特征和实例迁移相融合的跨领域倾向性分析

在情感倾向性分析中,经常会发生由于领域知识的变化引起的分类精度下降的问题。为解决此类问题,该文提出了一种基于实例和特征相融合的知识迁移方法,首先通过三部图构建了源领域和目标领域的领域依赖特征词之间的关联,并得到一个公共的语义空间来对原有的向量空间模型进行重建,然后再通过带偏置的马尔科夫模型,建立源领域和目标领域实例之间的关联,从而有效的将源领域学习到的情感倾向性知识迁移到目标领域中,高于其它方法的实验结果验证了算法的有效性。     

基于Mobile Agent的服务移动性实现

本文提出了一种基于Mobile Agent的服务移动性系统(MASM,Mobile Agent Based Service Mobility),并在模拟环境中加以实现.MASM系统充分利用了Mobile Agent和Java技术的优势,提出了用“打点”和模块化等技术设计Mobile Agent的新方法,从而有效地减少了网络传输负载,灵活地实现了跨不同网络的服务移动.本文着重在MASM系统和Mobile Agent结构设计上以及具体服务移动的实现上.