Information Extraction from Web Pages Using Presentation Regularities and Domain Knowledge

World Wide Web is transforming itself into the largest information resource making the process of information extraction (IE) from Web an important and challenging problem. In this paper, we present an automated IE system that is domain independent and that can automatically transform a given Web page into a semi-structured hierarchical document using presentation regularities. The resulting documents are weakly annotated in the sense that they might contain many incorrect annotations and missing labels. We also describe how to improve the quality of weakly annotated data by using domain knowledge in terms of a statistical domain model. We demonstrate that such system can recover from ambiguities in the presentation and boost the overall accuracy of a base information extractor by up to 20%. Our experimental evaluations with TAP data, computer science department Web sites, and RoadRunner document sets indicate that our algorithms can scale up to very large data sets.     

MFPSM:基于双向约束的极大频繁页面集挖掘算法

挖掘极大频繁页面集是WEB使用挖掘中的关键应用之一。由于一定时间段的会话中蕴含着用户的访问模式与访问动机,设计一种结点带有驻留时间,类似FP-tree的频繁页面树FPDT-tree结构;利用FPDT-tree结构存储双向驻留时间约束的会话数据库,简化挖掘过程中驻留时间阈值的设置。基于FPDT-tree提出算法MFPSM挖掘会话中的极大频繁页面集,实验结果表明,在时间约束环境中,通过决策者给出合适的时间约束阈值,该算法可以有效地缩短挖掘极大频繁页面集的时间。     

科研项目申报系统的设计与实现

随着高校科研事业的发展,科研项目管理任务日渐繁重,开发项目管理系统是科学、便捷管理亟待解决的问题.构建、设计、开发基于B/S模式下的高校科研项目申报系统是解决此问题的佳径,在系统开发中,综合运用Word、VBA、VB、ASP技术,解决了开发中的技术难题,实现了系统的所需功能,并给出了部分编程示例.     

WWW论坛中的动态网页采集

网络论坛已经成为互联网信息发布的主要形式，对论坛信息的检索和挖掘都涉及到论坛信息的获取，然而传统的针对静态网页的广度优先采集工具，不能有效地获取论坛信息。该文利用论坛的结构特点，提出了一种“版面-主题关联判断”(BTCJ)算法，采用一种基于版面扩展的采集策略。实验证明，该方法在论坛采集准确率和覆盖率方面显著优于广度优先策略；具有良好的泛化能力，应用在实践中已覆盖各种类型的论坛12 000余个。     

基于Web的数值分析CAI系统的设计与实现

对网络时代的计算机辅助教学的实现方式进行了探讨，重点讨论基于Web的“数值分析CAI系统”（课件）的设计和实现过程，主要包括系统目标、功能分析与设计等。阐述基于Web的CAI系统的实现过程和方法以及系统实现中的关键技术，提出了开发基于Web的CAI系统的结构框架。     

中文网页自动摘要系统的研究

自动摘要是自然语言处理中的一个重要但又困难的分支，在Web信息检索中起着重要作用。文章采用拟人思维。提出了一种篇章结构分析和统计相结合的自动摘要方法，并实现了一个中文网页自动摘要实验系统。该方法首先对文本进行篇章结构分析，得到段落的位置信息和各级小标题信息；然后综合这些结构信息使用统计方法和启发式规则来提取文档的关键词、关键句，生成文档的摘要。在实验评估中，该方法取得了令人满意的摘要质量和速度。     

对页面访问序列影响LRU页面置换算法的研究

页面置换算法是操作系统中虚拟存储管理的一个重要部分。改进页面置换算法,可以降低页面失败率,从而有效地提高系统性能。现有的应用于虚拟存储管理的页面置换算法主要是Least Reference Used(LRU)页面置换算法。文中利用页面访问间隔数,分析不同的页面访问序列对LRU算法的影响,把页面访问序列分为LRU-友好页面访问序列、LRU-不友好页面访问序列、不友好页面访问序列三类,为改进LRU页面置换算法提供了依据。     

实施上海市南北快速轨道交通工程的思考与建议

以上海城市的持续发展为前提,用系统的观点对南北快速轨道交通建设中的主要实施目标、保证实施的必要条件以及保证工程建设之关键等提出了决策建议     

考虑配电网重构的区域综合能源系统最优混合潮流计算

随着热电联产系统、中央空调及燃气锅炉等单元的广泛使用,区域综合能源系统(ICES)中电力、天然气和热力系统的耦合和联系日益紧密。从“源—网—荷”全环节出发,提出了融合配电网重构的ICES最优混合潮流算法来对ICES进行优化调度。首先,基于能源集线器理论,构建了ICES中能量中心(EC)的数学模型。然后,考虑ICES中三相不平衡配电系统、燃气管网及EC的相关约束,以运行成本最小为目标,提出了融合配电网重构能力的ICES最优混合潮流模型及求解方法。最后,利用典型ICES算例系统测试结果表明,所述方法通过将配电网可重构网络拓扑这一灵活可控元素作为控制变量有效集成到ICES“源—网—荷”最优混合潮流算法中,进一步降低了ICES的运行成本。     

针对电力监控系统的改进页面交换算法

为了解决电力监控系统信息高效交互和传输的问题,提出了一种改进的最久未使用页面交换算法.通过对不同电力监测终端节点需要传送的信息进行事件建模,总结不同场景的页面交换特点,得到能够反应监测节点对不同事件场景的概率模型.通过设定具体的场景阈值,结合对应的概率模型和最久未使用页面交换算法制定新的页面交换策略,从而提高整体系统的运行效能和稳定性.结果证明,所提出的算法可以比同类其他算法提高至少10%的性能.