基于网络的动态多文档文摘系统框架

在自然语言处理和计算语言学相关技术支撑下,研究基于网络的动态多文档文摘系统框架,重点描述动态多文档文摘系统框架的相关内容,介绍利用矩阵子空间方法进行动态演化建模,利用相似度和质心整体优选计算方法进行信息过滤,并利用动态流形排序方法进行句子加权的动态多文档文摘生成系统.按照多文档文摘生成步骤的划分,对3 种创新的模型方法进行融合,综合起来从不同侧重点考虑,形成互补,提高系统性能.在网络环境下,此框架保证了动态演化的多文档文摘具有较高的信息新颖性和历史信息的演化性.     

面向网络演化信息的动态文摘方法研究

随着互联网的发展和Web2.0的出现,网络信息内容的动态演化性越来越明显.该文从网络信息的时间演化性出发,给出了动态文摘的形式化定义.在分析当前信息与历史信息的演化关系的基础上,采用内容过滤的方法度量演化内容的差异性,从而得到三种动态文摘模型,并基于模糊隶属度给出了具体的动态文摘生成方法.在DUC2007测试数据上的实验,证明了文中所提出动态文摘模型及生成方法的有效性.     

一种基于局部—全局主题关系的演化式摘要系统

带有时间标志的演化式摘要是近年来提出的自然语言处理任务,其本质是多文档自动文摘,它的研究对象是互联网上连续报道的热点新闻文档。针对互联网新闻事件报道的动态演化、动态关联和信息重复等特点,该文提出了一种基于局部—全局主题关系的演化式摘要方法,该方法将新闻事件划分为多个不同的子主题,在考虑时间演化的基础上同时考虑子主题之间的主题演化,最后将新闻标题作为摘要输出。实验结果表明,该方法是有效的,并且在以新闻标题作为输入输出时,和当前主流的多文档摘要和演化摘要方法相比,在Rouge评价指标上有显著提高。     

基于局部主题判定与抽取的多文档文摘技术

提出了一个通过对同一主题的多文档集合内局部主题的判定和抽取生成多文档文摘 的方法.首先在对多文档集合中句子依存分析和语义分析的基础上进行相似度计算,将相似 句子经过聚类形成多文档集合内不同的局部主题,然后进行每个局部主题中质心句的抽取和 排序,生成多文档文摘.该方法实现了文摘长度随文档内容自动确定,从而保证了文摘中包 含的信息的全面和简洁.最后文中还给出了多文档文摘的评价方法和实验结果,文摘的平均 精确率和平均压缩率分别为71.4%和25.2%.     

主题模型LDA的多文档自动文摘

近年来使用概率主题模型表示多文档文摘问题受到研究者的关注.LDA (latent dirichlet allocation)是主题模型中具有代表性的概率生成性模型之一.提出了一种基于LDA的文摘方法,该方法以混乱度确定LDA模型的主题数目,以Gibbs抽样获得模型中句子的主题概率分布和主题的词汇概率分布,以句子中主题权重的加和确定各个主题的重要程度,并根据LDA模型中主题的概率分布和句子的概率分布提出了2种不同的句子权重计算模型.实验中使用ROUGE评测标准,与代表最新水平的SumBasic方法和其他2种基于LDA的多文档自动文摘方法在通用型多文档摘要测试集DUC2002上的评测数据进行比较,结果表明提出的基于LDA的多文档自动文摘方法在ROUGE的各个评测标准上均优于SumBasic方法,与其他基于LDA模型的文摘相比也具有优势.     

基于增量图聚类的动态多文档摘要算法

目前的动态文摘方法几乎都是基于文档批处理机制的,无法适应实际应用中文档数据是以不稳定的数据流形式到来,需要实时更新摘要的需求。针对上述问题,提出一种利用K近邻思想对句子进行建模,再增量聚类句子实现子主题划分的动态文本摘要方法。该方法根据K近邻基本思想形成两层句子图模型,用增量图聚类方法对句子进行处理,同时考虑结合时间因素提高句子新颖度来抽取动态文摘。该方法能基于文档数据流增量式地抽取动态文摘,实现文摘内容的实时更新。通过在TAC2008和TAC2009的Update Summarization数据集上的测试,证明本文方法在动态文摘抽取上的有效性。     

基于文摘的信息检索模型

基于文摘的检索模型是基于一个假设。即出现在文摘中的词要比未出现在文摘中的词更能表达文章的主题,因此对检索贡献更大.提出了两个基于文摘的语言检索模型,一个是用文摘模型代替文档模型直接检索文件(SQL),另一个是用文摘模型平滑文档模型(SBDM).在TREC数据集上的实验表明,该模型能够提高检索的性能.其中,SBDM的性能一致接近或优于传统的标准文档查询相似模型.有两个方面的贡献,一方面提出了面向检索的文摘抽取方法并考察了这些文摘方法对检索性能的影响;另一方面提出了新的检索模型,即基于文摘的检索模型.     

