说明:双击或选中下面任意单词,将显示该词的音标、读音、翻译等;选中中文或多个词,将显示翻译。
您的位置:首页 -> 词典 -> 生物学实体识别
1)  Bio-Entity Recognition
生物学实体识别
2)  biological named entity recognition
生物命名实体识别
1.
A biological named entity recognition method based on Conditional Random Fields(CRF) is proposed, which combines the word characteristics and the distance between words.
提出一种基于条件随机域模型的生物命名实体识别方法,结合单词构词特性以及距离依赖特性,在JNLPBA的GENIAV3。
3)  multi-modal biometrics recognition
多生物体识别
4)  entity recognition
实体识别
1.
By analyzing the mistakes of traditional methods,we proposed a new segmentation method called single character elimination and entity recognition.
在对分词错误进行分析的基础上,本文提出了一种单字消除和实体识别的查询切分方法。
2.
This paper presents an entity recognition method for unstructured documents on desktops by using the text clues and ontology metadata.
本文首先提出一种利用文本线索和本体元数据来识别无结构文档中实体的方法,然后手工建立一个文档集合,在该集合上验证新方法在特定领域内的实体识别效果。
5)  entity identification
实体识别
1.
This paper proposes a method which can automatically achieve data extraction of page layout and entity identification process, based on transmitting query.
该文提出了一种基于探测查询的方法来自动完成页面的数据抽取及实体识别工作,该方法通过提交查询可以在提取数据的同时确定实体的各个属性,根据实体的各个属性进行实体识别。
2.
According to analyzing the traditional entity identification methods, a deep Web entity identification mechanism based on semantics and statistical analysis (SS-EIM) is presented in this paper, which includes text matching model, semantics analysis model and group statistics model.
分析了常见的实体识别方法,提出了一种基于语义及统计分析的实体识别机制(deep Web entity identification mechanism based on semantics and statistical analysis,简称SS-EIM),能够有效解决Deep Web数据集成中数据纠错、消重及整合等问题。
3.
Analyzed the problems existed in entity identification processing.
分析了实体识别过程中存在的问题,并在基于本体的语义信息集成中模式异构和上下文异构已经得到解决的基础上,提出一个基于两阶段特征向量处理的解决方案来提高分布环境下实体识别的效率。
6)  biometrics [英][,baiə'metriks]  [美][,baɪə'mɛtrɪks]
生物识别
1.
Research on Biometrics and Its Key Technology;
生物识别及其关键技术研究
2.
First builds up a reliability model of the biometrics technology,and then discusses security holes in the biometrics system,at last gives a new solution to the specific attack.
首先给出了生物识别认证技术的可靠性模型,然后讨论了生物识别系统的安全漏洞。
3.
RFID and biometrics have their own advantages and their combination can greatly enhance security management.
RFID与生物识别各有优势,将两者结合可以大大加强安全管理。
补充资料:孙云铸—我国古生物学和地层学的主要奠基人
孙云铸(1895年10月1日—1979年1月6日),字铁仙。出生于江苏高邮。古生物学、地层学、地质学教育家。1955年被选聘为中国科学院学部委员(院士)。1950年加入九三学社。九三学社第三、四、五届中央委员会委员。

孙云铸出生于书香门第,父亲在清末中过秀才,民国时期又攻读法律,并从事工商业,思想务实、开明,这为孙云铸从小接受新思想、新文化提供了家庭环境。1910年他来到南京上中学,并于1914年毕业后,考入天津北洋大学预科。1916年转为本科,学习采矿。1918年转入北京大学地质系,1920年为该系首届毕业生。毕业后,他留校做助教,同时兼任农商部地质调查所古生物研究室的科研工作。1926年前往德国哈勒大学学习,并于1927年获理学博士学位后回到祖国。孙云铸从德国留学回国后,任北京大学地质系古生物学教授。1935年,他前往欧美考察,1936年回国任广州中山大学访问教授。1937年以后,他担任西南联大地质地理气象系主任。抗日战争后,任北京大学地质系主任。1950年兼任全国地质工作指导委员会委员;1952年担任地质部教育司司长;1955年兼任地质部矿产研究所副所长;1960年出任地质部地质科学研究院副院长。

身为我国古生物学和地层学的开拓者之一,孙云铸在古生物和地层学方面成就卓著,特别是在三叶虫古生物学和寒武纪地层学、古生物学与地层学理论、地质学史等方面的研究做出了重要贡献。因此,他曾享有“孙寒武”的美名。

三叶虫在6亿年前的寒武纪开始出现,它历经整个古生代的漫长生物发展过程,在22亿年前的二叠纪末灭绝,是节肢动物门的一个纲。它是古生代,特别是寒武纪留下的大量对鉴定和研究地层地质年代很有价值的“标准化石”。在广泛的地质调查和研究的基础上,孙云铸填补了我国在该领域的部分研究空白。他在1924发表的《中国北方寒武纪动物化石》和1931年发表的《中国中部和南部奥陶纪三叶虫》以及1935年发表的《中国北部上寒武纪之三叶虫化石》这3部研究三叶虫的学术专著,再加上相关的学术论文,所有这些研究成果为中国古生物学和寒武纪地层学的研究奠定了理论基础。其中,孙云铸所著的《中国北方寒武纪动物化石》是作为《中国古生物志》的第1号第4册出版的,它不仅是我国学者公开发表的第一部大型古生物学专著,而且在我国古生物学发展史上具有划时代的历史意义。在他的论文和专著中,分析和研究了三叶虫化石数十个属,100多个种。孙云铸发现、描述和建立了18个新属,86个新种,其中属于晚寒武世的新属12个,新种53个,且全部是标准化石,特别是方头虫、蒿里山虫和长山虫均为上寒武凤山阶和长山阶的标准带化石。上述研究工作,使他对我国晚寒武世三叶虫化石和地层分布作了详尽而透彻的论述。

在考察和研究三叶虫的同时,孙云铸还研究了寒武纪地层学,尤其是生物地层学,在发表的《关于中国寒武纪地层界线问题》的一文中,他全面论述了我国寒武纪的顶、底界及内部的界线,并第一次提出了寒武系的地层系统。

1949年后,孙云铸在三叶虫古生物学和寒武纪地层学的研究领域,不断开拓创新,取得新的理论突破。50年代在《寒武纪下界问题》这篇公开发表的论文中,他指出我国寒武系与震旦系之间存在不整合问题,寒武系内产三叶虫等明显的化石,应列为古生界的第一系;中国的寒武纪海侵是由南向北推进的,因而寒武系的下界应为馒头页岩与景儿峪灰岩之间。60年代他在《中国寒武纪地层划分问题》这篇重要的论文中强调,由于寒武系含有显著的生物化石群,所以古生物界的底界应为寒武系的底界,并指出按中国实际情况将古生界分为三个系。

在长达半个世纪的科学探索生涯中,他将主要时间和精力放在三叶虫和寒武纪地层的科考、分析和论证上,先后开创性地提出了寒武纪地层划分方案,建立的阶名、化石带绝大部分为地质学界所继承。
说明:补充资料仅用于学习参考,请勿用于其它任何用途。
参考词条