本命年

摘要： 亚非种业有三宝,员工、客户、产品。员工在亚非种业这个温暖的家庭收获事业与爱情,能扎下根、沉下心,实现梦想,与亚非种业同兴衰共繁荣。

摘要： 提起谣言,许多人会联想到那些捕风捉影的内容,比如每逢本命年,无论男女老幼都要身穿红内衣、脚着红绒袜,否则一整年诸事都会不顺。其实,生活中还有一部分披着科学“外衣”的谣言更易蛊惑人心,危害性也更大。这类谣言大多是抓住了公众对新科技或者身边事物的浓厚兴趣,通过歪曲事实、恶意编造和嫁接等方式,以达到混淆视听、快速传播的目的。以下就列举几个比较有代表性的案例,供大家参考。

摘要： 《重走:在公路、河流和驿道上寻找西南联大》杨潇著铸刻文化丨上海文艺出版社2024年5月杨潇在自己36岁本命年“陷入某种存在主义危机”,作为前资深媒体人,他辞职后规划的写作计划无法推进,感觉“生活像永远对不准的指针”。重走1938年长沙临时大学(也就是后来著名的西南联大)师生湘黔滇旅行团走过的1600千米旅程的计划,。

摘要： 本命年常被认为是个不吉利的年份,每逢本命年,人们往往紧张不已,但凡有不顺利,便归咎于本命年。人们为何偏偏认为这一年难捱呢?你有多少个本命?所谓“本命年”,即一个人出生年的地支,与流年的地支相同之年,简单的说,每到自己属相所在年份,就是本命年。

摘要： 辛丑牛年将至,属牛的我也将迎来自己84岁的本命年。尽管已是耄耋之年,可对艺术的探索与追求,始终一如曾经求学浙江美院时的初心一般,从来不曾改变。今年我们将迎来伟大的中国共产党建党一百周年的重要时刻,我生长于艰苦卓绝的抗日战争时期,历经艰难,与祖国同呼吸,共命运,乘着"改革开放"的东风,晚年欣逢盛世,见证伟大祖国的崛起与民族复兴,今昔对比,感何如哉!不禁想起伟人的诗句:"虎踞龙盘今胜昔,天翻地覆慨而慷"!

摘要： 在中国人传统观念里,牛是吃苦耐劳、努力奋进的代表,因此,也赋予生肖牛诸多象征意义:不仅代表着人们对美好生活的寄托,还代表着敢于拼搏、开拓进取的力量和脚踏实地、勤劳奉献的精神。在2021“金牛”年来临之际,生肖属牛的“牛人”们已经开始盘点自己本命年的打算。希望每个人都能在这个蕴含着“牛”味的一年里,拥抱新希望,踏上新征程。

摘要： 年,牛年,说到就到。我,迎来第五个本命年,满六十了。晨起对镜端详,发如墨,鬓无霜,自感面庞不像父辈,到此年龄,明显老了。但我不自恋,自知心态无论有多年轻,毕竟岁月无情,风刀霜剑,怎可能面不留痕?老,是无法否认的。

摘要： 2021年,我迎来了本命年,我和老伴都属牛,是共和国的同龄人,是一生为祖国默默奉献的“老黄牛”。多年来,我们相濡以沫,互相扶持,经营家庭,孩子们都很孝顺、上进。

摘要： 我在一个小山沟里生活了整整十二年。在我人生中第一个所谓本命年的那个夏天,我离开了那个叫作燕耳崖的小地方。那真的是一个极小的地方,一条从山脊顺下的小河沟两侧,稀稀疏疏没有规则地排布着一些老瓦房、土平房,或者茅草房。我在上了小学的时候,才知道小村庄的学名叫燕耳崖,其实,它还有个更常用的俗名——野鸡沟。

摘要： 民间有“本命年扎红腰带”之俗。人们将属相当成自己的本命,到了该属相的年便是“本命年”,本命年也为年忌。根据《灵枢经》中的记述,得知设置年忌本为让人自警,不干坏事,以规范社会行为。每到年忌之年,遂成厄关,须用各种辟邪方法防止病灾、伤亡、祸事的发生。最常用的辟邪办法就是扎红腰带,或戴红兜兜、钉红领子,以红克邪。

摘要： 利用天干地支和木星、太阳系其它星球、太阳系外星球的能量场生物场效应，探讨本命年与人体健康。从中国干支瞬间生物效应和现代天文宇宙星球能量场瞬间生物效应，对地球场量引起人体生物场的作用，探讨在本命年和非本命年人群的健康变化。

摘要： 本发明公开了一种基于数据增强与主动学习的小样本命名实体识别方法，目的是提升主动学习方法早期识别未标注数据的F1值，且针对多种查询策略有效。技术方案是先构建结合数据增强的主动命名实体识别系统；准备训练命名实体识别模型所需的数据集。主动学习模块、数据标注模块、数据增强模块采用多轮循环的方式对命名实体识别模块中的命名实体识别模型进行训练并对数据进行标注和增强。训练后的命名实体识别模块对测试数据池T内的文本进行命名实体识别，得到预测的标签序列。本发明实现了在早期参与训练的标注数据少时快速提高命名实体识别的效果，使得相比原来的主动学习下的命名实体识别方法，多种查询策略的F1值都有提升。

