基于角色标注的中国人名自动识别研究

该文提出了一种基于角色标注的中国人名自动识别方法。其基本思想是：根据在人名识别中的作用，采取Viterbi算法对切词结果进行角色标注，在角色序列的基础上，进行模式最大匹配，最终实现中国人名的识别。识别过程中只需要将某个词作为特定角色的概率以及角色之间的转移概率。该方法的实用性还在于：这些角色信息完全可以从真实语料库中自动抽取得到。通过对16M字节真实语料库的封闭与开放测试，该方法取得了接近98％的召回率。文中介绍了计算所汉语词法分析系统ICTCLAS，集成人名识别算法之后，词法分析的准确率提高了1．41％，同时人名识别的综合指标F-1值达到了95．40％。不同实验从各个角度表明：基于角色标注的人名识别算法行之有效。     

普适计算的人机交互框架研究

普适计算通过向用户提供透明的计算服务使其注意力回归到任务本身．它正在逐步发展成主流的计算模式．人机交互的效率和自然性是影响其发展的关键因素之一．文章从认知心理学的角度分析了用户在普适计算环境中的认知特征，论证了人类有限的认知是普适人机交互中的瓶颈，计算系统的交互模式必须适应用户的认知特征．据此提出了普适计算模式的Multimodal context-sensitive交互框架，对上下文信息和用户多通道主动输入信息进行无缝融合，作者将其在移动导游导航系统TGH中加以实现．用户评测结果初步证明该框架对于提高普适计算人机交互效率和自然性具有良好的效果。     

XML数据索引技术

对XML数据建立有效的索引,是左右XML数据处理性能的重要因素.深入地讨论了目前XML索引技术的研究现状,将XML索引技术分为两大类:节点记录类索引(本身还可以分为3个小的类型)和结构摘要类索引.根据XML数据查询处理效率以及XML数据修改对XML索引的要求,讨论了相关XML索引方法的优点和不足,并归结出XML索引后续研究的3个方向:XML结构信息的获取,路径信息的多维处理,数据修改合法性的有效支持,以及涉及能够同时有效满足XML查询和信息获取的索引.     

基于改进HOG特征值的车标检测与识别方法

车标自动识别是智能交通系统中机动车辆信息采集的关键内容。根据车标具有丰富边缘信息的特征,文章应用HOG(梯度方向直方图)的特征值,采用SVM(支持向量机)的分类工具实现了车标的快速检测与识别。并提出一种改进的HOG特征值,在车标检测识别准确率上取得了显著的效果。大量实验数据以及在智能交通系统中的应用表明,该方法具有较强的鲁棒性和实用价值。     

基于上下文感知的智能交互系统模型

上下文感知是提高人机交互智能性的重要途径,上下文信息能否在计算过程中真正发挥其作用主要取决于两个方面：一是从交互环境中提取和形成上下文;二是协调控制各种上下文与高层应用之间的通信．文中围绕这两个问题展开讨论,提出了一种上下文感知和调度的策略,并建立了一个基于上下文感知的智能交互系统结构模型．介绍了按照所述策略和模型构建的实例系统,初步证明了其合理性和有效性．     

任务并行程序设计模型LilyTask在分布存储环境下的设计与实现

LilyTask是一种以任务为单位、基于任务并行的计算模型和程序设计模型。本文介绍的LilyTask系统基于LilyTask模型,对在分布内存环境下实现任务池系统进行了有益的尝试,较好地解决了任务并行在分布存储环境下遇到的任务间关系、嵌套任务、一致性等相关问题。此外,本系统还采用函数索引技术实现分布环境下的任务迁移,通过任务窃取策略有效地实现负载平衡。     

一种改进的SMT模拟器--支持Oracle机制和多种取指策略

模拟器是计算机系统设计中非常重要的一种技术。O racle研究能够用来确定所研究问题的最优或最差情况,为正常研究提供有用的辅助信息。但是现在常用的一些同步多线程(SM T)模拟器都不能提供支持O racle研究所需的信息。文章结合原有模拟器的基础,提供了一种新的支持O racle研究的模拟平台。同时原SM T模拟器只支持ICO UNT这一种取指策略,文章在原模拟器基础上,又增加了BR COU NT和M ISSCO UNT这两种通用的取指策略。     

Web数据集成系统基于QC模型的物化视图选择

在Web数据集成系统中,物化视图能够有效地减少网络传输代价,提高系统的查询效率．如何选择查询进行物化,使得选中的查询满足集成层的空间限制,同时获取最大物化收益,成为集成系统中一个迫切需要解决的问题．传统方法没有考虑到海量XML查询之间的包含关系,其选择的物化视图中可能包含冗余的信息．针对上述问题,提出了①Web数据集成系统中海量查询集合的QC(query containment)模型,该模型能够捕捉查询之间最常见的包含关系;②基于QC模型的物化视图选择算法,算法考虑了物化视图选择相关的主要因素,包括查询提交的频率、空间代价、查询重写能力和查询结果的完备性,提出了查询位图的物化视图组织方式,从而获取更加合理的物化视图选择方案．实验结果证明了该方法的有效性．     

基于环境建模的物联网系统TAP规则生成方法

用户需求是物联网智能服务的根本驱动力，如IFTTT等很多物联网框架允许用户使用简单的触发-命令编程（TAP）规则进行编程，但它们描述的是设备调度程序，并不是用户服务需求.一些物联网系统提出采用面向目标的需求方法，支持服务目标的分解，但很难保证物联网不同服务间的一致性和服务部署的完整性.为了支持正确的“用户编程”并保证用户服务需求的一致性与完整性，本文提出了基于环境建模的TAP规则自动生成方法，在用户提供的服务需求基础上，根据环境模型自动推导出所需的系统行为，检测系统行为的一致性和完整性，并最终自动生成TAP规则，实现从用户服务需求到物联网设备调度的自动生成.本文构建了物联网应用场景的环境本体以建模环境，并定义了基于环境本体的服务需求的描述方法.另外，论文针对方法的准确性、效率、性能以及构建环境本体的时间开销在智能家居场景上进行了评估.结果表明，本文方法准确性、效率和性能超过可用阈值，且在需求达到一定数量后，构建环境本体花费的时间可忽略不计.     

机器学习赋能的软件自适应性综述

软件系统自适应机制提供了应对动态变化的环境和不确定的需求的技术方案.在已有的软件系统自适应性的相关研究中，有一类工作将软件系统自适应性转换为回归、分类、聚类、决策等问题，并利用强化学习、神经网络/深度学习、贝叶斯决策理论和概率图模型、规则学习等进行问题建模，并以此构造软件系统自适应机制.本文通过系统化的文献调研，综述了机器学习赋能的软件系统自适应性的工作.首先介绍基本概念，然后从不同视角对当前工作进行分类；按被控系统、监测和控制过程、学习算法、学习赋能方式等方面进行分析，并讨论不同机器学习方法赋能的软件系统自适应性的切入点及其优势和不足；最后对未来研究进行展望.