摘要：在基于位置的应用领域中,如自然灾害监测、流感趋势预测、定向广告推广等,用户地理位置的推测起到重要的作用。现有方法主要利用文本内容和社交网络进行位置推测,一方面未能充分挖掘和融合2种信息,另一方面推测社交网络中孤立用户的位置比较困难。因此,本文提出一种融合文本主题和社交关系图神经网络的社交网络用户住所位置推测方法(Social Relationship Graph Convolutional Network,SRGCN)。主要方法包括:首先,从文本内容中获取混合特征,利用TF-IDF获得文本特征向量,根据用户之间的提及信息建立初始社交关系图;其次,针对用户社交关系图中存在孤立用户并难以估计其位置的问题,建立主题模型,根据主题向量相似度为孤立用户建立联系,补充社交关系图;最后,基于图卷积神经网络处理社交关系图数据,对文本特征和网络结构进行联合建模,以有效推测用户的地理位置。在真实世界基准数据集GeoText上探究了主题相似度阈值对推测性能和图规模的影响,实验结果表明本文方法能够增加可定位用户的比例并将大部分属于同一类的用户节点聚集;SRGCN在平均距离误差、距离误差中位数、推测准确度方面均优于现有方法,在GeoText数据集上,Acc@161比性能最好的GCN高出1%,平均误差距离降低16 km。实验结果验证了SRGCN的有效性,该方法可以提高用户住所位置推测准确率。

摘要：基于钉钉软件设计的复合式电子调查问卷,选取威海中韩自贸区地方经济合作示范区产业园区内部分重点产业项目自项目论证到投产投用后的全过程重要节点作为调查标的,运用基于Python语言的词频分析软件对电子问卷中的开放式问答内容进行分析,最终得到当前阶段产业经济项目推进应进一步优化的分项内容,并基于Python语言的词云图生成器软件进行形象化展示以加深体验。

摘要：数据聚类是常用的无监督学习方法,通过词嵌入聚类能够挖掘文本主题,但现有研究大多数采用常规聚类算法挖掘词嵌入的簇类,缺少基于词嵌入特性设计实现词嵌入聚类的主题挖掘算法.该文从语言模型通过建模词间相关信息来使相关及语义相似词的嵌入表示聚集在一起的特点出发,设计词嵌入聚类算法.该算法首先计算中心词的簇类号,然后使该簇中心嵌入和相邻词嵌入的相似性增强,同时使其与负样本词嵌入远离,学习文本集词嵌入的簇类结构,并将其应用于文本主题挖掘.在3种公开数据集上的实验表明:该算法在一些模型的词嵌入结果上能够挖掘出一致性和多样性更好的主题结果.

摘要：一、语篇研读“语篇研读”是开展有效教学设计的逻辑起点。语篇教学设计是教师进行备课的重要途径和方法。1.故事梗概:本节故事课主要围绕Zac的尾巴变得蓬松的情节展开学习。Zac是一只住在森林里的小松鼠,爱唱爱跳,但是它遇见了喜欢安静看书的猴王。一天,它在猴王面前唱歌,惹怒了猴王,猴王将它从树上扔了下去,Zac起身后意外发现自己尾巴的变得蓬松了,它看着尾巴,又惊又喜,从此以后,所有松鼠的尾巴都变得浓密了。

摘要：思维品质是英语学科核心素养的要素之一,英语听说课对学生思维品质的培养起着重要作用,教师应重视语言和思维的有机结合。以人教版初中《英语》八年级(下)Unit 3 Could you please clean your room?Section B 1a-1e为例,阐述基于思维品质培养的初中英语听说教学策略,提出教师应把脉文本主线,关注思维的逻辑性;创设主题语境,提升思维的敏捷性;落实主题活动,挖掘思维的深刻性。

摘要：英语学科是贯穿整个高中阶段的重要学科之一,其中,英语阅读又是重中之重,切实提升高中生的英语阅读理解及分析能力,关键在词汇。文章立足于高中阶段的英语阅读课程,指出当今高中英语阅读课程词汇教学中存在的问题,并基于文本理解及文本主题的角度,研究高中英语阅读课程的词汇教学策略,帮助学生拓展英语词汇量,提升高中学生的英语词汇实际运用能力,为高中英语阅读课词汇教学工作的研究提供经验指导。

摘要：在深入分析了当前流行的文本主题提取技术和方法的基础上,将语义方法融入统计算法,提出了一种基于统计的主题提取方法,并描述了它的实现过程。该方法利用文档内句子之间的语义相关性,实现了文本主题的自动生成。首先对文本进行切词和分句处理实现信息分割,再结合文本聚类技术对文本句进行聚类实现信息合并,最后从每类中抽取代表句生成文本主题。实验结果表明,该方法是一个有效、实用的方法。

摘要：词汇教学在高中英语教学中具有极其重要的意义，但目前的词汇课堂教学，尤其是第二课时的词汇教学，往往偏离主题、脱离语境，导致学生学习词汇费时、低效。本文介绍了基于文本主题进行第二课时词汇教学的理论依据，提出了基于文本主题的第二课时词汇教学的基本原则，并以北师大版《英语》必修3 Unit 7 Lesson 4 为例，阐述了相关设计思路和教学过程，提出了今后实际教学中需要注意的问题。

摘要：【目的】准确理解文本信息中潜在的知识关联,丰富文本知识挖掘的方法。【方法】将主题模型和关联规则相结合,运用LDA主题模型抽取文本中的主题集合,在实现文本降维的同时,实现文本在语义空间的表达;通过关联规则进一步挖掘文本中主题的语义关联。【结果】设置合理的支持度和置信度阈值,可以有效地挖掘文本中潜在知识的关联,实现对文本的深入"理解"。【局限】数据预处理过程中,用户自定义词典的设计会对实验结果产生一定的影响。【结论】提出一种非结构化文本信息潜在语义关联挖掘的新思路,改善了针对文本信息知识发现的效果。

摘要：主题是指文学、艺术作品中所表达的中心思想，是作品思想内容的核心。现阶段的小学语文教学中，部分教师在阅读教学中不能通过有效的教学手段深化文本主题，出现教学走过场、学生吃不饱、思维展不开等现象。这是由于部分教师的教学过多地关注课堂结论的呈现，忽视学生对知识的体验，忽视教学过程推进的能力渗透和渐进思辨的获得，让呆板、概念化、理性化的教学覆盖了学生应有的训练和体验，导致知识传授僵化，使学生学习缺乏对文本的深度把握，缺乏灵动的个性和生命体验：