文章主题

摘要： cqvip:亲爱的作者:感谢您对我刊的支持,请根据本指南投稿。投稿网站:http://www.cped.cn。1.栏目设置勘探战略、勘探管理、勘探案例、石油地质、工程技术。2.稿件要求(1)题名:题名应简单明了,概括文章主题,一般不宜超过20字。(2)作者姓名、单位、第一作者简介:不同工作单位的作者在姓名右上角按顺序标注阿拉伯数字,并在其工作单位前标注相同数字。

摘要： 1撰写综述文章应遵循的原则1.1主题的中立原则对于综述文章,审稿人和编辑需要明确地判断出这篇文章是否提供了一个中立的观点。读者对于综述文章的期望,是希望看到根据现有的文献,作者应有分析判断问题的能力,至少在文章中对与之相悖的假设和提议的局限性有初步的讨论。1.2结果的准确性原则作者是否正确地解释和展示了文章主题的相关结果,是否遗漏了任何最新或关键性的参考文献。

摘要： 一、篇名:篇名要求简洁、醒目,能够概括文章主旨,一般不超过20个字,必要时可加副篇名,应尽量避免使用非公知公用的缩略语、字符、代号和公式。二、作者简介:来稿须提供作者简介。内容包括:姓名、工作单位、职称、学位、学术荣誉称号、主要研究方向等。三、摘要:介绍文章主题和主要观点,客观反映论文主要内容的信息,具有独立性和自含性。

摘要： 一、篇名:篇名要求简洁、醒目,能够概括文章主旨,一般不超过20个字,必要时可加副篇名,应尽量避免使用非公知公用的缩略语、字符、代号和公式。二、作者简介:来稿须提供作者简介。内容包括:姓名、工作单位、职称、学位、学术荣誉称号、主要研究方向等。三、摘要:介绍文章主题和主要观点,客观反映论文主要内容的信息,具有独立性和自含性。要求不举例证,不叙述研究过程,不作自我评价。一般不超过500字。

摘要： 论著类文章要求4000字以上,文字精练通顺,具有科学性、先进性、实用性,内容真实,无一稿多投。文章应包括以下内容:(1)文题。力求简明、醒目,能反映文章主题,中文文题一般20个汉字以内。(2)摘要。文章需附300~400字的中、英文摘要,包括论文的目的(objective)、方法(methods)、结果(results)、结论(conclusions)四部分。结果中须详列主要数据。

摘要： 1.文稿应具有科学性、先进性、实用性,论点明确,资料可靠,文字精炼,层次清楚,数据准确,图表规范.凡通过研究有数据的文章应做统计学处理.文稿不少于3000字(包括摘要、图、表和参考文献).2.文题力求简明、醒目,反映文章主题.中文文题以不超过20个汉字为宜.3.作者作者姓名在英文文题下按序排列,在编排过程中不应再做改动,署名以6名以内为宜.

摘要： 撰稿要求如下:文稿内容应包括文题、摘要、关键词、引言、正文、结论、参考文献,以及作者简介、联系方式等。1、文题:高度概括文章主题内容,不超过20个字。文题下方注明作者姓名、单位全称、城市和邮编。凡属有关基金项目的论文,在首页脚注详细注明“××基金资助项目”,并务必注明项目编号。

摘要： 关键词是方便文献标引工作而选用的可表达文章主题内容的词或词组,它既传达文章的主题概念,也作为文章的检索要点,一般为3~5个。关键词确定的三步法:(1)对文献进行主题分析,弄清文章的主题概念和中心内容;(2)尽可能从题名、摘要、层次标题和正文的重要段落中抽出与主题概念一致的词和词组(关键词包括主题词和自由词2个部分),主题词是专门为文献的标引或检索而从自然语言的主要词汇中挑选出来并加以规范了的词或词组,应从美国国立医学图书馆的MeSH数据库中选取,其中文译名可参照中国医学科学院信息研究所编译的《医学主题词注释字顺表》,中医药关键词从中国中医科学院中医药信息研究所编写的《中医药主题词表》中选取。

摘要： 关键词是为了便于编制文献索引、检索和阅读而选取的能反映文章主题概念的词或词组。一般每篇论文选取3~5个关键词。中英文关键词应一致。关键词尽量从美国国立医学图书馆的MeSH数据库中选取,其中文译名可参照中国医学科学院信息研究所编译的《医学主题词注释字顺表》。中医药关键词应从中国中医科学院中医药信息研究所编写的《中医药主题词表》中选取。

摘要： 关键词是方便文献标引工作而选用的可表达文章主题内容的词或词组,它既传达文章的主题概念,也作为文章的检索要点,一般为3~5个。关键词确定的三步法:①对文献进行主题分析,弄清文章的主题概念和中心内容.

