检索结果-内蒙古大学图书馆

您好，读者！请登录

内蒙古大学图书馆

首页
概况
党建
资源
服务
科研支持
- 论文收录引用证明
- 科技查新
知识产权
档案馆
帮助

咨询与建议

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

您的常用邮箱：*

您的手机号码：*

问题描述：

当前已输入0个字，您还可以输入200个字

全部搜索
期刊论文
图书
学位论文
标准
纸本馆藏
外文资源发现
数据库导航
超星发现

高级检索

时间限定

出版年份：

文献类型

图书期刊文献学位论文多媒体

馆藏选择

电子馆藏纸本馆藏

核心期刊

全部期刊 SCI 收录期刊 SSCI 收录期刊 EI 收录期刊 CSCD 收录期刊 CSSCI 收录期刊

语言

中文英文

文献类型

期刊文献图书学位论文标准纸本馆藏

帮助

文字说明：

T=题名（书名、题名），A=作者（责任者），K=主题词，P=出版物名称，PU=出版社名称，O=机构（作者单位、学位授予单位、专利申请人），L=中图分类号，C=学科分类号，U=全部字段，Y=年（出版发行年、学位年度、标准发布年）

检索规则说明：

AND代表“并且”；OR代表“或者”；NOT代表“不包含”；(注意必须大写,运算符两边需空一格)

检索范例：

范例一：(K=图书馆学 OR K=情报学) AND A=范并思 AND Y=1982-2016
范例二：P=计算机应用与软件 AND (U=C++ OR U=Basic) NOT K=Visual AND Y=2011-2016

分类表

所选分类

>> <<

限定检索结果

文献类型

7 篇 学位论文

馆藏范围

7 篇 电子文献
0 种 纸本馆藏

日期分布

学科分类号

5 篇 工学
- 4 篇 计算机科学与技术...
- 4 篇 软件工程
- 1 篇 仪器科学与技术
- 1 篇 网络空间安全
2 篇 管理学
- 1 篇 管理科学与工程(可...
- 1 篇 工商管理
- 1 篇 图书情报与档案管...
1 篇 经济学
- 1 篇 理论经济学
1 篇 文学
- 1 篇 新闻传播学

主题

7 篇 排序学习模型
1 篇 非事实类问题
1 篇 社交文本推荐
1 篇 文本检索
1 篇 短文本分类
1 篇 listwise方法
1 篇 问答模型
1 篇 在线学习
1 篇 语义匹配
1 篇 漏洞修复
1 篇 商品搜索
1 篇 在线问答社区
1 篇 损失函数融合
1 篇 舆情分析
1 篇 用户信息
1 篇 漏洞引入提交
1 篇 经验研究
1 篇 预训练语言模型
1 篇 查询依赖
1 篇 漏洞定位

机构

2 篇 中国科学院大学
2 篇 华东师范大学
1 篇 国防科学技术大学
1 篇 重庆大学
1 篇 扬州大学

作者

1 篇 薛欢
1 篇 李越
1 篇 张梦迪
1 篇 王书鑫
1 篇 祝升
1 篇 周志敏
1 篇 王鹏

语言

7 篇 中文

检索条件"主题词=排序学习模型"

共 7 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

非事实类问题问答模型和特征的研究

非事实类问题问答模型和特征的研究

引用

作者：周志敏华东师范大学

学位级别：硕士

研究非事实类问题的问答模型和特征是一个重要且富有挑战性的任务。现有的方法往往使用文本信息(即文本内容)和部分非文本信息(如网络日志等文本统计信息)作为特征,再结合一些传统的模型来模拟非事实类问题的问答。虽然其中取得一些进展... 详细信息

