基于明确语义分析的自动文摘算法

不同于传统采用统计学习方式的自动文摘算法,利用维基百科等知识密集的资源建立概念空间,在该空间中对词语进行语义解释,进而解释词语及文本片段的语义,由此提出一种基于明确语义分析的自动文摘算法。实验结果证明,相比传统算法,该算法精度更高,用更少的句子即可获得更高的信息覆盖率。     

基于本体的自动文摘方法研究与实现

传统自动文摘方法并没有在语义层面上处理问题,所以近年来涌现出基于语义的理解分析法。本文提出一种基于本体的自动文摘方法,该方法采用领域本体将词特征映射为概念特征,然后调整特征词和文本语句权值,最后提取出合适的句子组合成文摘。该方法在统计的基础上加入语义分析,从而能够更精确地得到文本的主要内容,更方便阅读。在对竹藤领域的文本进行自动文摘实验后证明,该方法相比于传统自动文摘方法在文摘内容的准确度上有了较大的提高。     

基于概念统计和语义层次分析的英文自动文摘研究

传统的自动文摘方法基于词语统计抽取文摘句,未进行文本的语义分析,导致文摘精度不高。为了克服传统方法的缺点,本文提出了一种基于主题概念的自动文摘方法,以概念统计和层次分析为基础设计并实现了一个英文自动文摘系统。系统利用WordNet以概念统计代替传统的词频统计,基于主题概念构建向量空间模型,计算句子重要度。并且根据主题概念在概念层次树上的分布进行文本结构分析划分意义块,以意义块为单元抽取文摘,初步解决了多主题文章的文摘结构不平衡问题。本文主要介绍了概念层次树的构造,主题概念的抽取步骤,基于主题概念的句子重要度的计算和意义块的划分算法。测试表明,通过概念统计和语义层次分析的方法,我们设计了更理想的向量空间模型,系统生成的文摘精度较高,并更全面地反映了原文的主要内容。     

全信息理论在自动文摘系统中的应用

该文介绍了全信息理论提出的背景及其主要内容,并将其应用到一种智能业务──自动文摘系统中,设计实现了一个基于理解的、面向神经网络学习算法领域的中文９动文摘系统 Ｌａｄｉｅｓ。该系统综合利用语法信息和语义信息来理解原文的句法和含义,并通过语用信息制导,对原文进行文摘信息的过滤、提取和生成高质量的文摘。实验结果证明,这一方法是行之有效的。     

基于潜在语义索引和句子聚类的中文自动文摘

自动文摘是自然语言处理领域的一项重要的研究课题.提出一种基于潜在语义索引和句子聚类的中文自动文摘方法.该方法的特色在于：使用潜在语义索引计算句子的相似度,并将层次聚类算法和K-中心聚类算法相结合进行句子聚类,这样提高了句子相似度计算和主题划分的准确性,有利于生成的文摘在全面覆盖文档主题的同时减少自身的冗余.实验结果验证了该文提出的方法的有效性,对比传统的基于聚类的自动文摘方法,该方法生成的文摘质量获得了显著的提高.     

基于内容过滤PageRank的Top-k学习资源匹配推荐

针对在线教育支持技术中关于文本处理的多义词和同义词问题,提出基于内容过滤PageRank语义相似替换的Top-k学习资源推荐算法。基于内容的向量空间滤波建立学习资源过滤推荐模型,该模型采用资源间匹配方式以取代语义相似性,从而避免多义词或同义词的漏检问题。基于谷歌PageRank算法结合前述资源间匹配模型构建考虑资源间关系连接的权重矩阵,取代传统PageRank算法网页间的超链接方式,进行资源类型划分,得到特征的马尔可夫收敛矩阵,并利用Top-k算法实现推荐结果细化。实验结果表明,在公共学习资源数据集中,所提算法对计算时间的覆盖率是可行的。     

绿色网络网页正文内容提取算法

互联网中的网页有较多商业广告,绿色网络系统无法过滤其中具有不良内容的网站.为解决该问题,提出一种绿色网络网页正文内容提取算法.通过文件对象模型树识别与提取网页正文内容模块,使用基于粒子群的权值优化算法对网页正文各个板块特征权值进行评分,利用与不良关键字的比较,确定并过滤不良网页.实验结果表明,经粒子群权值算法优化提取后,绿色网络系统对不良网页的识别准确率为86.9％,召回率为95.6％,F值为91.02％,比优化前有较大提高.     

