知名作家

摘要： 如今在贵州,无论农村还是城市,叶辛接触到的贵州人都自信满满。“这就是贵州撕掉千百年来的绝对贫困标签后,老百姓充满自信的心理状态和对未来充满希望的饱满热情。”1969年,叶辛作为知青下乡结缘贵州,50多年来与贵州结下深厚情谊。作为知名作家,中国作家协会原副主席,叶辛多年来写下了长篇小说《巨澜》三部曲、《五姐妹》和散文集《打开贵州这本书》《爱上荔波》等大量的贵州题材作品。日前,在《国务院关于支持贵州在新时代西部大开发上闯新路的意见》颁发之际,贵州日报天眼新闻记者对叶辛进行独家专访。

摘要： 近日,首部叙述华人在德国的书籍《中国人在德国》出版。著作者雅兰系旅德作家、社会学家,此书具有一定的社会学价值和文学价值,已在加拿大科发集团出版社正式出版。江苏知名作家凌鼎年先生为其写了评论,充分肯定了雅兰的付出与才华,将旅德华人的酸甜苦辣尽录此书中。

摘要： 不负四月春色,共享阅读美好时光。在第27个“世界读书日”到来之际,浙江省衢州市妇联开展了“亲子共沐书香强国复兴有我”家庭亲子阅读主题活动,通过知名作家现场分享、好书互相分享、趣味实地研学、现场知识竞赛等环节。

摘要： 2020年11月30日,中国作家协会副主席何建明一行莅临十一科技,与《散文诗世界》名誉主编、知名作家赵振元、主编宓月等亲切交谈。

摘要： 朦胧诗,兴起于20世纪70年代末80年代初。它以“叛逆”的精神,打破了当时现实主义创作原则一统诗坛的局面,为诗歌注入了新的生命力。历来对朦胧诗解读的维度很多,笔者重点选择两个方面,并借助三位知名作家来阐释朦胧诗的艺术技巧和时代主题。

摘要： 作家余华出圈了。与他那张拿着讲话稿站在台上的照片一起出圈的,还有关于“文学已死”的种种评论。余华很少在公众前露面。这一次露面,却是给商业性教育机构站台,讲述“如何写好中高考作文”。很多人因此感受到了落差。文学的自由创作和刻板套路的高考作文之间,在他们看来存在不可调和的矛盾。一个文学大神,竟然也为了通告费而折腰,来比划起高考作文来了——尤其这个文学大神,当年还是高考的失利者,就更显得有些许错位。也有很多人为余华辩解,认为知名作家与中学生亲密接触,是好事情。我们改变不了高考的套路化,但不能隔绝中学生亲近文学的路径。我仔细听了余华的演讲——更准确地说是照本宣科的读稿,印象比较深的是他真的不是在讲文学,而是把自己关于获取高考高分的心得和盘托出,即便这种心得和文学的自由创作在本质上是冲突的。

摘要： 朋友在大学工作三十多年,至今还是副教授。他不是不努力,而是努力的方向与别人不一样。其他人忙着争课题,在学术期刊发文章;朋友却忙着写小说。但他所在大学有个规矩;文学创作不算科研成果,虽然我的朋友已是知名作家,虽然他教的课是中国现当代文学。看到朋友职称没上去,学术掮客们纷纷找上门来,有声称愿意帮他在某个课题上挂名的。

摘要： 我现在的地方,叫半塔,皖东来安县一个很有些来历的古镇。让我从皖南,一路驱车三个半小时,赶来与这块素昧平生的土地,完成小小一段时空交叠的,是应邀参加一个谓之“知名作家看来安”的采风活动。更准确说,是知名散文家看来安,因为应邀前往的,都是各路散文高手,中国散文学会副会长,还有江苏、安徽等地知名散文作家,都千里迢迢,或风尘仆仆,赶来了。

摘要： 《中华读书报》2020年7月15日3版刊有知名作家周梅森先生的《饮酒趣事》,其中一章,是作者回忆去东北林区采风时的一场酒事。

摘要： 正如我所崇拜的一位知名作家所说:"对于离开家乡的人来说,一般意义上都有两个家,一个是故乡,一个是居住地。"中国人的传统在精神上固执地认同祖籍地才是故乡,而非出生地、或长久居留之地,即使是终老之地也很难和故乡相媲美。美国作家福克纳终其一生都在书写他的家乡,"那块邮票般大小"的奥克斯福;莫言笔下的"高密东北乡"也名扬天下。

摘要： 本发明公开了一种基于网络表征和语义表征的同名作者消歧方法。本方法为：1)提取目标论文库中各论文的语义特征和离散特征；2)基于离散特征计算各论文间的相似度，得到论文的关系相似性矩阵；如果一论文与其他论文没有共同作者或机构，则将其加入一离群论文集中；3)基于各论文的所述语义特征计算论文的语义相似度矩阵；将目标论文库中不包含语义特征的论文加入离群论文集中；4)将关系相似性矩阵和语义相似度矩阵加权求和，获得论文相似度矩阵并对其进行聚类；将不属于任何簇的论文加入离群论文集中；5)利用基于相似度阈值匹配的方法将离群论文集中的论文分配到对应的簇中。本发明实现高准确率的论文同名作者的消歧。

摘要： 本发明涉及一种基于高置信度特征属性分层聚类方法的论文同名作者消歧方法。主要步骤：（1）先从学术搜索引擎中抽取出原始数据，提取出特征属性值，对其进行规范化处理；（2）根据规则，先形成别名组，然后根据别名组生成同形异义作者歧义组；（3）分别对各个单特征属性进行相似度计算和消歧方法的选取；（4）通过由步骤3得出的各个属性置信度评估，得出基于高置信度的特征属性层次聚类方法。应用本发明，不仅保证了姓名消歧的速度，也提高了消歧的准确率。