文本聚类在自动文摘中的应用研究

针对当前自动文摘方法的不足,提出了基于文本聚类的自动文摘实现方法。将文本聚类引入自动文摘中,能实现多文档的自动文摘。实现了面向“塑料”行业的基于文本聚类的自动文摘系统TCAAS,其单文档自动文摘的正确率和召回率在80%以上,多文档自动文摘的正确率和召回率在75%以上。实验表明该方法可行,对自动文摘系统的设计具有借鉴意义和深入研究的价值。     

基于复杂适应理论的SaaS平台自适应演化技术研究*

针对产业链协同SaaS平台业务功能动态定制的特点,在研究云平台业务功能个性化定制架构的基础上,分析了产业链协同SaaS平台业务功能自适应演化的需求,基于复杂适应系统理论建立了自适应演化模型,提出了基于角色及业务驱动的演化模型执行策略,采用基于遗传算法的演化策略实现主体的最优演化,采用基于.NET的反射机制实现了演化主体的动态配置,设计和实现了基于.NET的反射处理接口,实现了自适应主体在系统运行过程中的动态调用。最后,通过报表主体的动态添加和表单主体在不同企业联盟中的自适应演化,验证了技术的可行性和有效性。     

多文档自动文摘综述

多文档文摘是将同一主题下的多个文本描述的主要的信息按压缩比提炼为一个文本的自然语言处理技术。随着互联网上信息的日益丰富,多文档文摘技术成为新的研究热点。本文介绍了多文档文摘的产生和应用背景,阐述了多文档文摘和其他自然语言处理技术的关系,对多文档文摘国内外研究现状进行了分析,在此基础上汇总提出了多文档文摘研究的基本路线及关键技术,并总结了多文档文摘的未来及发展趋势。     

一个决策驱动的网构软件动态演化模型

传统的建模方法比较难实现网构软件系统的动态演化和自适应性,基于决策驱动的网构软件动态建模方法研究已经成为一个热点。从决策抽象和问题分解角度,提出一个决策驱动的网构软件动态演化模型。首先使用松弛原子算法来分解问题与动态组合决策;然后采用累加累减算法建立网构软件动态演化模型;最后设计相关的网构软件系统来验证该模型。性能分析表明,相比传统模型,该模型有良好的动态演化效果。     

面向软件动态演化的需求建模及其模型规范化

针对目前需求工程阶段对软件动态演化考虑不足的现状,在分析软件动态演化面临的挑战的基础上,设计了面向动态演化的需求元模型(dynamic-evolution-orientedrequi rements meta-model,DERM)。该元模型以特征为基本部件,按特征组合的方式建立需求模型,需求模型由行为特征和属性特征组成。行为特征被区分为计算行为特征和交互行为特征,以实现计算和交互的相对隔离;属性特征通过其作用域,指定其在行为特征模型中的作用范围,从而将行为特征模型和属性特征模型统一为需求模型。在此基础上,讨论了需求模型的参照完整性、依赖一致性和互斥一致性,并进一步把需求模型规范化为需求模型第一范式到第三范式,需求模型规范化的过程提供了一种保证需求模型一致性的方法。最后通过案例研究,表明了该方法的可行性及其对软件动态演化的有效支持。     

Quantitative evaluation of model consistency evolution in compositional service-oriented simulation using a connected hyper-digraph

Appropriate maintenance technologies that facilitate model consistency in distributed simulation systems are relevant but generally unavailable. To resolve this problem, we analyze the main factors that cause model inconsistency. The analysis methods used for traditional distributed simulations are mostly empirical and qualitative, and disregard the dynamic characteristics of factor evolution in model operational running. Furthermore, distributed simulation applications （DSAs） are rapidly evolving in terms of large-scale, distributed, service-oriented, compositional, and dynamic features. Such developments present difficulty in the use of traditional analysis methods in DSAs, for the analysis of factorial effects on simulation models. To solve these problems, we construct a dynamic evolution mechanism of model consistency, called the connected model hyper-digraph （CMH）. CMH is developed using formal methods that accurately specify the evolutional processes and activities of models （i.e., self-evolution, interoperability, compositionality, and authenticity）. We also develop an algorithm of model consistency evolution （AMCE） based on CMH to quantitatively and dynamically evaluate influencing factors. Experimental results demonstrate that non-combination （33.7% on average） is the most influential factor, non-single-directed understanding （26.6%） is the second most influential, and non-double-directed understanding （5.0%） is the least influential. Unlike previous analysis methods, AMCE provides good fea- sibility and effectiveness. This research can serve as guidance for designers of consistency maintenance technologies toward achieving a high level of consistency in future DSAs.     

