【正文】 的不透水性等作用。軟弱下臥層地基指受力層范圍內(nèi)存在軟弱地基土層的地基。其主要缺陷是承載力不足、地基變形過大。本文將在前人的基礎(chǔ)之上進(jìn)一步探討軟弱地基的特點，并結(jié)合工程實例總結(jié)地基處理的方法以及在工程中的應(yīng)用。加之我國建筑業(yè)迅猛發(fā)展，原先的優(yōu)良地基由于建筑層數(shù)的增高，荷載的增大，也變?yōu)檐浫醯鼗１疚奶接懥塑浫跬恋鼗奶匦?，結(jié)合具體的工程實例比較分析了常用處理方法的特點及在工程中的應(yīng)用。將所有文本按相關(guān)概率P進(jìn)行排序，等價于所有文本按特征向量排序。在信息檢索中，估計參數(shù)是困難的，一般地并不直接地計算P，而是把計算P(R|di,qk)換為計算P(R|x,qk)，這樣處理略去了公式中與文本無關(guān)的特征項，計算的結(jié)果可能與實際不符。把文本用特征向量表示：x =(x1,x2,xn)。其中，R表示文本D與用戶查詢Q相關(guān)。Maron和Kuhns在1960年提出了第一概率檢索模型；1976年Robertson和Sparck Jones等在此基礎(chǔ)上進(jìn)行改進(jìn)提出了第二概率檢索模型；之后，Turtle、Fuhr和Roberston又提出了統(tǒng)一化模型，即第三概率檢索模型，提高了文檔的排序精度。同時，該模型丟失了句法信息（如短語結(jié)構(gòu)、詞的順序等），而權(quán)重的計算需要利用整個文檔集合的信息。但是事實上，在自然語言中，有些索引項是相互關(guān)聯(lián)的，比如當(dāng)在一個文檔中看到“計算機(jī)”時，就非常有可能同時看到“科學(xué)”；而當(dāng)在一個文檔中看到“土豆”時，看到“計算機(jī)”的可能性就很小。這個假設(shè)極大地簡化了索引項權(quán)值的計算過程，盡管這一假設(shè)有時不符合自然語言的實際情況，但是在這個假設(shè)下，計算權(quán)值的過程簡單快捷，因而在目前很多實用的信息檢索模型中仍被廣泛采用。 k1， b, k3,在01000之間 而PNW則需要預(yù)設(shè)一個參數(shù)s。 這些公式綜合考慮了查詢和文檔中的詞頻，以及文檔的長度。常見的變換方法有：其中，最后一個公式，即:被大量系統(tǒng)證明是最有效的。嚴(yán)格地說，TF/IDF得分并不特指某個計算公式，而是一個計算公式集合。目前，常用的關(guān)鍵詞權(quán)重計算公式大多基于tf和df進(jìn)行構(gòu)建，同時，一些較為復(fù)雜的計算公式也考慮了文檔長度。，那么其出現(xiàn)某個關(guān)鍵詞的次數(shù)可能越高，而每個關(guān)鍵詞對這個文檔的區(qū)分作用也越低，相應(yīng)的應(yīng)該對這些關(guān)鍵詞予以一定的折扣。dl，文檔長度 adl，平均文檔長度權(quán)重的計算：在向量空間模型下，構(gòu)造關(guān)鍵詞權(quán)重計算公式有三個基本原則：，那么這個詞應(yīng)該被認(rèn)為越重要。 N，集合中的文檔總數(shù) qtf，Query Term Frequency的縮寫。 最常用的統(tǒng)計量包括：假設(shè)表示文檔向量，而表示查詢向量，文檔與查詢的相關(guān)性可以用余弦距離表示如下：如果我們用進(jìn)行歸一化，即令和表示和中的第i維的值，并且對每個文檔矢量，那么上式有可以表示為在此，究竟如何取值是一個重要的問題，其取值一般被稱為關(guān)鍵詞i在文檔D中的權(quán)重。該系統(tǒng)在過去的30多年中，對信息檢索的研究有非常重要的影響。