基于组块的中文自动文摘系统研究

传统的基于统计的自动文摘方法以词语作为文本信息的基本单位,没有考虑到词语在不同语言环境下的具体语义,导致文摘精度不高.为了克服传统方法的缺点,提出了一种基于文本组块的自动文摘方法.系统利用中科院的ICTCLAS软件对文档进行分词和词性标注,并根据一系列的规则,将相关的词语构造成组块.由句子中出现的组块作为衡量句子重要性的标准选出文摘句.文中给出了自动文摘的评价方法和实验结果,跟传统的基于词语的文摘相比较,实验结果表明基于文本组块的自动文摘系统生成的文摘句精度更高,更能全面反映原文的主要内容.     

基于篇章理解的自动文摘研究

本文在自然语言理解的基础上, 对自动文摘系统进行研究。研究在两级上进行, 一级是基于中心名词, 中心动词同其修饰成分间关系研究, 实现句子成分过滤, 完成句子主干提取。一级是上下文级, 基于篇章文体结构, 句子语义关联, 分别实现摘要基集产生算法, 摘要基集扩充算法及摘要集合生成算法。摘要基集的产生依赖于中心段, 中心句选取, 摘要基集扩充和摘要集合产生依赖于模糊语义距离的测试。     

基于概念向量空间模型的中文自动文摘系统

文章提出了一种基于hownet提取出词语的词义,用词语的词义代替传统的词形频率统计方法,并基于词义排歧建立主题语义概念向量空间模型。通过对抽取出的语句进行句子相似度的计算提高文摘精确度,设计实现了一个中文自动文摘系统。     

神经网络与DE算法在自适应滤波中的应用

为了满足电流互感器自动测试系统中处理采集数据的需求,提出了一种基于神经网络与微分进化算法的自适应滤波器.在传统自适应滤波器结构中引入神经网络,提高了非线性处理能力;而微分进化算法则能保证全局最优解.试验表明,将改进后的滤波器应用于测试系统中具有较好的滤波效果,验证了该滤波方法应用于工业测控领域的正确性与可行性.     

多模式匹配算法在网络入侵自动检测中的应用

为了可以对计算机网络安全进行有效的保护,同时提高计算机网络入侵检测的功能及其效率,提出多模式匹配算法在网络入侵自动检测中的应用。首先快速检测引擎初始化,快速有效地区别规则集合;其次构造模式匹配链表,读取系统配置文件的规则;最后检测网络数据包,确保计算机网络安全。通过实验结果的对比,可以明显看出,相比于传统算法,多模式匹配算法在网络入侵自动检测中的应用要更具有实用性,对入侵数据的检测能够进行高速处理,相同时间范围内,多模式匹配算法的超调量远超传统算法。     

基于模糊测试的网络协议自动化漏洞挖掘工具设计与实现

文章针对传统网络协议挖掘的缺陷,着重分析了传统网络协议的分析手段、漏洞类型、产生原因和挖掘方法。文章针对传统网络协议挖掘中协议的分析过程不能自动化、构造Fuzz的数据不符合网络协议格式规范和交互的流程导致无法深入快速地进行漏洞挖掘的缺点,提出了一种基于自动化协议分析算法、流量聚类分类算法、深度数据包检测技术、Fuzz技术相互整合的自动化协议分析漏洞挖掘工具设计方案。文章设计了一套自动化协议分析的漏洞挖掘系统,给出了系统的工作流程和组织结构,以及各个模块的功能和相互之间的关系,实现了一个自动化协议分析漏洞挖掘系统的原型。文章的最大创新是通过自动化协议分析、流量聚类分类算法和DPI技术的有机结合,实现了自动化协议分析、自动形成测试路径的网络协议漏洞挖掘技术。     

