初始化K-means的谱方法

众所周知, K-means (以下简称KM) 对初始点十分敏感. 本文提出了一种新的初始化KM 的方法, 它先估计出k个类的特征中心的位置, 然后用估计出的特征中心来初始化KM. 在人工数据集和真实数据集上的实验表明, 本文的方法所得到的结果要好于其他一些初始化KM 的方法.     

基于语义分析的作者身份识别方法研究

作者身份识别是一项应用广泛的研究,身份识别的关键问题是从作品中提取出代表语体风格的识别特征,并根据这些风格特征,评估作品与作品之间的风格相似度。传统的身份识别方法,主要考察作者遣词造句、段落组织等各种代表文体风格的特征,其中基于标点符号和最常见功能词频数的分析方法受到较为普遍的认同。本文依据文体学理论,利用HowNet知识库,提出一种新的基于词汇语义分析的相似度评估方法,有效利用了功能词以外的其他词汇,达到了较好的身份识别性能。     

一种利用链接信息检索关键资源的算法

随着互联网的发展，基于Web的信息处理技术越来越受到人们的重视，也是当前研究的前沿课题。本文探讨的是如何在现有检索技术的基础上，利用Web网页的链接信息，自动地得到更高质量的检索结果——关键资源。本文提出一种同时利用Web网页的结构和内容信息以及链接信息的新方法：先结合网页的结构信息和内容评分得到网页的文档评分，然后基于网页出链的文档评分计算网页的链接评分。实验表明，本文的方法减少了无用链接的干扰，比单纯利用链接信息的效果好得多。     

文本自动综述系统的研究与实现

文本自动综述是自动文摘在多文档上的推广．提出了一种基于统计的文本自动综述方法，并描述了它的实现过程．该方法利用文档内和文档之间段落的语义相关性，实现多文档的自动综述．首先对文本进行分段实现信息分割；再对文本段进行聚类实现信息凝聚；最后抽取代表段产生综述结果实现信息压缩．实验结果表明，该方法是有效的，具有一定的实用价值．     

基于HyTime的超媒体文档系统的一种实现方法

超媒体文档由一系列结构化的信息组成,这些信息包含不同类型的媒体,传统的文档系统描述这些信息比较困难,ＨｙＴｉｍｅ标准作为ＳＧＭＬ的一个应用不仅能够描述超媒体文档的结构,耐用能描述不同媒体之间的同步关系,ＨｙＴｉｍｅ的主要缺点是非常复杂,不容易用软件实现全部模块的功能,文中提出了一种采用３层模型来实现符合ＨｙＴｉｍｅ标准的超媒体文档系统的方法,并用此模型实现了一个超媒体文档浏览系统。     

用代数格实现点数据索引

提出用代数格实现多维点数据索引的一般方法,在该方法中,首先用格矢量量化器对点数据进行量化,然后用倒排文件和散列表存储和索引量化后的点数据,以便利用格良好的代数和几何性质实现快速检索,最后给出了基于Ｅ８格的八维点数据索引性能的计算机模拟结果。     

一种新的句子相似度度量及其在文本自动摘要中的应用

本文提出了一种新的句子相似度度量的方法并应用于文本自动摘要中。其创新处在于相似度计算不仅考虑句子中的unigram ,还考虑了bi-gram 和tri-gram ,通过回归方法将这几种相似度结果综合起来。实验证明这种相似度计算方法是有效的。同时本文还提出了一种新的,利用句子间相似度以及句子的权重的抽句 式文摘算法,在抽取出句子的同时也去掉了冗余。DUC2003、DUC2004 (Document Understanding Conference 2003 ,2004) 的评测结果征明了方法的有效性。我们的系统在DUC2004 的评测中列第二位。     

基于最大熵模型的英文名词短语指代消解

提出了一种新颖的基于语料库的英文名词短语指代消解算法,该算法不仅能解决传统的代词和名词／名词短语间的指代问题,还能解决名词短语间的指代问题。同时,利用最大熵模型,可以有效地综合各种互不相关的特征,算法在MUC7公开测试语料上F值达到了60．2％,极为接近文献记载的该语料库上F值的最优结果61．8％。     

iFind: 一个结合语义和视觉特征的图像相关反馈检索系统

给出了一个结合语义与视觉特征信息的图像相关反馈检索系统－－iFind。系统通过图像的标注信息构造语义网络，并在相关反馈中与图像的视觉特征相结合，有效地实现了在两个层次上的相关反馈，在基于内容的图像检索中取得了较为理想的效果，具有一定的应用价值。     

文本过滤中一种阈值调整算法

阈值调整是自适应文本过滤中非常重要的步骤自适应文本过滤中训练正例少以及过滤过程中数据稀疏等问题,使得自适应文本过滤的阈值调整尤为困难.本文提出了一种阈值调整算法.该算法充分利用过滤过程中的精确率、平均相似度等观测信息调整阈值;具有使用正例少、调整速度快、系统性能高等优点.