基于受限语言的领域需求描述方法

合集下载

基于受限自然语言和模块组合的代码自动生成

基于受限自然语言和模块组合的代码自动生成

获取用户通过界 面对话框输入的 自然语言语句 ,把处理结果 显示在右边的输 出框 内;另一方面,可 以把 自然语言语句写 入系统指定的文本文件 ,然后处理完所有 的自然语言语句 , 并把处理结果写入另一个文本文件并输出。 N MC G系统分词模块借助于事先建立的数据词典, L P 对
输 入的 自然语言语句进行分词操作,由于该系统是一个基于 受限汉语 的生成系统 ,因此系统使用的数据词典是由北京大 学和富士通共同制作的人 民日报标注语料库 中抽取 出来 的一 部 分常 用词 建 立 的 。 由于 中文 语句 理 解 中 ,最 难解 决 的就 是
较随意的中文需求语句 , 用户的输入转换为标 准的 C程序 , 把 返回给用户。 提出一种 I 分词算法 , MM 改进原有 MM 法在局部 的最大匹配 ,
减少错误切分句子 的数量 ,提高分词 的精度 。
关健词 :自然语言理解 ;I MM 算法 ;模块组合
Co eAu o a i n r to s d 0 d t m t Ge e a i n Ba e n c
第3 4卷 第 2 O期
V 1 4 o. 3

l O月
Oc ob r2 0 t e 0 8
No 2 .o
Com put rEn ne rng e gi e i
软件技 术 与数据库 ・
文章 编号: 00- 2(0)-05-0 文献标识码: 10-3 8 08 0- 8-3 -4 2 2-0 - - A
Li i d Na ur n u g n o u a y t e i m t t eLa g a ea d M d l rS n h ss e
CHEN Yu . ANG Zh n nW eg ( p r n f mp t , o g igU ies y C o g ig4 o 4 ) De at t me o Co ue Ch n qn n v ri , h n qn 0 o 4 r t

2013校级SIT项目汇总表(信科院)

2013校级SIT项目汇总表(信科院)

学生专业 年级
安全1101 安全1102 保密1101 保密1101 保密1101 李达计算 李达计算 李达计算 软件1102 软件1105 软件1106 通信1103 通信1105 智能1101 智能1101 计科1101 保密1201 软件1003 数媒1001 数媒1201 安全1202 物联1202 计科1204 软件1202
教授 大规模蛋白质相互作用网络复合物挖掘算法研究与可视化平台开发 林正
Байду номын сангаас
副教授 移动传感系统基于任务地图的多分辨任务分发方法研究 助理教授 基于JAVAEE的汉语词汇自适应学习系统的研究与实现 王君 副教授 副教授 大学生网络旧物交易平台构建的研究 基于位置服务的个性化推荐算法及应用研究 李庆康 关显潇 赵智慧 李博 兰天
学生参 项目 是否 项目类别 备注 与人5 排序 立项
创新训练 魏一然 王雪薇 创新训练 创新训练 创新训练 创新训练 创新训练 创新训练 创新训练 创新训练 创新训练 创新训练 创新训练 赵杏 叶一帆 创新训练 创新训练 创新训练 创新训练 创新训练 创新训练 创新训练 创新训练 创新训练 创新训练 赵家洁 创新训练 创新训练 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 是 是 是 是 是 是 是 是 是 是 是 是 是 是 是 是 是 是 是 是 是 是 是 是
博士 基于Openstack虚拟云桌面的数字系统设计与仿真实验系统 刘彧 副教授 移动传感系统基于“地点”的虚拟数据路由算法的研究 讲师 副教授 对五子棋核心算法的研究 云端密码管理器
大学生创新性实验和创新训练(SIT)计划项目汇总表
学院