研究非事实类问题的问答模型和特征是一个重要且富有挑战性的任务。现有的方法往往使用文本信息(即文本内容)和部分非文本信息(如网络日志等文本统计信息)作为特征,再结合一些传统的模型来模拟非事实类问题的问答。虽然其中取得一些进展,但所使用的特征往往难以抽取且经常被重复计算,而且传统的模型也不能将所有特征有效的融入计算,因此整体性能、效果还有待提高。另一方面,在对语篇关系和用户信息的研究过程中,我们发现它们也能帮助解决非事实类问题,然而现有的研究并没能有效地运用这些信息。本文对现有的特征和模型提出了改进。首先,在现有特征中融入了用户信息特征和语篇关系特征,并针对现有特征的复杂性和冗余性,采用了逻辑回归模型对特征进行有效的分类和筛选,提出以高效特征组合代替所有特征的方法来提高特征效用。其次,还使用了排序学习模型模拟非事实类问题的问答,进而结合高效特征组合预测非事实类问答的最佳答案。本文在数据集Yahoo! Answers Manner Question的实验结果表明,对于非事实类问题的确可以在几乎不影响排序系统性能的情况下,精简出高效特征以提升整体系统效能。同时,实验还揭示了用户信息相较于语篇信息能更好的帮助预测出最佳答案,并且成列排序学习模型比成对排序学习模型更适用于非事实类问题。

关键词：非事实类问题问答模型用户信息在线问答社区排序学习模型逻辑回归模型

来源：评论

学校读者我要写书评

暂无评论

面向微博的动态短文本检索技术研究

面向微博的动态短文本检索技术研究

引用

作者：王书鑫中国科学院大学

学位级别：博士

随着Web2.0的快速发展，互联网上积累了海量的用户产生内容，如微博、论坛、贴吧、评论等。这类信息资源具有两个显著的特点:(1)文档具有时间动态性特征，即文档与时间紧密相连，内容与现实世界相交织;(2)文档具有短文本特征，内容往往... 详细信息

随着Web2.0的快速发展，互联网上积累了海量的用户产生内容，如微博、论坛、贴吧、评论等。这类信息资源具有两个显著的特点:(1)文档具有时间动态性特征，即文档与时间紧密相连，内容与现实世界相交织;(2)文档具有短文本特征，内容往往就是一两个句子，内容稀疏。在本文统称这类信息资源为以微博为代表的动态短文本资源。动态短文本信息资源的处理，对市场调查、舆情分析、广告推广以及智能短文本对话具有重要的应用和研究价值。这些具有重要价值的应用和研究，从应用阶段的层面来看，需要从海量的信息资源中找到符合特定信息需求的文档;从技术层面来看，这些应用的文本相似性计算、语言模型、话题分析技术与信息检索技术是息息相关的。同时以微博为代表动态短文本的不同的特点使得其检索不同于传统的网页检索，所以探索以微博为代表的动态短文本检索技术具有重要实用和研究价值。\n 本文将以动态短文本为研究对象，以微博检索应用为目的，从时间动态性和短文本特性入手，对动态短文本的排序和匹配做了深入的研究，本文的主要研究内容和贡献有以下四点:\n (1)针对微博查询的时间敏感特性，本文提出了时间敏感的微博排序模型;相关研究表明，微博的排序是具有时间敏感特性的。本文在Trec2011-2012微博检索任务的数据集上分析了时间因素影响微博排序的特点，得到了微博检索的时间影响并非是先前相关研究根据经验的到的简单、直接的假设所能概括的，而是一种复杂的影响。本文提取了多种影响微博时间排序的特征，包括全局特征和局部特征，考虑了线性和非线性打分函数，使用排序学习的方法来确定一个时间敏感的微博排序学习方法，最后在Trec2011-2012微博数据集上做多组实验，分析了实验效果以及特征的作用。实验结果表明，基于时间敏感的排序学习算法优于其他的时间敏感的微博排序算法。\n (2)在时间敏感的微博排序学习模型基础上，本文针对不同查询具有不同排序模式，提出了查询依赖（Query-Dependent）的微博排序学习模型;本文认为上述排序学习方法是一种总体抽样上平均最好，不同的查询具有不相同的时间因素影响微博排序的模式。本研究分析了时间影响微博排序的模式，提出了相似查询的时间分布具有相似的时间因素影响微博排序的模式的假设。根据这一假设，使用具有相似时间分布的查询训练集来训练一个查询依赖的微博排序学习模型，并在Trec2011-2012微博检索数据集上验证了该方法的有效性。\n (3)针对短文本的失配问题，本文提出了短文本的隐因子语义匹配模型;微博检索的另一个特性是微博的短文本特性，短文本更易受到失配问题的困扰。本研究分析推导了适用于检索的隐因子匹配模型，分析证明了最新的RMLS算法存在退化解。为了解决这个问题，本研究借鉴正则化矩阵分解过程，提出使用添加匹配矩阵稀疏限制到优化目标函数上，通过坐标协调下降和梯度下降算法来求解隐因子匹配模型。由于目前没有可用的微博日志数据，本文在和微博检索具有相同短文本特性的应用搜索的数据上做了一系列实验，探讨了不同隐因子维度、并行策略以及优化算法，验证了该方法的有效性和可扩展性。\n (4)在隐因子匹配模型的基础上，本文为解决尾查询训练数据稀疏性的问题，提出了融入语义知识的隐因子语义匹配模型;在实际的应用中，由于查询和文档存在着长尾效应，有很多查询和文档没有足够的点击数据，所以对于这些查询和文档，隐因子模型无法得到有效的模型。在实际系统中，往往通过各种方式积累了多种语义知识，融入这些语义知识到训练得到的模型中具有重要的意义。本研究分别从查询日志中挖掘出的查询的同义词表和从文档的层次类别信息中挖掘出的标签同义词表，形成新的隐因子模型的优化目标函数，求解得到一个融合语义知识的隐因子模型。在和微博搜索具有相同短文本特性的应用搜索的数据集合上，探讨了不同初始化矩阵，不同隐因子维度的影响，验证了该方法的能够有效利用语义知识，提高检索效果，特别是针对尾查询。

