摘要：本研究采用两因子随机区组试验设计方法,设计高中低3个不同营养水平日粮配方,对舍饲状态下SAF1、DAF1和DXF13个优势杂交组合肉用母羊妊娠后期适宜营养水平与日粮配方进行研究,为工厂化商品肉羊生产提供科学依据。结果表明,DXF1适合于中等营养水平饲养,SAF1适合于高中等营养水平饲养,而DAF1则适合于中低等营养水平饲养。

摘要：在舍饲条件下,设计出高(Ⅰ)、中(Ⅱ)、低(Ⅲ)3个不同营养水平的日粮配方,采用对比饲养试验方法,对SAF1、DAF1和DXF13组优势杂交组合肉用母羊妊娠前期适宜营养水平与日粮配方进行研究,为舍饲条件下母羊分阶段饲养提供科学依据。结果表明,SAF1适宜在中高营养水平下饲养,DXF1适宜中等营养水平饲养,DAF1适宜中低营养水平饲养。

摘要：目的评价吐鲁番地区两个县一个市开展的不同形式结核病防治宣传活动的效果，分析群众对结核病防治知识的了解程度及防治宣传工作的实际效益。方法利用相关调查表，从干部、宗教人士、农民、妇女、医学专业人员、学生等人群中随机确定调查对象，了解调查对象的基本情况，对结核病防治知识的了解程度及防治宣传工作的认识。结果通过不同形式的健康教育调查群体对结核病防治知识的知晓率分别为，吐鲁番市原56．28％提高到70．43％；善善县原67．02％提高到71．15%;托克逊县658．2％提高到72．72％。结论在开展结核病防治宣传活动时，应该结合当地实际情况，针对不同目标人群开展不同形式的宣传活动。充分利用政府布告、墙体广告和电视等覆盖面广，可信度高，成本效益好的宣传活动手段。

摘要：以英汉维三种大规模文本聚类为目标,针对三种语言的特点实现基于LDA模型的静态文本聚类系统。因为存在博客、微博等网络媒体的文本不太规范及涉及的话题范围广泛等现象,对文本特征的提取及聚类算法的选择带来一定的难度。通过对样本文本的分析,计算出适当的聚类数k,再调用LDA算法将文本聚为k类并给出每类文本的关键词。测试结果表明,该系统能将英汉维三种语言的文本相似度高的聚为一类,可显著提高聚类效果。

摘要：[目的]为了在羊养殖过程中,降低饲料成本,提高经济效益,必须根据各阶段羊只生长发育特点使其饲料营养达到精准营养的标准。[方法]对处于羔羊、繁殖母羊、育肥羊、种公羊4个阶段的羊群的营养需要进行分析,简要介绍常规饲料配方的配制。[结果]不同阶段羊只的生产目的不同,营养需求量也不同,故其饲料配方的设计也不同。[结论]根据生长发育阶段合理配制饲粮,不仅可以满足羊群的需要,提高免疫力,而且能够保证养殖的效益,减少饲料的浪费。

摘要：为解决近年来使用依存分析等语法信息计算句子相似度存在的手工标注代价较大、自动标注准确率低影响性能等问题,结合现有的句子相似度算法,提出两种方法融合词性特征计算句子相似度。在高精度的自动词性标注基础上,方法一通过词性信息调整不同词性的单词对句子相似度的影响,方法二使用词性信息选择句子中较为关键的单词进行计算。对比实验中,方法一在实验任务中取得了最高的准确率,方法二具有较优的准确率和较快计算速度,实验结果表明了两种方法的有效性。

摘要：针对语料不足引起的维吾尔语-汉语量词短语翻译性能不佳及歧义量词的翻译结果乱等问题,提出基于多编码器多解码器的维吾尔语-汉语量词短语神经机器翻译方法。将汉语语料进行自动处理和筛选,收集包含量词的维吾尔语-汉语量词短语语料,使用多编码器多解码器结构,搭建具有更强生成能力的多编码器多解码器维汉神经机器翻译模型。计算BLEU值得到了36.41,并通过对比实验结果,验证了所提方法的有效性。

摘要：采用统计与实例的混合策略和翻译记忆技术相结合的方法设计并实现汉维计算机辅助翻译系统。采用该方法的汉维方向BLUE值达0.292 4,0.299 9,0.292 2,维汉方向BLUE值达0.328 4,0.328 6,0.303 1;另外,在面对日益扩展的语料库的压力时采用优化的信息检索技术,并根据同一篇文章有同一个主题的特点采用上下文相关问答技术,均使翻译准确率和译者工作效率有了明显提高。

摘要：为缓解目前维吾尔文机构名识别方法依赖于人工编写规则、识别效率低的问题,提出一种基于条件随机场模型(CRF)的维吾尔文机构名识别方法。根据维吾尔语的语言特性,结合词、词性、音节、机构名特征词表、地名词表等特征,实现维吾尔文机构名识别。实验结果表明,相比于基于规则的方法和隐马尔科夫模型(HMM),该方法不依赖于人工编写规则,识别的准确率和召回率较高。

摘要：针对传统情感分类方法未考虑文本间的深层语义关系,过于依赖背景知识并且忽略文本间情感极性的弊端,结合维吾尔语语言特征以及词语间的情感特征,探索基于word embedding和BI-LSTM的维吾尔语文本情感分析方法。结合词语间的情感特征,利用word embedding构建词向量,获取文本的情感及语义表示;通过训练双向LSTM深度学习模型,实现维吾尔语情感分类。同等条件下,与RNN、CNN、SVM等方法进行对比,对比结果表明,该方法可以有效提高维吾尔语文本情感分类的准确率。