一种基于本体的叙词语义描述方法

一种基于本体的叙词语义描述方法

一种基于本体的叙词语义描述方法一种基于本体的叙词语义描述方法的论文提纲:第一章:研究背景和意义1.1 研究背景概述1.2 研究意义分析1.3 国内外研究现状介绍第二章:相关知识和理论基础2.1 本体和本体建模介绍2.2 语义描述方法概述2.3 叙词分类及其语义表达方法介绍第三章:基于本体的叙词语义描述方法3.1 本体构建流程3.2 本体实体和关系描述3.3 叙词语义描述方法实现第四章:实验设计和结果分析4.1 实验设计和数据集构建4.2 实验结果和分析4.3 对比分析和优化方案第五章:总结与展望5.1 本研究工作总结5.2 不足之处和改进设想5.3 展望未来发展趋势以上为一种基于本体的叙词语义描述方法的论文提纲,具体章节可根据实际情况进行适当调整。

第一章:研究背景和意义1.1 研究背景概述随着互联网和人工智能技术的飞速发展,自然语言处理成为了人工智能领域中一个非常重要的研究方向。

而在自然语言处理领域中,叙词是一个重要的研究对象,因为它们通常是句子或篇章的核心,决定着句子或篇章的意义。

通过对叙词进行语义描述能够为语言理解和自然语言处理提供基础。

然而,对叙词进行语义描述是一个相对困难的任务,因为叙词通常有多重含义,而且在不同的上下文中可能会有不同的意思。

此外,叙词的含义还可能会受到各种因素的影响,如语音、语调、语境等。

1.2 研究意义分析因此,本篇论文旨在研究一种基于本体的叙词语义描述方法,以提高对叙词的语义理解和识别能力。

本文的研究意义如下:1. 通过提出这种新方法,能够对叙词的多重含义进行更精准的描述和识别,为下一步的自然语言处理和文本分析提供更好的基础;2. 对本体的应用进行探索,可以增强叙词语义描述的准确性和完整性,从而增强自然语言处理的能力;3. 本文所介绍的叙词语义描述方法可以推广到其他语言和文化领域,从而促进国际社会语言和文化的交流和理解。

1.3 国内外研究现状介绍针对叙词语义描述的研究已经成为自然语言处理领域中一个非常活跃的研究方向。

使用ChatGPT进行用户调研和需求分析的方法

使用ChatGPT进行用户调研和需求分析的方法

使用ChatGPT进行用户调研和需求分析的方法随着人工智能技术的不断发展,ChatGPT(Chat-based Language Model for User Research and Requirements Analysis)成为了一种热门的工具,广泛应用于用户调研和需求分析领域。

本文将介绍使用ChatGPT进行用户调研和需求分析的方法,并探讨其优势和局限性。

一、ChatGPT简介ChatGPT是由OpenAI开发的一种基于语言模型的聊天机器人。

它通过深度学习技术,能够生成逼真的自然语言回复,实现与用户的对话交互。

ChatGPT可以用于多种场景,包括客服对话、智能助手以及用户调研和需求分析等。

二、ChatGPT在用户调研中的应用1. 问卷调查替代品:传统的问卷调查往往需要用户填写大量的文字或选择题,而ChatGPT可以通过对话形式与用户进行交互,更加灵活和自然。