摘要： 本发明公开了一种文本命名实体识别方法与系统，方法包含以下步骤：获取已标注文本数据，并对已标注文本数据进行处理得到可输入数据增强模型的训练数据集；对已标注文本数据进行数据增强得到增强型已标注文本数据；将原有的已标注文本数据与增强型已标注文本数据整合为可输入模型进行训练的格式构成训练集和验证集；搭建模型并使用训练集和验证集进行模型训练；将待识别文本数据输入模型中，处理得到待识别文本数据中的实体集合数据；对实体集合数据进行清洗消除实体嵌套得到实体识别结果数据；系统包含数据处理模块、数据增强模块、数据整合模块、深度学习模型构建模块、实体识别模块、实体清洗模块。

摘要： 本申请实施例提供了一种脚本命令漏洞检测方法、漏洞扫描器及存储介质，所述方法包括：对输入的脚本命令进行语法解析，获取抽象语法树；根据所述脚本命令的类型，对所述抽象语法树进行跟踪审计分析；根据所述审计分析结果判定脚本命令是否存在漏洞，本申请实施例可以应对脚本命令漏洞带来的信息安全问题。

摘要： 本发明公开了一种医疗文本命名实体识别方法及系统，所述方法包括以下步骤：获取待识别医疗文本；基于预训练的命名实体识别模型，对所述待识别医疗文本进行命名实体识别；其中，所述命名实体识别模型训练方法包括：获取已进行实体标注的医疗文本训练数据集，对每个训练数据均进行字符级编码、实体位置编码和实体类别编码；根据选定中文预训练模型，根据所述字符级编码及相应的实体位置编码和实体类别编码，训练得到所述命名实体识别模型。本发明通过改进实体位置编码和实体类别编码方法，能够快速高效的进行命名实体预测。

摘要： 本发明涉及文本识别技术领域，具体涉及一种合同文本命名实体识别方法及模型。本发明的方法包括获取合同文本的语句序列；提取合同文本的语句序列的语法及语义特征，得到合同文本的词序列特征向量；对文本的词序列特征向量进行特征提取和特征融合，得到文本的预测标签；以及对预测标签进行修正处理，输出合同文本标签步骤。本发明的方法步骤均通过采用人工智能的深度学习方法识别合同文本的实体信息，不再需要耗费大量人力制定大量规则，且能够自动、高效识别出输入的合同文本中的命名实体信息，为后续文本分类、数据脱敏等任务提供准确的实体标签。

摘要： 本发明公开了基于混合多原型的小样本命名实体识别方法，包括以下步骤：从训练和测试数据集中采样片段，片段包括支持集和查询集；对于支持集，采用实体标签扩充序列，以丰富句子的语义；使用编码器来嵌入支持集和查询集中的序列，产生具有上下文信息的符号和标签嵌入；基于具有上下文信息的符号和标签嵌入，生成所有类的混合多原型表示；根据符号与混合多原型类表示的距离来预测查询集中词的标签。本发明方法提出了一种新的多原型类表示策略，以减少潜在的表示偏差，提高单原型方法的表达能力；设计了一种混合策略来构造实体类和非实体类的多原型，由此使得本发明识别效果非常高。

摘要： 本发明属于人工智能技术领域，公开了一种通过脚本命令实现大数据任务和机器学习任务交互的方法，该方法包括如下步骤：根据ANTLRV4定义一种语言的规范和语法；读取脚本内容，进行语法解析，将脚本内容翻译成RDD data frame或者Python的代码；将RDD data frame或者Python的代码提交到SPARK引擎与RAY引擎；SPARK引擎与RAY引擎进行数据交互。本发明提供一种通过脚本命令实现大数据任务和机器学习任务交互的方法，以解决“算法落地成本高于收益”以及“人才资源不足，时间成本高”的问题。

摘要： 本发明涉及容器技术领域，具体提供一种shell命令调用python脚本命令的方法、装置及存储介质，旨在解决现有方法由于第二条命令是基于进入虚拟环境后才能执行，此时流命令已经结束而退出虚拟环境，导致第二条命令在虚拟环境中无法执行的技术问题。为此目的，本发明的shell命令调用python脚本命令的方法包括下述步骤：获取要执行python的虚拟环境信息、调用方法名和待生成的脚本文件的位置信息；将虚拟环境信息、调用方法名和位置信息存储至缓存中；基于虚拟环境信息和调用方法名生成脚本文件；基于位置信息执行调用脚本文件，并返回执行结果。

摘要： 本发明涉及融合知识提示的法律文本小样本命名实体识别方法，属于自然语言处理与机器学习领域。本发明首先定义裁判文书的提示性模板、标签集和自然词集的映射关系，从中国裁判文书网平台获取了2760篇裁定书和判决书文档；然后采用Bert模型对案件陈述和判决结果句子的嵌入向量进行编码，通过注意力加权得到句子的特征表示，结合构造的模板指导生成式预训练模型GPT生成词的类别向量；最后，利用全连接层将句子向量转化为跨度向量，生成语义标签，最小化其与标签向量的损失函数。本发明有效缓解了在法律领域下，由于其标注样本较少、与通用领域的实体类型分布不同造成的过拟合与分类不准确的问题，提升了法律实体识别的准确率和模型的迁移能力。

摘要： 一种医学文本命名实体识别方法，采用了loss函数里面对预训练语言模型进行L1回归的方式去学习，平衡了预训练部分与配合命名实体识别增加部分的参数学习，提升了模型训练效果的同时，也提升了命名实体识别的效果。在训练过程中创新性采用了反向修改条件随机场中转移矩阵的方法，形成了对不合法标签的惩罚，使得医学文本命名实体识别模型能够被动的掌握避免出现不合法标签的方法，所以在解码过程中仅仅使用argmax运算就可以进行解码，摆脱了对维特比算法的依赖，提高了医学命名实体识别的推理速度，提升了大数据量下的医学文本命名实体识别场景的实时性。