將所有文獻(xiàn)和查詢以向量形式表示，則針對特定的查詢向量，比較它與所有文獻(xiàn)向量的相似度，并依相似度將文獻(xiàn)降序排列，這便是現(xiàn)代信息檢索系統(tǒng)中常用的方法。這個模型最大特點是可以方便地計算出任意兩個向量的近似程度，即向量所對應(yīng)的文本間的相似性。假設(shè)我們用“詞”作為Term，那么在詞典中的每一個詞，都定義向量空間中的一維。這一模型將給定的文本(文章、查詢或文章中的一段等)轉(zhuǎn)換成一個維數(shù)很高，由一系列關(guān)鍵詞組成的向量。擴(kuò)展的布爾模索模型——Salton 模型克服了傳統(tǒng)布爾模型的一些缺陷, 更符合了用戶的需要。因而D與O的距離DO =(d10)+(d20)22 =d1+d222 可以作為我們衡量一文本與查詢q 的相關(guān)程度的一個尺度, 顯然0 ≤ 2 , 為了使相似度控制在0 與1 之間, 將相似度定義為:d1+d222DO ≤sim(D, Q(t1 ∨ t2))= 與C 的距離DO(1)對于由t1 和t 2 構(gòu)成的查詢q = t1 ∧ t 2, 只有C 點才是最理想的文本, 用D =(1d1)+(1d2)22作為我們衡量一文本與查詢q 的相關(guān)程度的一個尺度, 于是, 把相似度定義為:(1d1)+(1d2)22sim(D, Q(t1 ∧ t2))= 1(2)(1)、(2)式還可推廣到對檢索標(biāo)引詞進(jìn)行加權(quán)的情形, 設(shè)檢索標(biāo)引詞tt2 的權(quán)值分別為a, b,0 ≤ a, b ≤ 1, 則(1)式、(2)式可進(jìn)一步推廣為:a(1d1)+b(1d2)2222sim(d, Q(t1 , a)∨(t2, b))= 1235。下面我們來看看Salton 模型中是如何構(gòu)造相似度計算式的。如Salton 于1983年提出的一種所謂的擴(kuò)展布爾檢索模型, 它是將向量檢索模型與布爾檢索模型融為一體, 并克服了傳統(tǒng)希爾模型的一些缺陷, 下面我們用矢量的方法來討論布爾檢索。系統(tǒng)檢索輸出的文本中, 排在第一位的文本不一定是文本集中最適合用戶需要的文本, 用戶只能從頭到尾瀏覽才能知道輸出文本中那些更適合自己的需要。另一方面, 用響應(yīng)某個用“∨”連接的檢索式時, 系統(tǒng)都不能把含有所有這些檢索詞的文本看作比那些只含有其中一個檢索詞的文本更好一些。(2)匹配標(biāo)準(zhǔn)存在某些不合理的地方。(1)布爾邏輯式的構(gòu)造不易全面反映用戶的需求。1967年后, 布爾檢索模型正式被大型文獻(xiàn)檢索系統(tǒng)采用, 并漸成為各種商業(yè)性聯(lián)機(jī)檢索系統(tǒng)的標(biāo)準(zhǔn)檢索模式, 服務(wù)信息情報界30多年, 直到現(xiàn)在, 大多數(shù)商用檢索系統(tǒng)仍采用布爾檢索。另設(shè)用戶某一檢索式如下:Qj =(t1 ∧ t 2)∨(t3 ∧(t4)).對于該檢索式, 系統(tǒng)響應(yīng)并輸出的一組文本應(yīng)為: 它們都含有標(biāo)引詞t1 和t2 , 或者含有標(biāo)引詞t 3, 但不含有標(biāo)引詞t 4。、布爾模型所謂布爾檢索, 就是采用布爾代數(shù)的方法, 用布爾表達(dá)式表示用戶提問, 通過對文本標(biāo)識與用戶給出的檢索式進(jìn)行邏輯比較來檢索文本。鏈接分析充分利用了Web 上豐富的鏈接結(jié)構(gòu)信息，但它很少考慮網(wǎng)頁本身的內(nèi)容，而直觀上看，基于內(nèi)容的計算則較為深入地揭示了查詢和結(jié)果之間的語義關(guān)系，但忽略了不同網(wǎng)頁之間的指向關(guān)系，因此現(xiàn)在很多系統(tǒng)嘗試把兩者結(jié)合起來，以達(dá)到更好的性能。