用户可以通过与ChatGPT的对话来表达自己的需求、意见和反馈,从而提供更加详细和准确的信息。

2. 用户需求挖掘:ChatGPT可以通过与用户的对话,主动引导用户表达需求。

通过提问和追问,ChatGPT可以帮助用户深入思考自己的需求,并将其表达出来。

这种方式比传统的需求调研更加互动和个性化,能够挖掘出用户潜在的需求和期望。

3. 用户情感分析:ChatGPT可以分析用户的情感态度,从而了解用户对产品或服务的满意度和不满意度。

通过对用户情感的分析,可以更好地理解用户需求背后的动机和目标,从而提供更有针对性的解决方案。

三、ChatGPT的优势1. 灵活性:ChatGPT的对话形式使得用户调研更加灵活和自由。

用户可以按照自己的思路和表达方式与ChatGPT进行对话,而不需要受限于固定的问题和选项。

这种灵活性能够更好地满足用户的需求,提供更加个性化的用户体验。

2. 深度挖掘:ChatGPT能够通过对话方式引导用户深入思考和表达需求。

与传统的问卷调查相比,ChatGPT可以更好地挖掘用户潜在的需求和期望,帮助企业更好地理解用户需求背后的真正动机和目标。

小学语文朗读研究中期研究报告

小学语文朗读研究中期研究报告

小学语文朗读研究中期研究报告【摘要】这篇中期研究报告旨在探讨小学语文朗读的重要性及实施方法,并评估其对学生的影响。

在本文介绍了小学语文朗读研究的意义、背景和目的。

在分析了小学语文朗读的相关理论,阐述了实施方法,并探讨了效果评估和对学生的影响。

结论部分总结了小学语文朗读研究的启示、局限性和展望。

通过本研究,可以更深入了解小学语文朗读的重要性,并为未来的教学实践提供参考和指导。

【关键词】小学语文朗读、研究报告、中期研究、意义、背景、目的、相关理论、实施方法、效果评估、影响、未来发展、启示、局限性、展望1. 引言1.1 小学语文朗读研究中期研究报告的意义小学语文朗读是小学语文教育中的重要组成部分,对于学生的语文素养和表达能力有着重要的影响。

本研究旨在探讨小学语文朗读的实施方法和效果评估,以及对学生的影响和未来发展。

小学语文朗读研究的中期研究报告意义重大,可以帮助教育工作者更好地了解和掌握小学生朗读教学的理论基础和实践经验,提升学生的语文素养和表达能力。

通过本研究的中期报告,可以为小学语文朗读的教学提供科学依据和指导,促进教育教学工作的改进和提高,有利于培养学生良好的语文阅读习惯和表达能力,增强他们对语文学习的兴趣和自信心。

通过对小学语文朗读研究的中期报告的撰写和发布,可以促进学术交流,推动小学语文朗读教学的发展和创新,有利于提高学生的语文水平和全面发展。

1.2 小学语文朗读研究的背景小学语文朗读作为小学语文教育中的重要环节,一直备受教育界的关注。

背景的认识是深入了解小学语文朗读研究的关键。

小学语文朗读研究的背景主要包括三个方面。

随着教育理念的不断更新和语文教学改革的推进,语文教学越来越注重培养学生的语言表达能力和阅读能力,而朗读作为提高语言表达和阅读能力的有效方法备受瞩目。

随着信息化时代的到来,学生面临着海量的信息和多样的文本,如何有效获取信息和理解文本成为教育工作者亟待解决的问题,而语文朗读正是帮助学生解决这一问题的有效途径之一。

融合大语言模型的领域问答系统构建方法

融合大语言模型的领域问答系统构建方法

融合大语言模型的领域问答系统构建方法目录一、内容概述 (2)二、相关背景介绍 (2)三、融合大语言模型的构建方法 (3)1. 数据收集与处理 (4)2. 模型选择与训练 (5)3. 模型优化与评估 (6)四、领域问答系统的构建步骤 (7)1. 需求分析 (8)2. 知识库建立与整合 (9)3. 系统架构设计与实现 (10)4. 用户界面设计 (11)五、融合大语言模型在领域问答系统中的应用 (12)1. 自然语言处理技术应用 (13)2. 上下文理解与推理能力 (14)3. 知识图谱技术结合应用 (15)4. 跨领域知识融合策略 (16)六、实验与评估方法 (16)1. 实验数据集及预处理 (18)2. 实验设计思路 (19)3. 评估指标与方法 (20)4. 实验结果分析 (20)七、挑战与展望 (21)1. 技术挑战与解决方案 (23)2. 应用前景展望 (24)3. 发展趋势分析 (24)八、总结与未来工作 (25)1. 项目成果总结 (26)2. 经验教训分享 (26)3. 未来工作计划与建议 (28)一、内容概述核心思想部分将介绍构建方法的核心理念,包括如何融合大语言模型技术、如何利用领域知识库、如何设计问答系统的架构等。