摘要： 本发明公开了一种无监督的基于表示学习的同名作者消歧方法及装置，包括：对科学文献数据进行预处理；利用Word2Vec预训练模型和SCIBERT预训练模型分别生成基于Word2Vec和基于SCIBERT的文本语义表示向量；通过对消歧数据的处理生成局部异质网络，指定元路径metapath并利用metapath2vec方法获取基于局部图结构的论文关系表示向量；针对上述三种表征向量分别生成相似度矩阵并进行加权求和；利用无监督聚类方法进行聚类；对聚类离散点进行簇指派，得到最终消歧结果。本发明利用论文的表征信息，结合多重混合的表征学习和聚类离散点指派方法，增强消歧算法的泛化能力与鲁棒性，提高了消歧准确度与消歧效率。

摘要： 本发明公开了同名作者判断方法、装置、电子设备及可读存储介质，涉及大数据和数据处理技术领域，在该同名作者判断方法中，本发明应用大数据技术搜索出目标作者姓名的全部论文，并按发表论文的单位进行分类，检索出论文的基本词，并应用词频‑逆文档词频方法提取论文的核心词；再由此建立论文的核心词词频向量，计算不同论文之间的相似度，从而建立同一单位论文的相似度自相关矩阵和不同单位论文的相似度互相关矩阵；最后通过相似度自相关矩阵和相似度互相关矩阵，分别计算论文相似度的自相关矩阵相似度指数和互相关矩阵相似度指数，由此可以判断不同单位以所述目标作者姓名发表论文的作者是否为同一人。

摘要： 本发明公开了基于预训练模型与决策树的增量式论文同名作者消歧方法，属于神经网络与作者同名消歧技术领域，所述方法利用人工定义特征与XLNet提取特征相结合的特征提取，首先使用人工定义特征提取论文中作者名称、机构等字段的信息，使用XLNet提取论文标题、摘要等字段的信息，之后利用XGBoost与提取出的特征来预测每篇论文应该归属的正确作者，对于该步未能分配出的论文进行凝聚式聚类的后处理，获取主聚类作为新的作者论文集，预测结果使用准确率、召回率以及F1值。本发明能够对论文的信息进行更加充分地提取，具有较强的可解释性，具有较强的鲁棒性，在处理噪点较多以及论文信息较为齐全的数据上有较优秀的表现。

摘要： 本发明提供一种重名作者文献聚类方法及装置，通过获取目标文献集中任意两篇文献的相关性参数，相关性参数包括作者同现指数、关键词相关指数、作者单位相似性指数、论文分类号相关指数、以及引用关系指数；根据任意两篇文献的相关性参数获取任意两篇文献的相关系数；根据任意两篇文献的相关系数对目标文献集进行聚类分析，获取基于重名作者的聚类结果，每一聚类下的文献中重名作者均表示同一个作者实体，消除重名作者歧义问题，在学术文献计量分析、科技评价、学术研究等方面具有很高的应用价值，能够提高学术分析的精准化程度。

摘要： 本发明公开了一种无监督的基于表示学习的同名作者消歧方法及装置，包括：对科学文献数据进行预处理；利用Word2Vec预训练模型和SCIBERT预训练模型分别生成基于Word2Vec和基于SCIBERT的文本语义表示向量；通过对消歧数据的处理生成局部异质网络，指定元路径metapath并利用metapath2vec方法获取基于局部图结构的论文关系表示向量；针对上述三种表征向量分别生成相似度矩阵并进行加权求和；利用无监督聚类方法进行聚类；对聚类离散点进行簇指派，得到最终消歧结果。本发明利用论文的表征信息，结合多重混合的表征学习和聚类离散点指派方法，增强消歧算法的泛化能力与鲁棒性，提高了消歧准确度与消歧效率。

摘要： 本发明公开了一种基于网络表征和语义表征的同名作者消歧方法。本方法为：1)提取目标论文库中各论文的语义特征和离散特征；2)基于离散特征计算各论文间的相似度，得到论文的关系相似性矩阵；如果一论文与其他论文没有共同作者或机构，则将其加入一离群论文集中；3)基于各论文的所述语义特征计算论文的语义相似度矩阵；将目标论文库中不包含语义特征的论文加入离群论文集中；4)将关系相似性矩阵和语义相似度矩阵加权求和，获得论文相似度矩阵并对其进行聚类；将不属于任何簇的论文加入离群论文集中；5)利用基于相似度阈值匹配的方法将离群论文集中的论文分配到对应的簇中。本发明实现高准确率的论文同名作者的消歧。

摘要： 本发明公开了一种基于分层网络的重名作者辨识方法，包括：步骤1，对于给定文献数据集按照发表时间划分子集；为子集构建作者合作网络G

摘要： 本发明涉及一种基于高置信度特征属性分层聚类方法的论文同名作者消歧方法。主要步骤：（1）先从学术搜索引擎中抽取出原始数据，提取出特征属性值，对其进行规范化处理；（2）根据规则，先形成别名组，然后根据别名组生成同形异义作者歧义组；（3）分别对各个单特征属性进行相似度计算和消歧方法的选取；（4）通过由步骤3得出的各个属性置信度评估，得出基于高置信度的特征属性层次聚类方法。应用本发明，不仅保证了姓名消歧的速度，也提高了消歧的准确率。