关键词：微博平台文本检索语义匹配查询依赖排序学习模型

来源：评论

学校读者我要写书评

暂无评论

基于博主综合影响力排序的微博文本流在线推荐技术

基于博主综合影响力排序的微博文本流在线推荐技术

引用

作者：祝升国防科学技术大学

学位级别：硕士

信息推荐技术是信息检索领域中的重要研究方向,随着在线社交网络服务的迅速普及,针对社交文本的推荐技术逐渐成为研究热点。由于微博文本普遍具有的时效特性,如何高效、及时的从海量的在线文本流中发现可推荐的信息是研究的难点。另一方... 详细信息

信息推荐技术是信息检索领域中的重要研究方向,随着在线社交网络服务的迅速普及,针对社交文本的推荐技术逐渐成为研究热点。由于微博文本普遍具有的时效特性,如何高效、及时的从海量的在线文本流中发现可推荐的信息是研究的难点。另一方面,社交服务中博主的影响力对于信息的推荐起到关键的作用,为了提高推荐的性能,结合高效、精准的影响力度量模型具有重要的意义。本文主要研究了综合话题和时效性的博主影响力计算模型以及结合博主影响力特征进行微博文本流的在线推荐技术。在调研了微博文本推荐的研究背景和相关研究内容、方法的基础上,本文提出了一种基于词向量模型与检索领域经典的向量空间模型(VSM)相结合的文本语义相关性计算方法,用于对微博文本和用户感兴趣的查询话题进行分类。该方法利用维基百科语料库上基于深度学习方法训练得到的Word2Vec(词与高维向量的映射表示),较好的解决了文本中普遍存在的一词多义等问题,显著提高了短文本的分类性能;随后,提出了一种综合用户话题属性与博文时效特性的博主影响力度量算法,该方法利用了社交网络中制约用户影响力及传播活跃度的性质(称之为用户消极性),通过用户消极性与影响力之间的相互作用关系,结合用户影响力的话题属性和社交文本显著的时效性,计算得到用户在整个网络中的影响力。实验结果表明,考虑该特征的计算模型优于其它典型的度量算法如PageRank、TwitterRank等。最后,综合文本的相关度、博主的影响力以及其他相关的微博文本特征,基于排序学习模型,设计实现了一种在线的微博文本流推荐系统。并分析了系统各个模块的设计实现,包括博文分类检索、重要度评估排序以及博文推送等。

关键词：社交文本推荐短文本分类影响力分析排序学习模型

来源：评论

学校读者我要写书评

暂无评论

基于Elasticsearch的国内出境游舆情检索及分析研究

基于Elasticsearch的国内出境游舆情检索及分析研究

引用

作者：张梦迪华东师范大学

学位级别：硕士

新冠疫情开始以来,我国出境游行业遭遇寒冬,各国通过限制出入境等方式进行疫情的防控,随着疫情逐渐稳定,出境游在未来仍有发展的前景,因此关注出境游舆情信息对于旅游行业人员制定商业决策或有关部门及时调整出行政策有着重要意义。移... 详细信息