强调构建过程中应遵循的原则,如系统性、可扩展性、可维护性等。

在涉及的关键技术方面,将详细介绍本构建方法所需的主要技术手段,包括自然语言处理、深度学习、知识图谱等领域的技术。

强调这些技术在构建领域问答系统过程中的作用和应用方式。

本概述部分将提供一个全面的、具有指导意义的框架,为后续详细阐述构建方法提供基础。

通过本概述,读者可以了解整个构建方法的核心思想和关键技术,为后续的深入研究和实践提供参考。

二、相关背景介绍数据预处理:对领域相关的文本数据进行清洗、去重、分词等操作,为后续处理做好准备。

问题理解:将用户提出的问题进行分词、实体识别、依存句法分析等处理,以获取问题的关键信息。

人工智能ArtificialIntelligence精品课件完整版

人工智能ArtificialIntelligence精品课件完整版
80年代以来旳实用化和工程化
• 主要特点是开始走向实用化和工程化。其主要标志之一是 有一批商品化旳自然语言人机接口系统和机器翻译系统推 向了市场。
• 另一方面,人们已经开始对大规模真实文本进行了解 • 句法-语义分析为主旳思想来自于规则旳措施,而规则不
可能把全部旳知识表达出来 –自然语言在数量上浩瀚无际 –在性质上具有不拟定性和模糊性。
Artificial Intelligence
NLP: 15
© Graduate University , Chinese academy of Sciences.
自然语言了解旳一般问题(13)
• 自然语言了解旳研究大致上经历了三个 时期
– 萌芽时期 – 发展时期
• 早期: 60年代以关键词匹配为主流 • 中期: 70年代以句法-语义分析为主流 • 近期: 80年代以来开始走向实用化和工程化
了解自然语言,首先要让计算机能从库存旳大规模语料中 自动或半自动地获取语言了解所需旳多种知识,对语言现 象作出客观旳、细致旳描述。
• 目前采用旳主要手段是建立多种统计模型,可用于词类旳 自动标注,以及句法语义旳更高层次旳分析。该措施能够 和规则措施相互补充。
Artificial Intelligence
自然语言了解旳一般问题(14)
• 60年代以关键词匹配为主流
特点:
– 没有真正意义上旳语法分析,主要依托关键词匹配技术来辨认输入 句子旳意义
– 在系统中事先存储了大量包括某些关键词旳模式,每个模式与一种 或多种解释(响应式)相相应。
– 每当输入一种句子,系统便查找与之匹配旳模式,一旦匹配成功, 系统就输出相应旳解释,不考虑其他成份对句子意义旳影响
– 语法分析:将单词之间旳线性顺序变换成一种显示单词 怎样与其他单词有关联旳构造。拟定语句是否合乎语法