摘要： 本发明提供了一种基于主题模型的文章特征抽取方法，包括：基于原始语料库构建文章的引用关系网络，构建主题模型的生成模型和参数联合表达式，根据所述生成模型构建主题模型的推断过程，对新语料库采样文章，根据采样文章的采样结果提取文章参数。本发明使用了文章引用网络以扩展传统的主题模型，从而提取出更加精确的文章特征。

摘要： 本发明涉及一种基于主题模型的相似文章推荐方法，首先通过文章原始文本预处理，提取单纯的文章内容；然后对文章内容进行分词、词性分析，筛选出名词词性的词语，词袋抽取，形成文章主要的词语特征向量；跟着利用所有文章的词语特征向量训练TFIDF模型，基于该TFIDF模型对每篇文章的词语特征向量计算，形成TFIDF特征向量；再之，利用所有文章的TFIDF特征向量训练LSI主题模型；最后使用LSI模型计算得到该文章的潜在主题特征向量，由向量相似度计算可以得到相似文章。本发明能帮助互联网用户高效挖掘感兴趣文章，具有适用范围较大、人工标记成本较低、推荐多样性较好等优点。

摘要： 本发明公开了一种基于栏目主题的文章处理方法和装置。其中，该方法包括：对待判断文章进行分词，得到分词结果；从分词结果中筛选出属于预构建的栏目主题词库的分词词汇，并计算属于预构建的栏目主题词库的分词词汇在待判断文章中的词频以及在所有分词词汇中的占比；判断属于预构建的栏目主题词库的分词词汇在待判断文章中的词频以及在所有分词词汇中的占比是否满足预设条件，得到判断结果；根据判断结果确定待判断文章是否与所述栏目主题相符。本发明解决了现有技术中在处理栏目中的文章与栏目主题不相关的问题时，产生的被动性和滞后性的技术问题。

摘要： 本发明提供了一种基于主题模型的文章特征抽取方法，包括：基于原始语料库构建文章的引用关系网络，构建主题模型的生成模型和参数联合表达式，根据所述生成模型构建主题模型的推断过程，对新语料库采样文章，根据采样文章的采样结果提取文章参数。本发明使用了文章引用网络以扩展传统的主题模型，从而提取出更加精确的文章特征。

摘要： 提供一种能够让生成的专利申请说明书的品质保持不变的专利文章生成装置、专利文章生成方法以及专利文章生成程序。专利文章生成装置,包括:学习部,学习专利文献的权利要求、该文献的权利要求以外的描述、以及该专利文献所对应的现有技术文献的描述之间的多个对应关系；接受部,接受新权利要求；生成部,基于所述学习部的学习结果,以及所述接受部所接受的所述新权利要求,生成与所述新权利要求对应的所述新权利要求以外的文章。

摘要： 本发明提供一种即使是在用户输入了缺乏专利性的内容时,也能自动提供高专利性结构的文章生成装置、文章生成方法、以及文章生成程序。所述文章生成装置,包括:接收部,从终端设备接收发明文章；确定部,确定所述发明文章的第一专利分类；选择部,选择与已确定的所述第一专利分类相对应的第二专利分类；提取部,使用所述第二专利分类,从专利文献数据库中提取与所述发明文章相似的第二专利分类专利文献；生成部,基于所述提取的第二专利分类专利文献生成与所述发明文章相关的追加发明文章；发送部,将生成的所述追加发明文章发送至所述终端设备。

摘要： 本发明涉及一种类似文章的抽取方法，能够自动制作可根据分析人员以特定的信息源为基础采样得到的目标文本来高精度地进行文本收集(分类)的关键词的组合即分类规则。在多个采样文章组(211)和抽取对象文章组(212)之间，关于从采样文章组(211)抽取出的多个词素组，在(103)～(105)中按照这些出现文章数接近的(类似度大)顺序来缩小抽取对象文章组使得只包含各词素，该处理在(106)的控制下被重复执行，从抽取对象文章组(212)高效地抽取与采样文章组(211)类似的文章。

摘要： 本发明涉及从编程文章内容中提取文章标签的方法、设备以及存储介质，其中方法包括以下步骤：S1，通过提取文章中的关键词对文章是否属于编程文章进行判断；S2、先参考去词库，并利用去词法排除分词后无用的词语，并提取剩余的关键词，将提出的所有关键词去重后作为一个新的特征库，并在去重前计算出每个关键词出现的词频；S3、根据预设的语料库，确定词语集合中各个词语的逆文档频率；S4、TF‑IDF值计算排列，计算文章中每个关键词的TF‑IDF值，按降序排列，取排在前面的多个词存储到组合词字典中；S5、将组合词和关键词根据权重值的大小联合排序，按照权重值从大到小的顺序，取指定数量的组合词和/或关键词作为标签。

摘要： 本发明公开了一种文章主题成分分解方法，包括以下步骤：接收文章主题成分分解请求，获取预设文本数据库中待分解的文章；将所述文章进行分词处理，得到所述文章对应的关键词集合，并将所述关键词集合中的各关键词转化为对应的词向量；根据各关键词对应的词向量，生成所述文章的文章向量，根据所述文章向量与预设主题向量矩阵，计算得到所述文章的主题成分；将所述主题成分进行归一化处理，得到所述文章的成分信息。本发明还公开了一种文章主题成分分解装置、设备和存储介质。本发明预先设置主题向量矩阵，并基于主题向量矩阵对文章的成分进行分析，实现快速准确地提取文章主题，方便用户查询。

摘要： 本公开公开了一种文章主题挖掘方法和装置及计算机可读存储介质，涉及计算机领域。其中的方法包括：将检测集中待检测的文章表示为文章向量；将文章向量输入聚类机器学习模型得到所述文章的主题概率分布；根据所述文章的主题概率分布，在最大概率与第二大概率之间的差距小于预设阈值的情况下，根据最大概率的主题和第二大概率的主题形成所述文章的复合主题。本公开基于聚类机器学习模型实现了一种自动挖掘文章主题的方案，可以减少人为因素的影响，提高文章主题挖掘地准确性，同时，对于主题不鲜明的文章，形成其复合主题，使得文章主题更具代表性。