新冠疫情开始以来,我国出境游行业遭遇寒冬,各国通过限制出入境等方式进行疫情的防控,随着疫情逐渐稳定,出境游在未来仍有发展的前景,因此关注出境游舆情信息对于旅游行业人员制定商业决策或有关部门及时调整出行政策有着重要意义。移动互联网的普及使得舆情的爆发和扩散更为容易,因此快速定位舆情信息尤为重要。本文围绕舆情检索及分析的相关理论技术开展实验及应用研究。主要研究内容为(1)结合国内出境游领域的新闻数据集设计和实现基于Elasticsearch框架的舆情检索系统,能够对舆情数据进行管理和应用;(2)针对舆情检索系统中返回结果排序不够精细化的问题,提出了基于排序学习的重评分嵌入方案,能够提升检索结果的相关性;(3)针对出境游新闻语料标注情感成本高、耗时长的问题,提出基于预训练语言模型的情感分类模型,并使用混合专家法进行模型融合实现文本情感的自动分类;(4)针对具有情感标签的舆情新闻数据结合舆情分析的主要步骤设计并实现分析模块,满足对舆情数据的进一步挖掘和展示。上述内容具体研究如下:(1)舆情新闻数据的采集与预处理,使用网络爬虫框架对热门出境地的旅游新闻进行采集,并采取正则表达式、去除停用词等方式进行数据预处理,保证后续实验的可行性。(2)舆情检索的重排序,通过对三种基于机器学习的排序学习模型对比分析,在Elasticsearch中嵌入自定义查询语句获取特征和特征值集合,将训练好的模型再插入评分机制中对检索的结果重新排序。(3)舆情数据的情感分类,使用三种预训练语言模型预测采集的新闻数据的情感类别并用基于混合专家模型的后融合方案确定标注结果。(4)舆情数据的分析,使用搜索引擎中的聚合模块对数据的情感类别字段做描述性统计分析,以图、表的方式可视化展示,并为用户提供舆情建议。综上所述,出境游舆情数据中蕴含大量潜在知识,分析舆情数据在网络舆情的应用中具有重要的实际意义和价值。使用舆情检索及分析模块,可以为舆情相关主体提供舆情信息的收集和挖掘,判断出境游领域舆情的发展态势,有助于对舆情数据更好地理解和使用。

关键词：舆情检索舆情分析 Elasticsearch 排序学习模型预训练语言模型

来源：评论

学校读者我要写书评

暂无评论

基于排序学习的商品搜索算法研究

基于排序学习的商品搜索算法研究

引用

作者：王鹏重庆大学

学位级别：硕士

随着互联网技术的发展，电子商务在我国的经济建设的地位越来越重要。商品搜索引擎是电子商务网站一个重要的部分，是用户在网站上购物的入口，起到连接一切商品的桥梁的作用。传统的信息检索以简单的模型或规则建立对商品的排序，但是... 详细信息

随着互联网技术的发展，电子商务在我国的经济建设的地位越来越重要。商品搜索引擎是电子商务网站一个重要的部分，是用户在网站上购物的入口，起到连接一切商品的桥梁的作用。传统的信息检索以简单的模型或规则建立对商品的排序，但是随着商品决策因子的增加，人工加权的简单模型越来越不能适应多维度的海量数据的快速变化。为了发挥机器的计算能力和解放人工计算的繁杂工作，本文研究以机器学习的角度解决商品的搜索和排序。本文从传统信息检索领域出发，研究常见信息检索模型，通过比较和分析排序学习模型的优缺点，建立商品搜索引擎必备的理论基础。　　首先本文研究了排序学习模型中Pointwise、Pairwise和Listwise的异同点，对排序学习有了理论上的基础之后，本文详细研究了机器学习中的模型训练和测试过程，为了能够精确处理海量日志数据，本文从特征的选择和学习等角度建立对特征的构造一般方法。其次，本文深入研究了ListNet模型，介绍了ListNet模型中把得分序列转换成概率分布的方法，把整个序列看成实例的Listwise方法是排序学习中最直接、效果最好的方法。ListNet使用神经网络模型，用梯度下降方法来优化算法。最后在研究了排序结果评价方法和损失函数的融合基础上，本文进行了一系列的实验来验证本文所提到的算法的有效性。　　实验的结果表明，在电子商务网站的商品搜索中Listwise方法是最自然的表述搜索过程的模型，特征对最后的结果有着非常重要的作用，应该从用户搜索商品这一实际过程出发建立能够影响搜索行为的特征，同时为了评价模型的好坏本文选用了NDCG@k和P@k等多个评价方法，不同的损失函数组合表明PT+LS是最好的组合方式，Pointwise损失函数能够弥补Listwise损失函数的缺点。最后在损失函数的融合方面，本文提到的归一化损失函数融合方法和SHF-SDCG方法都是常用的损失函数融合方法，实验结果表明SHF-SDCG损失函数融合方法无论是采用NDCG@k还是P@k的评价方法都要优于归一化损失函数融合方法。