基于受限语料库的语言平滑算法比较研究

基于受限语料库的语言平滑算法比较研究

关文本缺 少的困扰 , 法通过 大规模语料库的建设来训练语言模型 ,由此而产 生 了严重的数据稀疏 问题。通过 实验研 究 了受 无
限语 料 库 下语 言模 型 平 滑 算 法 的 选择 。 实验 结 论 表 明 ,在 语 料 库 极 度 受 限 的 情 况 下 ,GodT r g能 够发 挥 其低 频 词 汇 重估 o -ui n 优 势 , 良好 解 决 训 练语 料 库 的数 据 稀 疏 问题 。 通 过 该 方 法 ,可 以提 高在 语料 受 限 条件 下语 言模 型 的性 能 。 关 键 词 : 自然 语 言 处理 ; 受 限语 料 库 ;语 言模 型 ; 数据 稀 疏 中图分类号:T 3 1 P 9. 2 文献标志码 :A
出现在 当前语 串之后 。 统计 自然语言理解中常用的数学模 型 有 Ⅳ 元语法模型 、隐马尔可夫模 型、最大熵模型等。其 中 Ⅳ元语法模型更多地用于推测词出现 顺序 的概率 , 并且相对 简单 ,效果也较好。 n元语法模型的基本任务可 以看作下面概率方程: W =( … ) () 1 其中 阱 表示单位词,在这样一个 随机 问题 中,使用 了 先前词 ,也就是历史来预测下序列将要 出现 的词 。令 表示
改善语 言模型是 目前研 究的主流方 向。 本文通过实验 比较了
各种平滑方法在受限语料 库情况下 的性能 , 来解决数据稀疏 问题 。通过实验 ,可 以发现 ,通过选 择合理 的平滑方法可 以 降低模型的复杂度 以及熵值 。
没有出现 。 大量 的未知 的算法 比较研 究
孙 守安 ,杨 根 科 ,杨 祖 华
摘 要 : 随 着 网络 的 广 泛应 用和 科 技 的 高速 发 展 ,人 们 所接 收信 息急 剧 增 加 ,机 器 翻 译 面 临 强 大 的 市 场 需 求。 从 现 存 文 本 资 料 中提 取 语 言模 型 ,是 整 个 机 器翻 译 系统 的 重点 ,决 定 了翻 译 系 统 的性 能表 现 。用 于 特 定领 域 的 文 本翻 译 系统 ,往 往 受 到相
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

