基于KNN的汉语问句分类

汉语问句分类是问答系统中重要的组成部分,问句分类结果的好坏直接影响问答系统的质量。利用知网(HowNet)义原树计算问句之间的语义相似度,并以此作为句子之间的距离度量,利用KNN算法构造分类器进行问句分类,并对最近邻分类算法、KNN分类算法及改进的KNN分类算法进行实验比较。结果表明加权的KNN分类器分类效果最好,达到了89.8%的精确率。     

基于神经元网络的问句组块分析

问句分析是自动问答系统研究中的重点和难点。在中文问句的结构特点基础上，结合机器学习及组块分析理论，对问句进行组块分析，实现了基于神经网络的问句组块识别算法，并应用于银行领域自动问答系统中。测试结果表明，对问句组块的识别能够达到比较满意的效果。     

基于逻辑推理的知识库检索

为了提高知识库检索的性能,实现了一个基于逻辑推理的知识库检索服务,并定制了该服务的接口.该服务首先将普通的查询语句转化成描述逻辑推理器能够识别的语句,然后利用描述逻辑的强大的推理功能实现语义网上的知识库的检索.实验表明,该系统能够快速有效地完成基于描述逻辑的知识库检索.     

基于组块分析技术的中文机构名称识别

针对中文机构名称自动识别提出了简化的一体化N最佳层叠模型,该模型实现了从汉语切分、词性标注、组块分析一直到机构名称的自动识别.N最佳层叠方法既能够在一定程度上抑制前一个阶段的错误在后面的传播,又大大地缩小了搜索空间.在实验过程中依次加入启发信息和机构名称缩写处理,使得实验结果有显著提高.在IEER99测试集上,中文机构名称识别的最终准确率和召回率分别为92.31%和81.01%.     

基于资源信息细分的学习评价系统的设计与实现

在网络化学习系统中，如何准确地发现学习者的缺陷是学习评价系统的主要任务，也是一个非常困难的问题。该系统通过对学习资源标注知识点、能力点、方法点、错误现象和错误归因等信息，将学习资源所包含的信息进一步细分和深化，再以测试结果为基础进行评价，能够更准确地发现学习者的缺陷。     

基于GridSim的网格调度模拟

详细分析了GridSim工具，并与当前几个主要的网格模拟工具进行了对比，然后探讨了GridSim工具的改进，扩展了计算资源的功能，增加了数据存储资源模型。最后提出了基于GridSim工具的分模块的调度模拟开发方法，按照这种方法建立了Min—min调度算法模拟平台，展示了GridSim工具的功能。     

汉语问答系统答案提取方法研究

答案提取是问答系统的关键部分，文章介绍了汉语问答系统的基本结构及其实现过程，以问题和答案中关键词的词频统计特性为基础，进一步考虑问题和句子中关键词位置分布信息，提出了一种结合向量空间模型（VSM）和关键词最小匹配距离的问题和句子相似度的计算方法。并以相似度为基础，结合问题类别，对汉语基于事实的简单陈述问题进行了答案句子提取实验，结果表明该方法有较好的效果。     

基于类语言模型的中文机构名称自动识别

提出了一种基于类语言模型的中文机构名称自动识别方法,将分词和机构名称自动识别有机地结合起来。在机构名称识别的类语言模型中采用等级结构,使得嵌套有人名、地名等实体的机构名称能够较好地识别出来。在实验过程中,逐步增加实验条件,依次加入启发信息、缓存模型和机构名缩写处理,使得实验结果显著提高。在开放测试中,中文机构名称最终识别的查准率和查全率分别为85.47%和72.81%。     

基于潜在语义分析的汉语问答系统答案提取

为了解决在汉语问答系统答案提取时，由于词的同义或多义现象而导致的“漏提”或“错提”等问题，提出了一种基于潜在语义分析（LSA）的问题和答案句子相似度计算方法．它利用空间向量模型作为问题和句子的表示方法，借助于潜在语义分析理论，对大量问答作句子语料统计分析，构建了一个潜在的词一句子语义空间，从而消除了词之间的相关性，并在语义空间上实现了问题与答案句子相似度计算，有效地解决了词的同义和多义问题．最后结合问题类型和相似度计算结果，对汉语基于事实的简单陈述问题进行了答案句子提取实验．答案提取的MRR值达到了0．47，明显优于空间向量模型．结果说明该方法具有很好的效果．     

基于网格技术的电子政务平台研究与设计

电子政务已经成为世界各国政府行政管理改革的主要方向，建立电子政务将可以促进业务系统的互联互通和信息共享，提高政府的监管能力、服务质量。在电子政务建设过程中，由于历史原因遗留下来的信息孤岛，造成了协同工作困难和效率不高等问题。近年来，随着网格技术的迅猛发展，网格技术为消除信息孤岛、促进资源共享、实现工作协同等找到了新的解决途径。本项研究把网格技术引入了电子政务领域，使电子政务显示出了良好的发展前号。