基于Word2Vec和改进注意力机制AlexNet-2的文本分类方法

为了提高文本分类的准确性和运行效率,提出一种Word2Vec文本表征和改进注意力机制AlexNet-2的文本分类方法.首先,利用Word2Vec对文本词特征进行嵌入表示,并训练词向量,将文本表示成分布式向量的形式;然后,利用改进的AlexNet-2对长距离词相依性进行有效编码,同时对模型添加注意力机制,以高效学习目标词...     

用知识库,人工智能和面向对象语言设计与实现四码拼词汉字输入系统

本文主要介绍利用数据库、知识库、人工智能技术和面向对象的语言Ｃ＋＋，实现一种新的汉字输入方法─－四码拼词．该方法以拼音为基础，对字词混合编码．其特点是：易学好记；以词组输入为主（目前词组已达７万余条）；击键次数少（一般文章平均每个汉字１．７键）．在编辑文件时，用户可以现场收集词语进入自己的词库中．系统具有２２２个高频字、词．这些高频字、词，用户还能任意修改和重新定义，对拼音有困难的用户可以再定义字、词容错编码．     

如何解决水平定向钻在施工中出现的问题及关键技术

本文主要讨论了在定(导)向钻进施工中,钻机锚固、信号接收、钻头选择、导向孔施工、扩孔器、钻进液等问题及采用的关键技术。     

基于支持向量机的关键词拒识算法

支持向量机是统计理论学习中一个重要的学习方法，也是解决模式识别问题的强有力工具，尤其在二元分类上有着突出的优势。拒识技术是语音识别系统走向实用化的关键技术之一，但由于语音信号的复杂性，使得拒识一直是语音识别技术中的难题。有机的将支持向量机技术应用于关键词识别的拒识问题中，把关键词识别中的正识和误识作为支持向量机的二元分类对象。这种方法避免了传统拒识方法对拒识门限的确定，同时充分发挥了支持向量机在二元分类上的优势。实验表明该算法效果较为有效。     

煤—电—铝—铝材一体化：中国发展铝工业最佳模式

文章概述了我国铝工业各行业产能状况,指出我国铝工业即将结束数量型高速增长期而转入以追求质量、效益为主旋律的高级阶段,国内外市场竞争将更加激烈,而发展我国铝工业的最佳模式之一是煤-电-铝-铝材一体化。     

数学领域集体词结构形式化处理研究

根据数学领域自然语言理解的特点,结合集合论的思想深入分析了集体词结构。集体词结构是表示一个可数的集体概念,其外延是一个事物类。集体词结构较好地解决了数学领域中的数量词结构的形式化处理问题。首先给出了集体词结构的语义认知基础,并采用基于知识的方法,应用本体论思想,构造了系统的集体词结构模型。然后对集体词结构的群体关系进行分类和介绍。这种集体词结构的处理方法在数学领域智能辅导领域中得到了较好的应用。     

基于统计抽词和格律的全宋词切分语料库建立

全宋词切分语料库的建立是计算机研究宋词的基础。本文对宋词中“词”的界定提出了自己的看法,并在综合考虑统计抽词方法和基于诗词格律切分方法各自优点的基础上,提出建立全宋词切分语料库的新方法。我们首先通过统计抽词来抽取结合程度较强的二字词,并结合相关资源建立词表;在此基础上,结合宋词的格律特点按照一定的规则来对全宋词进行了切分。实验证明,本文中的方法具有较好的效果。     

基于Zipf Estimator的Deep Web最佳查询词选择

Deep Web的查询中、关键词的选择是一个关键问题。文中针对查询Deep Web中的文本数据库，对查询词的选择作出一些研究。将Zipf Estinator应用于根据查询词的频率选择词条的方法中，提出了用部分文档中的查询词的排序来得出整个文档集中查询词的排序的方法。将Zipf Estimator运用于查询词的选择，减少查询词选择时的运算量，以较少的查询次数得到较多的查询结果。测试结果证明了Zipf Estimator运用于查询词的选择可有效提高查询Deep Web中的文本数据库的效率。     

扩展向量空间上的短语消息聚类

基于互联网或移动网的即时通信成为一种广泛应用的大众通信方式.对即时短语消息内容进行聚类可以分析短语消息的内容特征,从而跟踪或发现当前的热门话题,预防或审计犯罪活动,也可以协助建立其他数据挖掘应用.针对短语消息内容短、关键词出现次数少,甚至主题关键词隐藏在上下文或短语会话里的特点,提出了WR-KMeans聚类方法,自动将主体间的交互短语消息合成为会话,使聚类分析对象的内容更长,上下文信息更丰富;对于不在会话中出现,但与会话中的词具有较强语义关系的词,将其扩充进会话的表示向量,从而避免因关键词稀少造成的相似度偏差.WR-KMeans在这种扩展的会话向量集上进行聚类.通过实验与另外两个常用的聚类算法进行比较,WR-KMeans生成的聚类结果具有更好的质量.     

基于支持向量机的人物属性抽取

研究了如何使用机器学习方法和语义资源实现有效的人物属性抽取.人物属性抽取是指从自由文本中提取出人的属性信息,如性别、职务信息等.如果把描述人属性的词也看做是实体,则可以把人物属性抽取看作是实体关系抽取的具体应用.使用<知网>提取描述人属性的词作为触发词,这样就可以把触发词和人名间的描述关系转化为一分类问题.当选取触发词和人名左、中、右的3个词的词义和词性作为特征,使用支持向量机进行判别时达到最好抽取效果.