基于滑动窗口的动态摘要算法

动态摘要是根据查询检索词从文章中动态提取的摘要。用户仅仅浏览动态摘要之后就能了解文章中与查询相关的部分，进而判断是否值得详细阅读整篇文章。该文根据搜索引擎对摘要速度和质量的要求，提出了一种使用滑动窗口抽取片断的算法，接着构造了摘要评测模型，使用同一个测试集对新动态摘要算法和Google、百度作对比实验。结果证明使用新方法生成的摘要能够言简意赅地概括文章的相关内容，在摘要指标的分项测试中取得了和Google基本相同的效果，但明显要比百度好，综合评价分别提高了5%和11%。     

桥牌游戏搜索空间的研究

本文利用桥牌游戏的合法出牌序列（Legal Play Sequences，LPS）数量来计算桥牌搜索空间，给出了桥牌游戏搜索空间的精确计算方法，实验结果表明最普遍的牌型有相对较低的搜索空间。最后给出一种双明手桥牌的打牌算法,实验证明可以减少游戏树50％的展开节点。     

PC机硬盘系统的恢复

通过对ＩＢＭ－ＰＣ机及其兼容机所用ＤＯＳ系统的硬盘分区划分方法的简要分析，介绍了一种实用的硬盘信息的恢复方法。     

基于ERNIE-DPCNN的短文本分类研究

目前采用短文本分类的方法几乎都使用词向量,不管是机器学习还是深度学习本质上都是对数字的处理.将文本汉字转换成计算机可识别的数字信息是词向量的作用.ERNIE是百度提出主要针对中文设计的词向量模型.将ERNIE词向量与深金字塔卷积神经网络相融合,对中文类新闻文本标题进行文本分类处理.通过实验比较,ERNIE词向量与深金字塔卷积神经网络相结合的短文本分类模型具有较高的分类精度.     

应用移动Agent加强JXTA网络的搜索功能

为了加强基于JXTA的对等网络的搜索性能,研究分析了JXTA网络中集合点的管理策略及查询机制.针对现有网络集合点管理措施的缺陷以及由此可能导致网络查询效率低下的问题,提出了应用移动Agent来协助JXTA进行集合点选择的方案,以达到选择综合性能优秀的节点来充当集合点的目的,并在此基础上给出了改进后的查询机制.最后,在局域网内进行了模拟实验,通过实验结果的对比分析表明,改进后的机制能够极大地优化JXTA网络的整体查询性能.     

SDD方法在信息检索中的应用

介绍潜在语义索引中半离散矩阵分解SDD(Semidiscrete Matrix Decomposition)方法的使用,改进其在存储空间方面的不足,提出了SDD 方法,并比较了奇异值分解SVD(Singular Vector Decomposition)、SDD和SDD 的性能差异.     

基于篇章结构的文本自动标引算法

通过对输入文本分析,划分文本的篇章结构,分为依次存在包含关系的全文章节、段落、复句、分句五个层次,用文本结构树来表示.给出了标记方法,并在此基础上讨论并实现了文本篇章结构的自动标引,提出了两个标引算法并给出了比较结果,为自动文摘后续工作给予了很大帮助.     

一种基于自动机的分词方法

该文介绍一种简洁有效的快速分词方法,并通过理论分析和实验对比说明几种分词方法的效率差异,以说明文章所提出方法的有效性。     

一种基于深度挖掘用户和内容特征的CTR预估方法

预估点击率（CTR）是推荐系统的核心任务之一，基于此提出一种深度挖掘用户和内容特征的CTR预估模型——DFAR模型。在用户特征提取部分，通过长短期记忆网络（LSTM）对用户时序特征进行提取，通过残差模块与注意力机制实现对用户特征的深度提取。首先，在待推荐内容部分利用因子分解机（FM）来提取浅层特征。然后，使用多头注意力机制和残差网络从待推荐内容中提取深度特征。最后，将用户特征与待推荐内容特征做内积结合并做出最终预测。最终在Movielens-100K数据集上利用该模型进行实验，实验结果表明，提出的模型在AUC值上相比于深度因子分解机（DeepFM）模型提升了1.45%。验证了DFAR模型对CTR预测的有效性。     

融合知识图谱与Bert+CNN的图书文本分类研究

基于海量图书的分类需求，提出了一种融合知识图谱（Knowledge Graph, KG）与转换器双向编码器（Bidirectional Encoder Representation from Transformers, Bert）的图书文本分类模型。通过构建面向图书领域知识图谱扩展图书文本的语义信息，并且使用深度学习的方法获取文本深层语义信息，将扩展语义信息与深层语义信息相结合后，通过TextCNN进行图书分类。经研究试验表明，融合知识图谱与深度学习的图书文本分类算法相对于只使用深度学习进行图书分类算法，前者的分类效果更佳。