基于图像内容过滤的智能监测系统的研究

提出了一种基于知识的以图像内容过滤的智能网络安全监测系统,解决目前网络安全系统对于图像信息监测能力严重不足的问题.该系统采用了以知识为主的信息反馈机制,以基于轮廓特征提取与多智能体技术的图像检索算法作为图像内容监测与分析的引擎中枢。采用基于知识的安全审计机制,具体由控制智能体执行,实现对于历史监测数据及规则的智能数据挖掘与检索,能准确实时地监测网络中的图像信息,实验效果良好。     

基于增强现实的网络视频会议系统研究

针对传统网络视频会议系统中存在的缺乏真实性和立体感的问题，提出了设计基于增强现实的网络视频会议系统的思想。并且以H．323标准的MCU策略和基于视觉的三维注册算法为基础，设计了一个基于增强现实的网络视频会议系统。该系统将增强现实技术和网络技术结合起来，正好弥补了上述缺点，提高了网络会议效果。     

遗传算法和神经网络在白细胞自动识别中的应用

该文讨论并建立了一真彩色白细胞显微图像微机自动识别系统。针对传统组合优化方法用于特征选择的种种缺陷,提出了基于遗传算法的特征选择策略。根据细胞特征,笔者对传统的遗传算法做了相应的改进。最后运用选择特征子集来训练BP神经网络作为分类器。结果证明该方法对于分类系统的性能优化有明显效果。     

NFV中单节点启发式资源分配方法

从网络包转发性能角度出发,通过实验深入分析DPDK对虚拟网络功能的加速效果及CPU资源消耗情况,并对单节点资源分配问题进行研究,证明了该问题是NP难类型,提出了基于贪心算法的启发式VNF资源分配算法。在此基础上,针对网络负载的潮汐现象,提出了一种基于网络负载的虚拟网络功能实例自动切换方案。实验结果显示,相较传统方式,该方案在高负载情况下VNF性能提升了20%。     

水轮机调速系统模糊神经PID控制

提出一种模糊神经PID控制算法,该算法采用RBF网络对被控对象进行在线辨识,利用模糊神经网络在线调整PID控制参数。将该算法应用于水轮机调速系统,仿真结果表明该控制算法优于传统的PID控制算法。     

Constructing predicate mappings for goal-dependent abstraction

In theorem proving with abstraction, it is required for system designers to provide a useful abstraction. However, such a task is so difficult that it would be worth studying an automatic construction of abstraction. In this paper, we propose a new framework of Goal-Dependent Abstraction in which an appropriate abstraction is selected according to each goal to be proved. Towards Goal-Dependent Abstraction, we present an algorithm for constructing an appropriate abstraction for a given goal. The appropriateness is defined in terms of Upward-Property and Downward-Property. Since our abstraction is based on predicate mapping, the algorithm in fact computes predicate mappings based on which appropriate abstractions can be constructed. Given a goal, candidate predicate mappings are generated and then tested for their appropriateness for the goal. In order to find appropriate mappings efficiently, we present a property to prune useless candidate generations. The numbers of pruned candidates are evaluated in the best and worst cases. Furthermore some experimental results show that many useless candidates can be pruned with the property and the obtained appropriate predicate mappings (abstractions) fit our intuition. From the experimental results, we could expect our study in this paper to contribute to the fields of analogical reasoning and case-based reasoning as well as theorem-proving. This revised version was published online in June 2006 with corrections to the Cover Date.     

面向Web的工作流管理

提出了一种以Internet技术为基础的面向Web核心环境的企业工作管理控制系统，面向Web的企业工作流管理控制系统不仅在时间和空间上突破了传统工作系统的应用局限性，而且还能够在开发和管理方面，通过软件构件的包装协作方式解决开放式网络环境下的协作自动化管理控制问题。