而基于內(nèi)容的計算則沿用傳統(tǒng)的文本分類方法，多采用向量空間模型、概率模型等方法來逐一計算用戶查詢和結(jié)果的相似度（相關(guān)性）?；谶@種鏈接分析的思想，Sergey Brin 和Larry Page 在1998 年提出了PageRank 算法， 提出了HITS 算法，其它一些學(xué)者也相繼提出了另外的鏈接分析算法，如SALSA，PHITS，Bayesian等算法。目前有兩大主流技術(shù)用于分析結(jié)果和查詢的相關(guān)性：鏈接分析和基于內(nèi)容的計算。最簡單的檢索系統(tǒng)只需要按照查詢詞之間的邏輯關(guān)系返回相應(yīng)的文檔就可以了，但這種做法顯然不能表達(dá)結(jié)果與查詢之間的深層關(guān)系。各種語言中都會存在很多同義詞，比如查“計算機(jī)”的時候，包含“電腦”的結(jié)果也應(yīng)一并返回，這種情況通常會采用查詞典的方法解決。用戶輸入的查詢條件可以有多種形式，包括關(guān)鍵詞、布爾表達(dá)式、自然語言形式的描述語句甚至是文本，但如果把這些輸入僅當(dāng)作關(guān)鍵詞去檢索，顯然不能準(zhǔn)確把握用戶的真實信息需求。例如，中文里的詞與詞之間不存在分隔符，因此必須先進(jìn)行分詞，而英文中的詞存在很多變形，比如“pute”就存在“putes”、“puting”、“puted”等多種變形，應(yīng)先進(jìn)行詞根還原。為了進(jìn)一步提高查詢的速度，在組織索引時還可以采用一些更復(fù)雜的方法，比如B樹、TRIE 樹、哈希表等。 對原始數(shù)據(jù)建索引是為了快速定位查詢詞所在的位置，為了達(dá)到這個目的，索引的結(jié)構(gòu)非常關(guān)鍵。此外，眾所周知，中文字符存在多種編碼，比如GB231BIGUnicode（CJK 區(qū)），而原始數(shù)據(jù)集往往包含多種編碼，因此要正確地檢索到結(jié)果必須進(jìn)行統(tǒng)一編碼轉(zhuǎn)換。下面我們分別對各個部分采用的技術(shù)加以介紹。目前隨著因特網(wǎng)的迅速發(fā)展，需求的不斷增加，文本檢索以及相關(guān)技術(shù)方面取得了長足的進(jìn)展，成為信息產(chǎn)業(yè)新的增長點。文本檢索技術(shù)的發(fā)展已經(jīng)有四十多年的歷史，取得了很大的成就，產(chǎn)生了大批實用的檢索系統(tǒng)，積累了很多成熟的技術(shù)。其熱點問題包括從早期的文本檢索、文本過濾到當(dāng)前的問題回答。其中最有代表性的是Luhn在IBM公司的工作，他提出了利用詞對文檔構(gòu)建索引并利用檢索與文檔中詞的匹配程度進(jìn)行檢索 的方法，這種方法就是目前常用的倒排文檔技術(shù)的雛形。進(jìn)入50年代后，研究者們開始為逐步的實現(xiàn)這些設(shè)想而努力。1945年，Vannevar Bush的論文《就像我們可能會想的??》第一次提出了設(shè)計自動的，在大規(guī)模的存儲數(shù)據(jù)中進(jìn)行查找的機(jī)器的構(gòu)想。狹義的信息檢索就是信息檢索過程的后半部分，即從信息集合中找出所需要的信息的過程。因此我們在下面主要討論中文文本檢索和相關(guān)的評價方案。根據(jù)不同的應(yīng)用背景和不同的使用目的，信息處理技術(shù)已經(jīng)演化信息檢索、信息過濾、信息分類、問題回答等方向。