情事

摘要： 汉魏赋家与小说家皆长于观采“情事”,在文本创作层面形成互文.假托问答有助于“凭虚构象”和叙事的展开,而“曲终奏雅”有功于劝世道情,这是汉魏赋体与小说共通的结构方式.赋作在经典主题和故事安排,以及志人志怪的情节设置上,开启魏晋小说的法门.又,赋文本保存小说事典、小说文本保存赋文和赋学本事,二者“参体同构”,以虚构、夸饰繁荣中国早期的文学文本,对中国叙事文学“情事”的建构具有范式意义.

摘要： 文章常常要求以“情”感人。“为情造文”“为文造情”,依然是如今作文常用的两种技法。“情”,通常认为是“情感”。其实,一篇优秀的文学作品,“情感”“情境”“情景”“情事”,四者缺一不可。只有将它们四者有机结合,才会产生杰出的作品。

摘要： 文章常常要求以"情"感人."为情造文""为文造情",依然是如今作文常用的两种技法."情",通常认为是"情感".其实,一篇优秀的文学作品,"情感""情境""情景""情事",四者缺一不可.只有将它们四者有机结合,才会产生杰出的作品.

摘要： "喜欢"是个单纯又复杂的词,因为它同时意味着开始、过程和终结。"喜欢"是一种恰好的情绪。再浅,就显得走马观花;再深,就有纠缠的嫌疑。唯有喜欢,刚刚好,适当地表达了"放在心上"又不至于让对方吃惊回避,也不求对方回应,收放都是自己的事情。一直觉得人要在很小的时候就理解"喜欢"这件事,喜欢别人,也被人喜欢,像把衬衫的领子熨得服帖又挺括,这样长大后遇到情事才不会又傻又尴尬,无论是追求他人还是被他人追求都会处理得得体。因为理解了,便不会计较,不会陷在"谁喜欢得多一点"这种傻问题上。

摘要： 郁达夫与王映霞的爱情传奇被认为是“现代中国文学史上最著名的情事之一”,著名诗人柳亚子曾赠诗二人的结合,诗中有“富春江上神仙侣”一句,堪称经典。相比之下,郁达夫原配孙荃的知名度要低得多。可是,最富感染力的爱往往是以平淡打动人心的,孙荃对郁达夫的情意更令人动容。

摘要： 听到母校要易址的消息时,我没半点惊讶,那座建造于九十年代的建筑群终于没法继续容纳逐年扩招的学子,后来人得以幸运地入驻新新校舍,他们会用有领新的食室、宿舍、林道道,兴许还有……我脑海里突然冒出当年和陈谙的一段对话一一她说,自学校要是有个小树林就好了,这样我和徐靖就可以在里面幽会了。“我拿书扔她,“你害不害臊哇!”

摘要： 本申请公开了训练样本生成、文本数据、舆情事件分类方法及相关设备，在本申请实施例提供的训练样本生成方法中，首先对文本数据进行聚类处理，因为文本数据被聚类，当找到一个目标类别对应的聚类结果后，只需要在其对应的聚类结果中去选择符合目标类别条件的文本数据然后进行类别标注，就可以得到这个目标类别的训练样本，而不用再去分析其他聚类中的文本数据是否存在符合目标类别条件的情况。因此，极大的缩小了文本数据的选择范围，提高了标注的效率和样本的准确性，缩短了标注文本数据的时间。同时，提升了文本数据分类和舆情事件分类过程的效率和准确性。

摘要： 基于机器学习的舆情事件反转检测方法，涉及机器学习。依次使用以下步骤：输入舆情期间新闻事件相关的新闻实体，获得舆情期间公众评论并关联到新闻事件报道；使用基于位置信息的情感极性预测模型抽取公众评论对于新闻实体的情感极性；使用公众情感演变模型，得到舆情期间公众评论情感极性转变的时间点；使用自回归模型与句子嵌入相结合的方式，确定引发舆情反转的新闻事件。实验表明，舆情事件反转检测系统精确的确定了公众舆情反转点的位置以及造成的原因。

摘要： 本发明公开了一种舆情事件中社交媒体用户角色分类方法，其步骤包括：1.获取社交媒体中的用户信息，并提取用户特征，2.设计非参贝叶斯模型混合狄利克雷过程混合模型(h‑DPMM)建模用户角色，3.设计吉布斯采样推断参数，分析舆情事件中社交媒体的用户角色，本发明能够利用在线社交媒体平台中用户生成的内容将用户为不同的角色，从而实现对群体中角色类型全面快速且精准地分类。

摘要： 本发明公开了案情事实抽取方法及系统及装置及介质，涉及人工智能领域，包括：获得第一训练集，构建第一分类模型，利用第一训练集训练第一分类模型获得触发词识别模型；利用第二训练集训练第一概率预测模型和第二概率预测模型获得论元起点预测模型；获得待处理裁判文书，将待处理裁判文书输入触发词识别模型，获得触发词识别结果；将待处理裁判文书输入论元起点预测模型模型，获得论元的起始位置；基于起始位置获得相应的论元字段；基于触发词识别结果和论元字段获得待处理裁判文书的案情事实，本方法能够实现在从裁判文书中自动抽取案情事实。

