基于概念的文本结构分析方法

本结构分析是本处理领域中的重要内容，它可以有效地改进本要、本检索以及本过滤的精度、中简要描述了本的物理结构和逻辑结构以及本分析的背景，提出了本结构分析中的层次分析方法。该方法保证了层次是分的有序性，可操作性强，便于解释，不依融于具体领域。其基本思想是对于输入本，首先识别出本的物理结构，然后在概念映射、要领密度和概念消歧的基础上，将本依据主题划分为若干层次；最终获得本的逻  

基于潜在语义索引的文本浏览机制

文本浏览是伴随着因特网上日益增多的在线文本而出现的辅助阅读机制，本文给出了基于潜在语义索引的文本浏览机制。它吸取了潜在语义索引和概念标注的优点，利用潜在语义索引，减少词汇间的“斜交”现象，在语义空间上进行项与项、文本与文本、项与文本之间的相似度计算。利用概念词典将文本特征项按语义分类，给予层次分类以确定的含义。最后，实现以分层概念为基础的信息导航。  

基于SVM的中文组块分析

基于SVM(support vector machine)理论的分类算法,由于其完善的理论基础和良好的实验结果,目前已逐渐引起国内外研究者的关注.和其他分类算法相比,基于结构风险最小化原则的SVM在小样本模式识别中表现较好的泛化能力.文本组块分析作为句法分析的预处理阶段,通过将文本划分成一组互不重叠的片断,来达到降低句法分析的难度.本文将中文组块识别问题看成分类问题,并利用SVM加以解决.实验结果证明,SVM算法在汉语组块识别方面是有效的,在哈尔滨工业大学树库语料测试的结果是F=88.67%,并且特别适用于有限的汉语带标信息的情况.  

中文文本过滤的信息分流机制

在文本过滤中信息分流是提高过滤效率的有力的手段，为此，提出了一种新的中文文本过滤的信息分流机制．其基本思路是在概念扩充基础上，将不同用户的信息需求组织为树状结构，使其共同的部分成为共享分支，依据提出的侧面相似度和侧面匹配率来实现文本与模板的定量匹配，减弱传统的布尔模型对文本与模板匹配的严格限制，也弥补向量空间模型单纯数量化的不足，更加全面地反映用户的信息需求，试验表明该机制能够明显地提高过滤效率。  

一种混合的中文文本校对方法

本文以模式匹配的方法和３元文法分析的方法为基础，结合语法属性标注和分析的方法，提出了一种混合的中文文本校对方法，其结果优于任何一种方法的单独应用。本文描述了这种方法并将它和其它两种方法进行了分析对比。  

文本结构分析与基于示例的文本过滤

本文简要介绍了文本过滤的背景和发展，提出了基于示例的中文文本过滤模型．其基本思想是首先对于用户提出的示例文本进行文本结构分析，采用本文提出的文本层次分析方法，提取文本特征，形成主题词表示的用户模版（ｕｓｅｒ ｐｒｏｆｉｌｅ），然后进行了文本过滤，同时引进段落匹配机制，提高过滤效率．通过用户反馈，改进用户模版．  

基于FIFA算法的文本分类

本文提出了一种简单有效的文本分类方法 ,其中采用基于FIFA算法的内容主题分析技术 ,实现文本的自动分类过程。文中详细论述了文本自动分类的基本过程和FIFA算法描述 ,最后给出了文本自动分类的实验结果和评价  

Infolite中文检索系统

随着电子文本的大量涌现，人们对信息检索工具也提出了更高的 一个基于向量空间模型的中文信息检索系统的设计与实现，该系统既是我们用于中文信息检索研究的基础平台，也是开发实际应用系统的构件。  

基于对数模型的词义自动消歧

提出了一种对数模型(logarithmmodel,简称LM),构造了一个词义自动消歧系统LM-WSD(wordsensedisambiguationbasedonlogarithmmodel).在词义自动消歧实验中,构造了4种计算模型进行词义消歧,根据4个计算模型的消歧结果,分析了高频率词义、指示词、特定领域、固定搭配和固定用法信息对名词和动词词义消歧的影响.目前,该词义自动消歧系统LM-WSD已经应用于基于词层的英汉机器翻译系统(汽车配件专业领域)中,有效地提高了翻译性能.  

无双语词典的英汉词对齐

该文提出了一种基于语料库的无双语词典的英汉词对齐模型．它把自然语言的句子形式化地表示为集合，通过集合的交运算和差运算实现单词对齐，同时还考虑了词序和重复词的影响．该模型不仅能对齐高频单词，而且能对齐低频单词，对未登录词和汉语分词错误具有兼容能力．该模型几乎不需要任何语言学知识和语言学资源，使语料库方法可独立应用．实验表明，同质语料规模越大．词对齐的正确率和召回率越高．