如此眾多的信息，僅僅依靠大腦來收集和整理所需要的信息顯然是不夠的。同時保證人們在信息選擇方面的個人隱私權(quán)利？成為學(xué)術(shù)界和企業(yè)界所十分關(guān)注的焦點。一方面，因特網(wǎng)上面蘊(yùn)含的海量信息遠(yuǎn)遠(yuǎn)超過人們的想象；另一方面，面對信息的汪洋大海，人們往往感到束手無策，無所適從，出現(xiàn)所謂的“信息過載”和“信息迷向”的現(xiàn)象。我分別設(shè)計了各種標(biāo)志，然后放在一塊進(jìn)行比較、討論，最后，經(jīng)過反復(fù)討論、修改，最后確定了“beer jjan”企業(yè)標(biāo)志確定下來以后，我們就開始了整個VIS的基礎(chǔ)系統(tǒng)和應(yīng)用系統(tǒng)部分的定義和設(shè)計，以下就是我們最后設(shè)計出來的樣稿。設(shè)計基本的思路 牛牛啤酒有限公司VI設(shè)計基本思路我們這次是為一家啤酒有限公司做VI設(shè)計。它被廣泛地應(yīng)用于海報、包裝和排版等平面廣告設(shè)計、網(wǎng)頁圖形制作和藝術(shù)效果的處理等諸多領(lǐng)域。如VI系統(tǒng)中，構(gòu)成元素的組合結(jié)構(gòu)必須化繁為簡，有利于標(biāo)準(zhǔn)的施行。為了達(dá)成企業(yè)形象對外傳播的一致性與一貫性，應(yīng)該運(yùn)用統(tǒng)一設(shè)計和統(tǒng)一大眾傳播，用完美的視覺一體化設(shè)計，將信息與認(rèn)識個性化、明晰化、有序化，把各種形式傳播媒體上的形象統(tǒng)一，創(chuàng)造能儲存與傳播的統(tǒng)一的企業(yè)理念與視覺形象，這樣能集中與強(qiáng)化企業(yè)形象，使信息傳播更為迅速有效，給社會大眾留下強(qiáng)烈的印象與影響力對企業(yè)識別的各種要素，從企業(yè)理念到視覺要素予以標(biāo)準(zhǔn)化，采同一的設(shè)計，對外傳播均采同一的模式，并堅持長期一貫的運(yùn)用，不輕易進(jìn)行變動。另外，企業(yè)在實行視覺識別系統(tǒng)時，還應(yīng)考慮到企業(yè)費(fèi)用和時間的問題，逐步改善企業(yè)的設(shè)計并使之統(tǒng)一化。企業(yè)視覺識別系統(tǒng)中的基本要素與應(yīng)用要素的內(nèi)容、形式，需要根據(jù)企業(yè)經(jīng)營的內(nèi)容與服務(wù)的性質(zhì)來決定。如果在實施性上過于麻煩，或因成本昂貴而影響實施，再優(yōu)秀的VI也會由于難以落實而成為空中樓閣、紙上談兵。所以，VI設(shè)計應(yīng)多角度、全方位地反映企業(yè)的經(jīng)營理念?；照?、臂章、名片、識別證、公司旗幟。產(chǎn)品說明書、廣告?zhèn)鞑?、展示會布置、公關(guān)雜志、促銷宣傳物、視聽資料、季節(jié)問候卡、明信片、各種POP類。股票、報告書、公司一覽表、調(diào)查報告、自辦報刊、公司簡歷、概況、獎狀等。專用信箋、便條、信封、文件紙、文件袋、介紹信等。公司名稱招牌、建筑物外觀、招牌、室外照明、霓虹燈、出入口指示、櫥窗展示、活 動式招牌、路標(biāo)、紀(jì)念性建筑、各種標(biāo)示牌、經(jīng)銷商用各類業(yè)務(wù)招牌、標(biāo)示。 VI基礎(chǔ)要素系統(tǒng)設(shè)計表13企業(yè)象征圖案 VI應(yīng)用要素系統(tǒng)設(shè)計表：洽談會、會客廳、會議廳家具、煙灰缸、坐墊、招待餐飲具、客戶用文具。