基于语言评价与模糊数的群体意见共识方法

针对具有自然语言评价信息的群决策问题,给出了一种基于语言评价信息与梯形模糊数的群体意见共识方法.该方法先通过无量纲化处理、语言评价信息转换为梯形模糊数、对梯形模糊数进行集结等步骤,形成群体对方案的综合评价值(梯形模糊数);然后对群体意见进行共识分析和评价;最后对共识结果进行方案排序.通过对实例进行分析,表明该方法能得到切合实际的决策效果.     

浅谈语文教学中的德育渗透

一、深挖教材中的德育因素.加强对学生的品德熏陶 教材中德育的内容,不可能像学科知识那样处处明显,它往往是内在的、深层的、个别隐蔽的,思想教育要渗透在学科知识的方方面面,与学科知识融二为一,这就要求我们在教学中进行德育渗透,不能仅停留在那些表面的内容上,而应当是深入挖掘教材内在的德育因素,以提高德育渗透的成效,在语文教学活动中,教师可以通过引导学生欣赏文中字、词、句;理解句中句式的作用及其变换、文中修辞、标点符号的运用,使学生能意识到祖国语文无可比拟的表现力,体会到祖国语言质美意深,简练如金的妙处,能感受到祖国语言的包罗万象,丰富多姿.     

军事传媒与军事语言传播

军事传媒语言作为与军人日常生活、工作关系最为密切的语言形式之一,是军事语言文字应用研究的一个重要领域。军事语言在大众媒体产生之前,以古典传播方式进行传播。随着现代传媒的出现和发展,军事语言广泛利用军事传媒进行传播,其传播方式、速度、范围、内容等发生了革命性的变化。     

浅析朱自清散文的语言特色

朱自清先生的散文是我国现代散文艺术瑰宝中的"和氏璧",其语言具有"不矫饰,不撒谎的朴素自然的美,和经过认真提炼的群众口语谨严质朴的美"的特点.他的散文以委婉细腻、诚挚平易的风格描述了他所经历的各种生活,接触的各种风物,娓娓而叙亲情、友情、爱情,精雕细刻青山、绿水、鲜花.     

如何培养学生的写作能力

近十几年来,书面表达一直是高考英语试题的重要组成部分,它要求学生有扎实的语言基本功,具备一定的审题能力、表达能力、评价能力等。教者只有在平时教学中有意识地训练学生的英语写作能力,学生才能在激烈的高考竞争中,信心十足,游刃有余。笔者认为应从以下几方面着手。一、循序渐进“冰冻三尺,非一日之寒”。英语写作能力并非是一蹴而就的。它必须由浅入深、由简到繁、由易到难、循序渐进、一环紧扣一环地进行训练。教师应注重抓基本功训练,严格要求学生正确、端正、熟练地书写字母、单词和句子,注意大小写和标点符号。进行组词造句、组句…     

字节流对象模型的设计和应用

航天技术的快速发展对任务数据处理提出了更高的要求。针对任务数据格式具有层次嵌套、变化频繁的特点,结合Composite模式设计了字节流对象模型(BOM)。BOM模型具有表述能力强、可灵活扩展的优点。该模型在航天任务数据处理软件中得到了应用,使得软件具备较好的可扩展能力。     

四川省“九天揽月——中国探月工程展”在成都开幕

<正>2014年11月4日,由国防科工局和四川省人民政府共同主办的"九天揽月——中国探月工程展"在四川省科技馆正式开展。作为探月工程实施10年来首次在内地举办的主题展览活动,探月工程展首站选择四川,向公众开放至11月13日,之后将在国内其他省份进行巡展。国防科工局副局长吴艳华、四川省副省长刘捷出席开幕式。本次展览展出的实物模型包括嫦娥三号的着陆器、"玉兔号"月球车、长征火箭、人造卫星、模拟发射场和遥控月球车,以及特别制作的互动展品等20多组。同     

国家安全背景下的国防语言政策研究

我国的语言研究多侧重于语言本体或者语言理论的研究,涉及国家安全的国防语言战略的研究较少,导致我国对于国防语言战略相关的国防语言政策研究、国防语言规划研究以及国防语言教育研究的匮乏。首先论述了国防语言政策的定义、内涵及重要性,然后阐述了国家安全背景下国外的国防语言政策研究现状及我国相关语言政策存在的问题,最后讨论了加强我国国防语言政策建设的可用举措。     

兵团党委近期干部任免

兵团党委决定:免去毛劲松同志兵团公安局巡视员职务;免去杨传鹏同志兵团党委统战部(台湾事务办公室)、民族宗教事务局巡视员职务;免去朱德民同志自治区高级人民法院兵团分院巡视员职务;陆江同志任兵团党委组织部副巡视员;周旭平同志任兵团党委统战部(台湾事务办公室)、民族宗教事务局副巡视员;师波同志任兵团国有资产监督管理委员会党委委员、副主任;     

基于提示学习的中文文本分类方法探究

自动文本分类方法是当前信息化和数据化时代处理非结构化信息的基本方法,是提升决策系统智能化程度的关键技术手段。近年来,由于其在小样本领域以及迁移学习方面的优异性能,基于提示学习的文本分类方法逐渐被广泛应用于一系列自然语言处理任务上。然而,当前对基于提示学习的方法仍集中于英文领域。英文和中文在语义、文法上的巨大差异性,基于提示学习的分类方法能否在中文任务中提高模型性能仍然有待探索。因此,使用中文基线数据集CLUE中多个分类任务对基于提示学习的文本分类方法性能进行实验验证。结果表明,基于提示学习的分类方法在多种分类任务上都表现出了较基线更强的性能,在不同的输入长度以及标签数量设置下也具有较强的鲁棒性。