基于相似页面的Web信息抽取系统的实现

分析了RoadRunner的核心算法，针对RoadRunner的不足，综合自动和半自动抽取阶段的各项研究成果，设计并实现了基于相似页面的Web信息抽取系统。介绍了系统结构和实现的关键技术，包括如何获取相似页面，可靠的噪声处理和自动归纳抽取规则的算法。     

基于语义的网格服务匹配研究*

随着网格技术的发展,网格服务匹配成为了新的研究热点。服务匹配是有效提高网格资源利用的关键技术。分析了服务匹配中广泛存在的服务提供方与服务请求方往往无法做到事先沟通的原因,提出了将语义引入服务描述语言以及服务匹配算法的基于语义的网格服务匹配技术,并结合服务匹配的具体应用,提出了相应的解决方案。     

一个网格服务工作流的动态调度算法*

针对服务网格环境中资源的动态性,提出了一种并行调度算法PGSWA（parallel grid service workflow scheduling）,该算法引入了性能预测模型和并行就绪队列来预测下一段时间资源的性能并使得成员服务能够并行执行。实验证明,该算法能较好地缩短工作流的执行时间,提高工作流的执行性能。     

基于MLN的中文事件论元推理方法

现有的中文事件论元抽取方法大多利用句法结构来表示论元和触发词之间的关系,该方法无法抽取与触发词距离较远且不在同一个子句中的论元。为了解决上述问题,基于马尔科夫逻辑网络(MLN),通过学习训练语料中实体填充不同角色的概率和测试语料中部分已知论元信息,来抽取其他可信度低或缺乏有效信息的论元。在ACE 2005中文语料上的实验结果表明,所提方法与基准系统相比,系统性能在论元识别和论元角色分配阶段分别提高了6.0%和4.4%。     

基于指代消解的中文事件融合方法

事件抽取是信息抽取领域的一个重要的研究方向.针对事件抽取获得的信息不完整和语义不明确的特点,在此基础上引入指代消解和信息融合理论,通过事件元素归一化和互指事件的合并,在数据和特征两个层次上对事件信息进行融合,进一步明确和完善事件信息,并在不损失信息的情况下精简整个信息系统的信息量.在裁员事件的融合实验中正确率达到86.9%.     

网格环境下基于分块的任务执行时间的预测算法

针对当前已有预测算法不实时、对负载变化不敏感的问题,结合网格中任务的特点提出新的基于分块的预测算法。该方法从子节点任务执行出发,提出把执行的任务分成两个部分,用前一部分的执行情况来预测剩下部分的执行时间。实验证明,该算法比已有预测算法有更高的效率和通用性。     

一种基于最大熵模型的邮件过滤方法

根据电子邮件中正常邮件和垃圾邮件的概率特性,将在信号处理领域应用广泛的最大熵模型引入到邮件过滤中,并结合邮件的半结构化特性,形成邮件特征向量,给出传统特征函数的改进定义.在此基础上,构造出基于最大熵模型的邮件过滤方法的基本框架.实验结果表明,这种过滤方法表现出了良好的性能.     

中文事件相关性语料库构建及识别方法

事件往往围绕主题展开,相互间存在相关性。在大数据时代,从海量信息中筛选出和某个主题相关的事件,有助于信息抽取、文本摘要、文本生成等自然语言处理任务。首先提出一种相关事件的标注方法,并标注了一个中文事件相关性语料库。然后,初步提出了一个基于多种特征的相关性事件识别方法。在标注语料上的实验表明,性能在基准系统上F1值提高了4.08%。     

语料对中文名词短语指代消解影响研究

指代是自然语言中一种常见的语言现象,对简化语言,减少冗余有很大的作用。指代消解是用计算机找出这些指代现象的一个过程。近几年英文指代消解研究取得了很大的成就,然而,中文指代消解研究目前还较少,一方面是由于中文自然语言处理的研究起步较晚,相关的知识较少,另外一方面就是中文相关的语料库较少,目前已知的仅有ACE2005, OntoNotes等。为了探讨语料库对中文名词短语指代消解的影响,该文实现了一个基于有监督学习方法的中文名词短语指代消解平台和一个基于无监督聚类方法的中文名词短语指代消解平台,在此平台的基础上从语料库的数量和质量两个方面来探讨语料对中文名词短语指代消解的影响。     

Linux中文输入法服务器的分析和设计

论文首先分析了设计Linux汉字输入法服务器的标准XIM协议及其处理流程。并在此基础上介绍了一个在Linux图形环境下,基于XIM协议的中文输入法服务器ZHInput的数据结构、组成和总体构架。最后简单描述了这个服务器和输入法之间的通信机制。