摘要： 本发明属于社交网络分析传播领域，特别涉及一种基于注意力机制的网络舆情事件演化趋势预测方法，包括从基于Web的研究型推荐系统下载或者利用社交平台的公共API获取原始数据；对于获取的数据进行预处理，并去除数据中的噪声和冗余数据，提取在信息传播过程中用户之间的注意力；构建基于注意力机制的GRU模型；利用历史数据通时间反向传播算法过对模型进行训练，在训练过程中最小化损失函数，训练参数通过使用小批量的Momentum优化器来更新；将待预测的数据输入训练好的模型，即可预测信息下一阶段可能传播的用户；本发明可以对信息传播过程进行有效干预和实时控制。

摘要： 本发明属于网络空间认知技术领域，公开了一种结合内容和图谱的舆情事件推荐方法、系统及终端。将领域知识图谱引入相关舆情事件推荐中，采用实体提取和关系提取知识图谱构建方法将舆情事件整合到已有的领域图谱数据，并采用TransE的知识嵌入方法计算事件的知识表示；对获取的最终的事件表示，以舆情事件的影响力指数作为额外补充信息，为推荐数量不满足k个的事件推荐k‑n个影响力值最大的事件作为补充。本发明创新性地将领域知识图谱引入相关舆情事件推荐中，采用实体提取和关系提取等知识图谱构建方法将舆情事件整合到已有的领域图谱数据，并采用TransE的知识嵌入方法计算事件的知识表示。

摘要： 一种基于事件传播特征的互联网舆情事件自动预警系统，包括：依次相连的数据采集模块、数据预处理模块、事件形成模块、特征捕获模块和决策模块，其中：数据采集模块通过爬虫系统获取全网各个媒体平台的新闻消息数据，数据采集模块通过爬虫系统获取全网各个媒体平台的新闻消息数据，进行初步处理并输出基础数据结果至数据预处理模块，数据预处理模块对来自全网的各种格式的杂乱数据进行清洗工作，进行数据预处理并输出数据结果至事件形成模块，事件形成模块从数据预处理模块获得信息进行事件形成处理并对形成的事件进行特征采集并输出描述事件属性的特征至决策模块，决策模块根据描述事件属性的特征进行决策处理并通过多次实验寻找到最适合的决策模块参数，达到最大准确度的实时完成自动舆情事件预警功能。

摘要： 本发明公开了一种基于舆情事件智能搜寻的媒体资产管理系统，涉及人工智能领域。主要包括：存储模块，用于存储原始图像，接收并存储加密模块所发送的加密图像；加密模块，用于分别获得原始图像在RGB上每一通道对应的加密图像，并将各加密图像发送至存储模块；其中，加密图像的获取，包括：对原始图像的每一通道进行重排列，分别获得每一通道重排列后图像中每一像素点对应的特征块；生成第一、第二、第三加密图像，并对第一加密图像中首列各像素点的像素值进行赋值，根据分别在第一、第二、第三加密图像中像素点所对应的特征块，分别确定第二/第三加密图像中每一像素点的像素值，以获得原始图像的每一通道对应的加密图像。

摘要： 本发明涉及一种基于多任务学习的社交媒体疫情事件抽取技术，包括：提取文本的多个特征向量；将多个特征向量进行融合；进行多任务联合训练，多任务包括相关预测、实体填槽预测和句子分类预测；对疫情事件进行相关预测；对疫情事件进行实体填槽预测；对疫情事件进行句子分类预测。本发明的有益效果是：本发明通过改进多任务学习，并且加入Attention机制获得多特征融合向量，增强模型的信息提取能力，获得更为准确有效的信息，同时利用多任务联合训练实现不同任务间的信息共享，进行任务预测，提高针对社交媒体的Covid‑19事件抽取性能，并且在WNUT‑2020shared Task3数据集中获得了优异性能。

摘要： 本申请提供一种舆情事件的信息提取方法、设备和存储介质，该方法可以包括：获取舆情问题和舆情文本，并分别生成所述舆情问题对应的问题句特征向量、所述舆情文本所含句子对应的文本句特征向量；通过自注意力机制对输入进行编码及特征提取，得到的输出包含优化后文本句特征向量；确定每一优化后文本句特征向量在所述舆情文本中对应的句子所含的词，并根据每一优化后文本句特征向量对相应句子所含各个文本词对应的文本词特征向量进行优化，得到优化后文本词特征向量；根据所述优化后文本词特征向量，从所述舆情文本中预测出所述舆情问题的答案。通过本申请的技术方案，可以从舆情文本中准确、高效地提取出针对舆情问题的答案。