*相关工作
目前软件需求自动建模工具还不够成熟 )(!)* ! 随着自然语 言处理技术的发展! 软件需求的自动获取和建模成为研究热 点' 但由于当前自然语言处理技术还不够成熟!汉语表达形式 多样!描述随意且存在歧义! 因而计算机还不能完全理解自然 语言 )4 `#"* ' 纪磊等人 )##* 提出了基于自然语言处理技术的自动需求分 析建模方法' 该方法主要通过对中文需求文本进行自动分析!
B J KA 8 rg8 "7 !/ #] " L!C / !@!G !> # -
其中$Y 1表示当前子需求的编号& G -表示对当前子需求的描 述 !G -不能为空 &@ -表示当前子需求的词性结果 & > -表示当前 子需求的需求验证结果' 如果 > C !则表示子需求满足模式 -] 匹配&反之则不满足模式匹配' E *知识库的构建 E E *领域词典的构建 词典是分词与标注的基础' 目前的分词处理大多是基于 字符串匹配原理进行的!它需要依靠词典中的词语信息作为匹 配的基础' 另一方面!为保证标注结果的准确性和一致性! 也 需要利用词典中的词类信息' 在切分和标注过程中!主要利用 了带词类标记的分词词典和语法信息词典来同时完成两部分 的工作!即利用其中的词语信息实现自动分词! 并利用其中的 词类信息对分词结果进行标注' 基于受限语言的领域需求描 述方法中!根据词性将各个词汇存储在数据库中' 其中! 每个 J KA 8 rg8 "7 !/ # ]" L !C / ! @!G !> # ! 即词性( 名 词汇均带有 B 称(标志(描述和是否为领域词汇标志' 此外!在构建领域词典 时!每个词汇还带有同义词添加' 其构建形式如图 ! 所示'
**领域需求分析是对领域需求进行获取(分类以及处理的过 程 )#* ' 规范(完整(一致的领域需求有利于项目人员准确理解 系统需求!并进行有效沟通! 有利于提高软件需求和软件设计 的可复用性!提高软件开发的效率' 领域需求分析需要各方面 人员参加! 如领域专家( 领域用户( 系统开发人员( 系统分析人 员等!由于他们对领域知识的掌握程度和对目标系统的认识存 在差异!常常使得他们之间出现沟通困难! 造成软件开发过程 中领域需求多变!最终影响软件开发进度和质量! 这就是领域 需求分析中所谓的通信鸿沟
+ &&&+ *
计 算 机 应 用 研 究*
B J KA 8 rPL "7 ) #] "Y 1 !G !@!> # -
第 $# 卷 *
配检测的过程!称为领域需求验证!其分析结果以 2 3 B形式表 示!为应用需求的设计奠定基础' 该方法的前提是构建领域词典和句型规则库!作为整个领 域需求描述方法的知识支撑' 在领域需求获取中!所有词汇都 要求来自于领域词典!以尽可能消除领域需求分析阶段的通信 鸿沟' 此外!选择句型进行模式匹配! 规范用户描述领域需求 形式' 图 # 为领域需求描述的框架' 领域需求获取主要用于通过友好的用户界面设计!获取用 户对于相关领域的需求信息' 其过程为$根据系统提供需求描 述辅助功能!用户使用模板输入领域需求' 因为从用户角度来 看!用户在书写领域需求时! 不可能考虑自己书写的领域需求 是否符合句型规则!也不会考虑需求中的词汇是否都来自于领 域词典' 所以!在输入需求过程中! 系统会根据用户输入的首 字!弹出提示框!该提示框中包括领域词典中所有包含该首字 的领域词汇& 此外! 用户可以使用快捷方式! 选择设定好的句 型!根据系统提示!完成领域需求描述' 领域需求验证$主要用于需求分析处理过程! 其验证过程 包括词汇合法性检测和句型匹配检测' 通过分词算法获取词 汇词性来检测词汇的合法性' 通过句型匹配检测用户需求是 3 B文本' 否符合表示规范' 最后!将领域需求转换成 2 E *相关定义 @ > @ M A G 8 J 7N 6J N A # ' 指针对某领域! 限 定义 #* 受限语言 " 8 制领域需求描述使用的词汇和句型的语句集合' 定义 !*词汇描述标签" X = L G GA 5 < L @ WM @ = 78 J KA 8 # ' 它是对领 域需求描述中每个词汇进行标注! 进而获取每个词汇的属性 中词汇 / J KA 8 rg8 "7 !/ # 用一个五元组 值' 一个句子 7 -标签 B 来标志!表示如下$
图 #*领域需求描述框架
*
Байду номын сангаас
图 !*添加领域词汇
如图 ! 所示!因为领域词典的构建是根据词性分类! 用户 在添加领域词汇时! 选择词性! 点击 / 添加 0 ! 即可弹出如图 ! 所示的对话框! 添加词汇名称( 同义词 " 非必要 # ( 标志符和描 述(点击/ 确定0 !即可添加到对应词性下的数据库中' E E *句型规则库构建 自然语言描述一般比较随意!用户可以根据自己的需求进 行描述!其中包括把字句(被字句(比字句(对字句(是字句和给 字句!其中又包含很多虚词( 代词( 未登录词等' 描述越是随 意!对于用户需求的处理越难' 因此! 本文设计了五种比较频 繁使用!且相对简单的句型! 用户必须选择设计好的句型对领 域需求进行描述' 其句型描述如图 $ " J #` "A # 所示'
) ! !$ *
