全文获取类型
收费全文 | 152篇 |
免费 | 16篇 |
专业分类
公路运输 | 34篇 |
综合类 | 69篇 |
水路运输 | 33篇 |
铁路运输 | 29篇 |
综合运输 | 3篇 |
出版年
2024年 | 3篇 |
2023年 | 7篇 |
2022年 | 4篇 |
2021年 | 10篇 |
2020年 | 7篇 |
2019年 | 8篇 |
2018年 | 5篇 |
2017年 | 3篇 |
2016年 | 1篇 |
2015年 | 7篇 |
2014年 | 5篇 |
2013年 | 6篇 |
2012年 | 4篇 |
2011年 | 7篇 |
2010年 | 11篇 |
2009年 | 13篇 |
2008年 | 8篇 |
2007年 | 13篇 |
2006年 | 8篇 |
2005年 | 7篇 |
2004年 | 6篇 |
2003年 | 8篇 |
2002年 | 3篇 |
2000年 | 4篇 |
1999年 | 2篇 |
1998年 | 1篇 |
1997年 | 2篇 |
1996年 | 2篇 |
1995年 | 1篇 |
1994年 | 1篇 |
1992年 | 1篇 |
排序方式: 共有168条查询结果,搜索用时 31 毫秒
161.
162.
章辉 《上海交通大学学报(哲学社会科学版)》2008,16(3):64-70
韦尔施的后现代美学思想的主旨,一是审视后现代的审美文化现实,二是重新思考真善美的关系.通过对传统美学思想的新读,韦尔施赋予了美学在全球化时代以新的使命.回到韦尔施的文本,有助于厘清中国当代美学和文化研究的问题症候,并能给中国当代美学建设提供新的思想参照. 相似文献
163.
164.
文本数据挖掘中的进化信息算法 总被引:2,自引:0,他引:2
在对基于海量文本数据信息的数据仓库进行数据挖掘过程中,产生出一类带有时态特征的进化信息,介绍了在文本数据仓库中进行数据挖掘和知识发现过程中的进化现象,定义了进化过程的数学模型,并对数据挖掘中进化过程模型的建立提出了相关规则。 相似文献
165.
随着铁路信号设备故障文本的不断积累,亟待构建集故障信息、专业知识、技术规则及其内在关联于一体的铁路信号设备故障知识图谱,为铁路运营及设备维修提供全面高效的辅助策略。故障信息实体识别是构建铁路信号设备故障知识图谱的核心。以高速道岔故障文本为基础,并针对此文本挖掘过程中使用传统方法导致知识获取不够全面以及文本语义稀疏等问题,提出一种用于高速道岔故障信息实体识别任务的BMBC多层级模型。首先,通过分析高速道岔故障文本的结构特征,从中提取出故障现象、故障定位和故障致因等7类实体;其次,利用BERT预训练模型的迁移特性构建双向词表征并嵌入位置信息,引入多头注意力机制(MHA)使关键特征信息得到重点关注,随后依靠双向长短期记忆网络(BiLSTM)进行特征信息融合,从而充分获取全局语义信息以及更好表达序列间的长距离依赖关系;最后,依托条件随机场(CRF)赋予标签约束条件,从而获得最佳识别结果。以各铁路局近5年的高速铁路道岔故障文本为基础进行实验,实验结果表明,BMBC模型能够精确识别各类故障信息实体,有效缓解实体边界不清晰问题,模型识别精确率、召回率和F1值分别可达91.43%,93.15%和92.... 相似文献
166.
作为列控系统的核心,车载设备有着结构复杂,模块间联系紧密的特点,若在行车过程中发生故障,将直接影响列车安全高效运行。为使维修人员准确掌握车载设备故障情况,借助智能化的手段对蕴含丰富经验信息的车载故障维修日志进行研究,有着重要的现实意义。研究通过分析该类日志特点,提出自顶向下与自底向上相结合的方式构建车载设备故障知识图谱。以车载故障维修日志实体关系转换为基础,将半结构化数据实体识别视为关键短语提取问题,提出词向量、主题模型与词典特征相结合的方法先获取关键词语,再通过Bi-gram模型将故障词语拼接为候选故障短语,其中评分最高者即为所需故障实体。实体间的关系则采用基于模式匹配的方法,构建车载故障关系模板,挖掘故障间的联系。对于识别实体的冗余和错误问题,利用实体向量间的余弦相似度计算,通过阈值设定实现实体融合,完成车载设备故障的知识挖掘。最后,以某铁路局2019~2020年车载故障维修日志为数据进行实验,累积抽取出故障实体339个,故障关系734条,据此构建车载设备故障知识图谱,并以可视化方式展示和检索车载设备故障间关系,有效提高了车载故障日志的知识发现能力,便于指导车载设备故障维修。 相似文献
167.
随着铁路信息化的发展,利用算法自动解析大量铁路调度命令(简称:调令)的重要性日益凸显。文章提出了一种基于生成式摘要模型和知识蒸馏算法的铁路调令解析算法,该算法利用生成式摘要模型端到端解析铁路调令,拥有较高的精度和较强的鲁棒性,适应写法多样的调令。采用知识蒸馏算法等多种轻量化策略,设计了新的损失函数和多种模型初始化策略,精简模型尺寸,提升算法速度。该算法在铁路调令数据集上取得了21.6342的Rouge-2分数,推理时间达103 ms,为铁路调令解析技术在铁路场景中的部署提供了参考。 相似文献
168.
预训练文本编码器常以较短的文本组合为单位进行处理,但是较小的文本粒度会导致字、词之间的联系信息丢失,影响编码器的泛化能力和性能,尤其在中文处理中,意义以词而不是单字的形式体现的情况下,对于词的分割和长短的把握尤为重要。本文对基于Transformer模型的双向编码模型(BERT)进行了改进,提出了一种基于N-Gram增强的预训练文本编码器模型。测试表明,本方法在中文分词、词性标记命名体识别的任务中表现均优于BERT,且对训练样本大小依赖较低。 相似文献