关键词：电子商务商品搜索排序学习模型损失函数融合 Listwise方法

来源：评论

学校读者我要写书评

暂无评论

基于漏洞引入提交的漏洞修复技术研究与系统实现

基于漏洞引入提交的漏洞修复技术研究与系统实现

引用

作者：李越扬州大学

学位级别：硕士

软件维护与演化过程中不可避免会引入漏洞,漏洞的产生对软件系统的运行产生一定的安全隐患,甚至会严重威胁个人隐私与财产安全,造成社会经济损失。由于漏洞数据库中缺乏漏洞的相关测试用例、堆栈跟踪等动态信息,大大增加了漏洞定位与修... 详细信息

软件维护与演化过程中不可避免会引入漏洞,漏洞的产生对软件系统的运行产生一定的安全隐患,甚至会严重威胁个人隐私与财产安全,造成社会经济损失。由于漏洞数据库中缺乏漏洞的相关测试用例、堆栈跟踪等动态信息,大大增加了漏洞定位与修复的难度。然而,在开源代码库中的代码提交常常蕴含着丰富的信息,通过分析代码提交探索漏洞引入的原因以及漏洞引入提交与漏洞修复提交之间的相关性,能够为漏洞的定位与修复工作提供一种新的思路。本文从漏洞引入的角度出发,通过“漏洞修复提交中的语句可以从漏洞引入提交中修改的语句推断出来”等一系列经验研究的发现,开展基于漏洞引入提交的漏洞定位与修复技术研究。具体工作如下:（1）基于漏洞引入提交的漏洞定位技术。首先构建了漏洞引入与修复数据集,对数据集中的漏洞数据进行经验研究,根据经验研究的发现定义了三个特征,即提取引入提交中被修改的语句;从引入提交修改语句中的变量名和方法名中分离出关键字,然后提取漏洞引入提交中带有关键字的语句;在涉及漏洞引入提交的文件中提取if语句。三个特征中提取的语句组成了可疑语句空间。然后,对可疑语句空间中的语句进行赋值后输入到训练好的排序学习模型中,最后输出排序列表。实验结果表明,VulLoc在效果与效率两方面都优于现有的方法。（2）基于漏洞引入提交的漏洞修复技术。首先进一步地探索漏洞引入与修复提交中的修复成分的变化,得出一些漏洞修复可以从漏洞引入提交中推断出来等发现。接着将漏洞修复提交转换成抽象语法树,进行抽象化与规范化处理后转换为token序列输入到Transformer模型中,通过Beam Search得到预测序列。然后,通过经验研究发现定义的规则进行抽象化与规范化的代码填充后,进行补丁验证。实验结果表明,此方法与只使用Transformer模型的漏洞修复技术相比,切实提升了漏洞修复的效果,并在CWE-119（内存缓冲区范围内不适当的操作限制）漏洞类型中的效果最佳。（3）基于提出的理论技术,设计并实现了面向漏洞的定位与修复系统。该系统包括漏洞管理、漏洞定位以及漏洞修复三个模块,旨在通过此系统帮助开发人员更加高效快速地完成软件维护工作,保障软件的安全。