企業(yè)形象的視覺識別，即是將CI的非可視內(nèi)容轉(zhuǎn)化為靜態(tài)的視覺識別符號，以無比豐富的多樣的應(yīng)用形式，在最為廣泛的層面上，進(jìn)行最直接的傳播。人們所感知的外部信息，有83%是通過視覺通道到達(dá)人們心智的。四、答辯情況（20）分能簡明扼要、重點突出地闡述論文的主要內(nèi)容，能準(zhǔn)確流利地回答各種問題。學(xué)術(shù)論文的風(fēng)格色彩1學(xué)術(shù)精神和理論色彩是學(xué)術(shù)論文的生命； 2嚴(yán)謹(jǐn)、簡練、樸實、莊重是學(xué)術(shù)論文的語言風(fēng)格； 3誠懇、謙虛是學(xué)術(shù)論文應(yīng)有的態(tài)度。學(xué)術(shù)論文的邏輯結(jié)構(gòu)學(xué)術(shù)論文作為論說文的一種，基本上是按照提出問題、分析問題、解決問題的思路來進(jìn)行文章的邏輯結(jié)構(gòu)的，但在具體的結(jié)構(gòu)形式上并沒有一定之規(guī)，常見的結(jié)構(gòu)形式有以下幾種：總分式、分總式、總分總式、散述式、推進(jìn)式。3作者對課題研究尚未解決的問題提出某種設(shè)想，或?qū)εc本文有關(guān)系的其它課題作出必要的交代。一般來說，結(jié)論部分可以寫下列內(nèi)容：1作者對課題研究得出的答案，或者是對文章主旨的強(qiáng)調(diào)。4論證方法與步驟，實驗設(shè)施與實驗方法。建立在大量閱讀文獻(xiàn)，并進(jìn)行總結(jié)的基礎(chǔ)上，概括主要發(fā)現(xiàn)，不重復(fù)前言與結(jié)果，引用支持你論點的文章，但不影響或降低文章的創(chuàng)新。學(xué)術(shù)論文的主體部分一般包括下列內(nèi)容： 1立論及其依據(jù)。5對課題研究狀況的簡要回顧。3說明作者論證時將要使用的方法。2提出問題，表明作者的見解和觀點。它是學(xué)術(shù)論文正文的起始部分，這一部分的寫作一般包括下面一些內(nèi)容：1說明課題研究的目的、理由和意義?！闭詈?00字左右為宜，不宜過長。必須表達(dá)論文最具特色的內(nèi)容，重點是結(jié)果和結(jié)論；一般以第三人稱的語氣寫，避免用“本文”、“我們”、“本研究”等作為文摘的開頭。摘要由目的、方法、結(jié)果和結(jié)論四部分組成: 目的部分:應(yīng)簡要說明研究的目的，說明提出問題的緣由，表明研究的范圍及重要性； 方法部分:應(yīng)說明研究課題的基本設(shè)計，使用了什么材料和方法，如何分組對照，研究范圍以及精確程度，數(shù)據(jù)是如何取得的以及經(jīng)過何種統(tǒng)計學(xué)方法處理；結(jié)果部分:要列出研究的主要結(jié)果和數(shù)據(jù)，有什么新發(fā)現(xiàn)，說明其價值及局限，敘述要具體、準(zhǔn)確，并需給出結(jié)果的可信值和統(tǒng)計學(xué)顯著性檢驗的確切值；結(jié)論部分:應(yīng)簡要說明、論證取得的正確觀點極其理論價值或應(yīng)用價值，是否值得推薦或推廣等。一般來說，一篇學(xué)術(shù)論文的提綱應(yīng)包括下列項目：論文的題目、論文的基本論點、論文的內(nèi)容提要、大的部分或大的層次的要點、段的要點、段內(nèi)層次的意思。(4)研究方法和技術(shù)路線(5)工作進(jìn)度計劃；(6)主要參考文獻(xiàn)。開題報告的目的就是要請專家?guī)椭袛嗄闼岢龅膯栴}是否值得研究，你準(zhǔn)備論證的觀點方法是否能夠研究出來。提出你的論文準(zhǔn)備論證的觀點或解決方法，簡述初步理由。明確