高性能邮件过滤服务结构模型设计与实现

分析了MTA方式邮件过滤系统的业务流量和网络服务特点,以排队论为基础,建立了一个高性能邮件过滤服务模型,用于对邮件过滤系统的服务能力进行理论预测,并结合一个具体的应用场景,提供一个实例,其理论分析结果与实际情况相符,验证了该模型的有效性。     

Peer-to-Peer网络的二维DHT资源定位策略

本文首先分析了JXTA的资源定位方式,在此基础上提出了一种基于三层P2P架构的二维DHT资源定位方式,并详细建议了在该方式下对DHT迁移的抑制方法。     

快速聚类算法在个性化服务中的应用

许多实际应用已经证明,k-means算法能够有效地得到好的聚类结果。但是,k-means直接算法的时间复杂度和模式复杂度对数据量的大小非常敏感,无法满足一些高性能的应用场合,如个性化服务中对用户数据进行的群组分析。对此,笔者提出了一种新颖的基于k-d树的聚类算法。这种算法采用空间数据结构—k-d树组织所有的样本数据,可以高效地搜索到离某个给定的聚类中心最近的全部模式。实验结果表明,该方案可以显著提高k-means直接算法的运算速度,在距离运算量和总的运算时间上,可把性能提高1～2个数量级。     

支持向量机在多用户检测中的应用

支持向量机作为非线性多用户检测器,可以利用较少的训练数据,检测经过瑞利(Rayleigh)衰落的同步CDMA通信系统信号.计算机仿真结果表明,在多普勒频移不同的瑞利衰落信道下,这种多用户检测算法误码率性能优于线性最小均方误差(MMSE)算法.     

面向特定领域的理解型中文自动文摘系统

自动文摘是计算机通信网提供智能业务的关键技术之一．介绍了一个面向特定领域－神经网络学习算法的理解型中文自动文摘系统．与其他文摘系统相比,该系统首次采用了基于全信息模型的自然语言理解理论,通过设计义块组配的方法避开了传统的语法语义分析系统所遇到的各种难题,并通过语用信息制导,将语句理解与文摘信息提取直接相连,大大提高了理解的效率和文摘生成的速度．测试结果表明该系统的整套方法是行之有效的．     

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。     

知识论框架通向信息-知识-智能统一的理论

知识是人类所创造的宝贵财富,但至今没有形成系统的知识理论。章旨在提出和建立知识论的框架体系,包括它的基础和主体两部分。基础部分主要给出知识的概念、定义、表示、度量、推理和决策规则;主体部分的核心是阐明由信息提炼知识(知识生成)以及由知识形成智能(知识激活)的机理。知识论的建立将为信息论-知识论-智能论的统一理论奠定坚实的基础,促进人们在更高的水平上利用信息和知识,研究、设计和应用各种智能机器,推动经济和社会的发展。     

关于自动文摘系统中文摘句式的一种机器学习方法

自动文摘系统中一个关键的问题是找出能构成摘要的重点句子。找出这些句子的方法很多,但用机器学习的方法却较少,该文提出了一种关于文摘句式的自动学习方法。该方法以经过简单的预处理的若干语句为训练样本集,以正例句为基点进行由底向上的泛化学习,抽象出关于句式的一般概念,形成句式规则集,作为判断文中哪些语句可作为文摘句的有效手段。这是文摘系统实现的核心部分。     

人工智能范式的革命与通用智能理论的创生

人工智能的研究取得了不少可喜的进展,也面临着许多严峻的挑战。为了应对这些挑战,学术界提出了各种各样的研究思路。笔者相信,每种思路都有其合理之处,都有可能获得一定的成效。不过,根据笔者的理解,人工智能面临的最深刻最严峻的挑战,是学科和时代的大转变所带来的大阵痛:人工智能范式的张冠李戴。因此,必须对人工智能的范式实施“正冠”:颠覆传统学科范式对人工智能研究的束缚,确立信息学科范式对人工智能研究的规范和引领。实施人工智能范式革命的结果,创生了本文要介绍的“通用智能理论”。     

关于自然语言处理中的文摘生成及其相关技术

一、引言自然语言处理(简称NLP)伴随着计算机的诞生而诞生。在自然语言处理中,开始人们关注的焦点是机器翻译(简称MT),早在1958年已极为盛行。美国投入大量资金和人力组建各种研究小组进行机器翻译的研究。与此同时,自动文摘(Automatic Abstracting,即文摘生成,Text Summarization,简称TS)也悄悄地诞