关键词：漏洞引入提交经验研究漏洞定位漏洞修复排序学习模型

来源：评论

学校读者我要写书评

暂无评论

个性化学术论文在线推荐技术研究

个性化学术论文在线推荐技术研究

引用

作者：薛欢中国科学院大学

学位级别：硕士

随着在线学术论文数据的不断积累，如何从海量的学术论文中挑选出自己感兴趣的学术论文成为科研人员亟待解决的难题之一。学术搜索引擎（例如Google Scholar[1]，Microsoft Academic Search[2]等）虽然能够提供科研人员基于关键字的论... 详细信息

随着在线学术论文数据的不断积累，如何从海量的学术论文中挑选出自己感兴趣的学术论文成为科研人员亟待解决的难题之一。学术搜索引擎（例如Google Scholar[1]，Microsoft Academic Search[2]等）虽然能够提供科研人员基于关键字的论文查询，但是当科研人员兴趣不明确或不能恰当地构造关键字描述搜索意图时，搜索引擎往往不能很好地满足他们的信息获取需求;同时，传统搜索引擎由于缺乏用户的偏好以及背景信息，难以实现个性化的学术论文获取方式。推荐系统的出现恰好弥补了上述不足，成为一种重要的个性化信息获取途径。因此，本文实现个性化学术论文在线推荐系统，基于用户的研究领域或兴趣，自动地给用户推送个性化的学术论文，并随着用户的推荐反馈，实时地更新推荐模型以及推荐结果，以更好地适应用户需求的变化，最后将该推荐系统应用于在线学术平台“学术圈”[3]中。本文的具体研究工作如下:\n 首先，我们提出了面向大规模学术数据集的个性化学术论文推荐模型LADB。该模型面向大规模学术数据集，将推荐问题形式化为排序问题，通过挖掘大规模异质学术网络数据，利用科研人员撰写学术论文的行为特性自动构建训练数据集，避免了人工标注的代价，提高了准确率和效率。同时提取大规模异质特征，从多维度刻画科研人员获取学术论文的不同模式。最后通过离线训练排序学习模型，实现个性化学术论文推荐。本文通过实验证明，在个性化学术论文推荐初期，用户数据稀疏导致协同过滤方法性能低下。而与基于内容的推荐方法相比较，我们的方法MAP值提升了10％-20％，NDCG值提升了10％和15％。\n 进一步，我们提出了基于用户反馈的在线推荐学习模型，解决了传统推荐模型往往基于静态数据集，无法根据在线用户反馈实时更新模型的难题。在我们的模型中，当用户针对在线推荐论文产生显式或隐式推荐反馈时，模型会实时获取该用户需求的变化，利用在线学习算法更新该用户的推荐模型以及推荐结果，从真正意义上实现“个性化”学术论文在线推荐这一目的。本文实现了基于用户反馈的在线推荐学习算法，并且基于自动构造的离线数据集以及学术圈中真实的在线用户日志对该算法进行评价。与基准的离线排序学习模型相比，我们的模型相对于固定训练样本集的初始静态模型可以较大地提高预测准确率，而与全量数据的全局更新模型相比，在线学习模型不仅提高了推荐的准确率，效率也得到显著提升。\n 最后，我们搭建了个性化学术论文推荐引擎，并应用到在线学术平台“学术圈”中。其中主要介绍了推荐引擎的系统框架和工作流程，并具体描述了推荐引擎三大模块的功能及实现方式，包括数据中心模块、推荐中心模块和在线服务模块，各个模块之间高内聚低耦合，提高了系统的通用性与可扩展性。最后将该推荐引擎应用于学术圈“猜你喜欢”应用中，并通过分析2013年全年的用户日志数据，验证了该系统的有效性。

关键词：个性化学术论文推荐排序学习模型在线学习静态数据集

来源：评论

学校读者我要写书评

暂无评论

没有更多数据了...

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

检索报告对象比较合并检索0

隐藏清空

合并搜索

回到顶部

执行限定条件

内容：

评分：

请选择保存的检索档案：

请选择收藏分类：

订阅名称：

通借通还

温馨提示：

图书名称：

借书校区：

取书校区：

手机号码：

邮箱地址：

一卡通帐号：

电话和邮箱必须正确填写，我们会与您联系确认。

联系人：

所在院系：

联系邮箱：

联系电话：

内蒙古自治区呼和浩特市赛罕区大学西街235号邮编: 010021

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：