确定需求描述词性!建立简单的逻辑模式! 通过句型匹配和语 义分析!抽取类(属性和操作等' 最后通过人为参与!修改得到 Q 3 B类图' 但是由于该方法采用的句式较为简单! 语料库不 够全面!只能识别出参考类!而不能直接识别类!使得系统的健 壮性和准确性不高' 李锦标等人 )#!* 提出基于类图语义框架的中文需求分析方 法!该方法通过文本分词与词性标注! 基于语义框架的类图模 型提取和基于问卷的模型改进过程! 得到需求的 Q 3 B类图' 但是由于现有设计的类图语义框架模型相对简单!匹配规则不 丰富!所有模型设计在很大程度上还依赖人为抽取! 使得系统 的准确性和自动化程度不高' 舒风笛等人 )#$* 提出了一种用户主导的需求获取方法' 该 方法根据用户特征和上下文环境! 建立个性化领域知识库! 支 持用户进行基于目标和用例形式的需求定义!从而实现以用户 主导的领域需求获取' 但是由于领域资产和用户偏好数据不 完善!知识库中改变本身及其相互间关系定义不精确! 使得基 于用户主导的领域需求获取受到影响'
1 A 5 < L @ WM @ = 7= 9 G= > J @ 7L A i6@ L A > A 7M KJ 5 A G= 78 @ > @ M A G8 J 7N 6J N A
e Q + F R SB @ 6% K= ! gF R S+ @ 7N
" ./ 2" " # " & ' (& " ) * +, " ( ./ $ (/ $ 0O (%($ $ ) (%! 4 9(+( 5 (6 $ ) 7 , 3 !! 2+(%7 2+ &#""4! ! ! 2(+#
第 $# 卷第 ! 期 !"#& 年 ! 月*
计 算 机 应 用 研 究 F WW8 @ < J M @ = 7Z A 5 A J L < O= 9 = > W6M A L 5
[ = 8 E $# R = E ! \ A KE !"#&
基于受限语言的领域需求描述方法 !
欧阳柳波! 王*英
湖南大学 信息科学与工程学院 长沙 &#""4! 摘*要 人们对领域知识系统目标理解存在差异 对领域需求表述不规范 而导致软件需求不一致和频繁变 更 为了解决这一问题提出一种基于受限语言的领域需求描述方法通过设计受限语言的需求获取模板规范 表示领域需求通过词汇合法性检测和句型匹配保障领域需求描述的正确性并采用 2 3 B文件保存领域需求 最后通过构建实例验证了该方法的有效性 关键词 软件需求描述 受限语言 词汇合法性 句型匹配 2 3 B文件 中图分类号 C D $0#; #***文献标志码 F ****文章编号 #""#% $(0' !"#& "!% "&&$% "' G= @ #"; $0(0 H I ; @ 5 5 7; #""#% $(0'; !"#&; "!; "!0
! " # $ % &' $ $ D A = W8 AOJ ? A G@ 9 9 A L A 7M 67GA L 5 M J 7G@ 7N J K= 6M G= > J @ 7 h7= X 8 A GN A J 7G 5 U 5 M A >N = J 8 5 !J 7G A T WL A 5 5 A G GA > J 7G 9 = L 5 = 9 M X J L A @ 5 7= M 5 M J 7GJ L G@ V A G! 5 =M OJ M M OAG= > J @ 7 L A i6@ L A > A 7M A G J L A= 9 M A 7 @ 7< = 75 @ 5 M A 7M J 7G OJ ? AM =KA< OJ 7N A G 9 L A i6A 7M 8 U ;C O@ 5WJ WA L ! KUGA 5 @ N 7@ 7NM OAL A 5 M L @ < M A G 8 J 7N 6J N AL A % WL A 5 A 7M A G J> A M O= G = 9 G= > J @ 7 L A i6@ L A > A 7M 5GA 5 < L @ WM @ = 7 KJ 5 A G = 7 8 @ > @ M A G 8 J 7N 6J N A i6@ L A > A 7M M A > W8 J M A M = GA 5 < L @ WM G= > J @ 7J WW8 @ < J M @ = 7 7A A G5 ; C OA 7@ M < OA < hA GM OA 8 A N J 8 @ M U = 9 ? = < J K68 J L U J 7G > J M < O@ 7N M OA 5 A 7M A 7< A WJ M M A L 75 M = ? A L @ 9 U M OA < = L L A < M 7A 5 5 = 9 G= > J @ 7L A i6@ L A > A 7M GA 5 < L @ WM @ = 7;F 7G @ M 5 J ? A GM OA G= > J @ 7L A i6@ L A > A 7M @ 72 3 B9 @ 8 A 5 ;\ @ 7J 8 % 8 U@ M K6@ 8 M @ 75 M J 7< A 5 M =? A L @ 9 U M OA A 9 9 A < M @ ? A 7A 5 5 ; ( ) *+ ,% # $ 5 = 9 M X J L AL A i6@ L A > A 7M GA 5 < L @ WM @ = 7& 8 @ > @ M A G8 J 7N 6J N A &8 A N J 8 @ M U = 9 ? = < J K68 J L U & WJ M M A L 7> J M < O@ 7N &2 3 B9 @ 8 A 5
相关文档
最新文档