为什么你守在树上就收获多多，我守在树下却一无所获？这太不公平了！”
“沒有什么不公平。”蜘蛛告诉农夫说，“你之前捡到撞死的兔子，纯属意外;飞虫撞到蜘蛛网上，却是我精心准备的结果。更何况，我并非像你这样坐等好运光临，而是在不停地吐丝，或为结网操劳，或为补网忙碌，不曾有过片刻的懈怠。”
摘自《幸福·悦读》
其他文献
针对传统文本分类过程中词表示特征时不够全面、可解释性差的问题,提出一种基于词和事件主题的W-E CNN文本分类方法,并给出基于BTM的事件主题模型。将传统基于词的特征表示方法与事件主题特征表示方法进行拼接作为CNN的输入,丰富特征语义信息,提高了文本分类的准确性。实验分析可知,该方法的分类准确性在一定程度上要优于其他方法。
3D点云数据是一种不规则性数据,传统卷积神经网络无法直接对3D点云数据进行处理。对此,提出一种基于多尺度动态图卷积网络的3D点云分类模型。利用最远点采样方法采样3D点云数据集的代表点,降低模型计算复杂度;利用不同尺度的k最邻近节点聚合方式,对图中每一个中心节点的k最邻近节点进行定位;利用边卷积操作对中心节点及其邻接节点的局部属性特征进行提取与聚合用于分类。实验表明,该模型在3D点云分类准确度上,达
在标题自动生成任务中,BiLSTM表示文本是随着时间循环递归对每个单词进行编码,需要逐字读取单词序列,语义信息会随着状态的传递不断减弱。对此,构建一个句子级LSTM的编码器,并行对文本中每个单词编码表示。循环步骤同时对单词之间的局部状态和整体文本的全局状态进行信息交换,编码得到语义表示后使用混合指针网络的解码器生成标题。在相关数据集上进行实验,结果验证了该模型在标题生成任务上的有效性。
针对Word2vec等静态词向量模型对于每个词只有唯一的词向量表示,无法学习在不同上下文中的词汇多义性问题,提出一种基于动态词向量和注意力机制的文本情感分类方法。在大型语料库上利用深度双向语言模型预训练通用词向量;在情感分类任务的训练语料上对向量模型进行微调,得到最终的上下文相关的动态词向量作为输入特征;搭建双向长短期记忆网络模型,并引入注意力机制以提高特征提取的准确性。实验结果表明,该方法在IM
以往的情感分类大多集中在单模态上,然而多模态的情感信息之间往往具有互补性,针对目前使用单模态做情感分类不能全面捕捉情感语义且存在忽视具有重要特征的情感信息等问题,提出一种基于注意力机制的TAI-CNN图文跨模态情感分类方法。构建TCNN文本情感分类模型和ICNN图像情感分类模型,采用最大值图文决策级融合方法来构建图文跨模态情感分类模型。实验证明,图文跨模态情感分类方法能够充分利用图像和文本的情感互
专利的功能信息对专利规避及创新具有重要意义。为了完成对专利基于功能的聚类,提出一种面向功能信息的相似专利动态聚类混合模型。该模型筛选功能信息句,运用双向长短期记忆网络联合注意力机制、卷积神经网络、改进的权值主题模型抽取专利文本的序列特征、文本嵌入特征、主题特征,同时加入功能词语关注部分,采用并行融合的方式提取特征。将所有特征表示作为聚类的输入,聚类结果作为反馈信息实现动态聚类。选取无机化学类方面的
分析在线课程评论中蕴含的情感对理解学习者状态变化、改进课程质量具有重要意义。依据课程评论的特征,提出一种激活-池化增强的BERT情感分析模型。构建BERT情感分析预训练模型来编码评论文本中分句内词语上下文语义和分句间逻辑关系;设计激活函数层和最大-平均池化层解决BERT模型在课程评论情感分析中存在的过拟合问题;通过新增的情感分类层对在线课程评论进行情感正负极性分类。实验结果表明,激活-池化增强的B
在幼儿园教学中开展绘本阅读,有效促进了幼儿语言表达能力.同时,还有利于幼儿认知能力的提高.绘本阅读,激发了幼儿的阅读情感的培养,是幼儿人生的第一本书.文章围绕幼儿园教