《大学英语》课程教学资源（词汇、长难句、重点单词与短语）Unit 4 NBA

《大学英语》课程教学资源（词汇、长难句、重点单词与短语）Unit 2 Survival

《大学英语》课程教学资源（书籍文献）东南大学出版社《我行我速记单词》彩色PDF电子版（英语词汇6500）

《新编大学英语》综合教程（第三版第三册）B3U3_Self-market_Reading Material_记单词

如何建立词项词典？ 文档解析：格式？语言？编码方式？ 词条化：词条（Tokens）/词项（Terms） 停用词：停用词表？查表法 or 基于文档频率 词项归一化：等价类同义词扩展表 词形归并：am, are, is be 词干还原：去除单词两端词缀、Porter算法 如何实现倒排记录表？ • 跳表:跳表指针(位置、个数、更新问题） • 短语查询 • 二元词索引扩展的二元词索引：词性标注 • 位置信息索引邻近查询 • 增加倒排记录表 • 混合索引机制

 单词  句子  段落组织

 单词  句子  段落组织

中文电子病历文本包含大量嵌套实体、句子语法结构复杂、句式偏短。为有效识别其医疗实体，提出一种融合多特征嵌入与注意力机制的命名实体识别算法，在输入表示层融合字符、单词、字形三个粒度的特征，并在双向长短期记忆网络的隐含层引入注意力机制，使算法在捕获特征时更加关注于医疗实体相关的字符，最终实现对中文电子病历中疾病、身体部位、症状、药物、操作五类实体的最优标注。面向开源和自建糖尿病数据集的实验结果中所提算法的实体识别准确率、召回率和F1值都达到97%以上，表明其可以更加有效地识别中文电子病历中各类实体

延安大学：《概率论与数理统计》课程教学资源（讲义）概率论与数理统计中的英文单词和短语

西安建筑科技大学：《工程热力学》课程教学资源（电子教材）自编英文词汇单词表（一）