面向服务架构下的SMP2仿真系统动态演化方法

为了支持现实世界与虚拟世界的平行互动演化,满足日益增长的复杂系统动态仿真需求,提出了一个面向服务架构下的SMP2仿真系统动态演化方法。分析了SMP2仿真系统组成及其动态演化分类,提出了一个基于SOA支持动态演化的SMP2仿真系统结构以及SMP2仿真系统动态演化需求模型,设计并实现了两个系统动态演化相关的仿真组件,以卫星导航可见卫星数量演化仿真实验为例验证了方法的可行性,并讨论了下一步的研究方向。     

基于不动点转移的SA动态演化模型

构造性和演化性是软件的两个基本特性．而软件演化包括静态演化和动态演化两个方面．动态演化更为复杂，这种复杂性决定了．对动态演化的研究首先应从宏观层面人手．软件体系结构SA作为软件的蓝图和支撑骨架．为人们宏观把握软件的动态演化提供了一条有效的途径．该文描述了构件——连接件组成的SA动态语义网络模型．分析了SA动态语义网络模型中的浸润过程．给出基于不动点的浸润过程收敛的判定，提出了邻接矩阵过滤和原子过滤的概念，阐明了基于邻接矩阵原子过滤的SA动态语义网络浸润步的原子性．指出SA动态演化过程可用一系列邻接矩阵原子过滤在时刻上相继的逻辑衔接来描述．最后给出了两个层面上对SA动态演化波及效应的分析方法．为基于矩阵变换的SA动态演化的进一步研究和计算机自动量化描述奠定了基础．     

网络软件动态演化的元胞自动机模型研究

通过分析网络软件的动态演化,提出将元胞自动机理论引入到网络软件演化过程的模拟中,建立元胞模型来预防和监控演化趋势。并针对服务构件替换和连接件替换,提出一系列算法和规则。研究结果表明该模型能较好地模拟网络捧件演化现象,对于web形式的服务监控、替换以及维护重要服务等工作具有指导意义。     

在线社会网络演化模型

在分析在线社会网络的拓扑结构、特征及演化规律的基础上,借鉴了前人网络模型的思想,提出了在线社会网络演化模型,引入动态的加权方式,提出了一种在线社会网络演化模型。理论分析和仿真表明：在线社会网络演化模型具有无标度和小世界特性,点权、边权、度分布呈现幂律特性,具有较多的簇系数、较小的路径长度且可调。这种无标度和小世界特性与现实中的在线社会网络较为一致。     

遗传算法的全局动力学形态分析

目前，对遗传算法的运行机理分析大都集中在算法的极限收敛性等问题，对算法的全局动力学形态研究较少．从一个具有代表性的、简化的2—bit问题入手，可以对遗传算法中常用的各种进化算子及其组合进行形式化描述，从而全面分析GA的全局动力学形态．针对各种参数的选取，分别建立了4个数学模型．通过分析这些模型中各个不动点的吸引性，揭示出不同进化算子对动力学形态的影响．对于这个问题，证明了算法的全局收敛性．并指出，当存在两个被此竞争的局部极值点时，模型中只有两个吸引点和一个鞍点(或排斥点)，不存在其他的不动点或周期点．算法的收敛结果完全由初始条件处于状态空间中的位置所决定，相应的收敛区域的比例完全由模型的参数决定．     

复杂网络演化的舆论动力学模型及仿真分析

针对舆论传播过程中复杂动力学演化问题,提出一种基于传播动力学的舆论动态演化模型。首先,构建舆论及舆论演化模型,通过方程变换求出静态解;其次,引入Fokker-Planck方程对舆论演化渐近行为进行分析,得到稳态解决方案并求解,构建复杂网络与模型的关联并提出仿真研究实验目的;最后,通过对舆论演化模型及引入Fokker-Planck方程的舆论意见模型进行仿真分析,并以真实微博舆论数据为例进行实证分析,研究舆论在复杂网络中传播和演化的实质。实验结果表明舆论网络演化渐近行为与度分布相一致,网络舆论传播中的连接方式会受到节点意见影响,模型能有效描述微博舆论传播网络形成和演化过程的动力学行为。     

基于改进动态纹理模型的人体运动分析

人体运动分析是计算机视觉领域最活跃的研究课题之一。文中提出2种描述人体运动序列的改进动态纹理模型:二值动态纹理模型和张量子空间动态纹理模型。假设二值图像服从Bernoulli分布,二值动态纹理模型使用二值主成分分析来学习训练模型的参数。张量子空间动态纹理模型将图像看作张量, 引入张量子空间分析的方法分别对其行向量和列向量进行降维,将其转化为低维灰度图像,然后用动态纹理模型描述灰度图像序列。在人体行为和步态数据库上的实验结果验证2种改进动态纹理模型的有效性。