中文分词十年回顾

过去的十年间,尤其是2003年国际中文分词评测活动Bakeoff开展以来,中文自动分词技术有了可喜的进步。其主要表现为：（1）通过“分词规范＋词表＋分词语料库”的方法,使中文词语在真实文本中得到了可计算的定义,这是实现计算机自动分词和可比评测的基础;（2）实践证明,基于手工规则的分词系统在评测中不敌基于统计学习的分词系统;（3）在Bakeoff数据上的评估结果表明,未登录词造成的分词精度失落至少比分词歧义大5倍以上;（4）实验证明,能够大幅度提高未登录词识别性能的字标注统计学习方法优于以往的基于词（或词典）的方法,并使自动分词系统的精度达到了新高。  

用语言云模型发掘关联规则

该文提出用语言云模型用于KDD中知识表达和不确定性处理,引入了多维云模型作为一维模型的扩展.语言云的数字特征量将语言值的模糊性和随机性用统一的方式巧妙地综合到一起,基于云模型的概念层次结构可以跨越定量和定性知识之间的鸿沟.为了发现强关联规则,属性值要在较高的概念层上泛化,同时允许相邻属性值或语言项间有重叠.这种软划分可以模仿人类的思想,使发现的知识具有稳健性.将基于云模型的泛化方法与Apriori算法结合起来,从空间数据库中发掘关联规则.试验显示了其有效性、高效性和灵活性.  

支持向量机在多类分类问题中的推广

支持向量机(SVMs)最初是用以解决两类分类问题，不能直接用于多类分类，如何有效地将其推广到多类分类问题是一个正在研究的问题。该文总结了现有主要的支持向量机多类分类算法，系统地比较了各算法的训练速度、分类速度和推广能力，并分析它们的不足和有待解决的问题。  

复杂网络聚类方法

网络簇结构是复杂网络最普遍和最重要的拓扑属性之一,具有同簇节点相互连接密集、异簇节点相互连接稀疏的特点.揭示网络簇结构的复杂网络聚类方法对分析复杂网络拓扑结构、理解其功能、发现其隐含模式、预测其行为都具有十分重要的理论意义,在社会网、生物网和万维网中具有广泛应用.综述了复杂网络聚类方法的研究背景、研究意义、国内外研究现状以及目前所面临的主要问题,试图为这个新兴的研究方向勾画出一个较为全面和清晰的概貌,为复杂网络分析、数据挖掘、智能Web、生物信息学等相关领域的研究者提供有益的参考.  

开放式机器人通用控制系统

将数字信号处理器(DSP)为核心的多轴运动控制技术运用于机器人控制,本文提出了一 种新的开放式结构机器人通用控制系统．文中阐述了系统的硬、软件结构,并对系统中主要 功能模块的技术细节进行了分析．最后给出了本系统的部分实验结果．  

计算网格环境下一个统一的资源映射策略

由于资源具有广域分布、异构、动态等特性,计算网格环境下资源的管理和调度是一个非常复杂且具有挑战性的问题.提出了计算网格环境下一组相互独立的计算任务(meta-task)的资源映射策略.该策略采用重复映射方法,以更好地适应网格计算环境下的动态性和自治性.算法考虑到任务的输入数据位置对映射效果的影响;通过定义效益函数,该策略在追求较小的任务完成时间的同时兼顾任务的服务质量(QoS)需求.模拟实验结果显示,该映射策略更符合计算网格的复杂环境,能够更好地满足不同用户的实际需要.  

基于内容的三维模型检索综述

对当前基于内容的三维模型检索技术的国际研究现状及进展进行了广泛而深入的综述．探讨和分析了基于内容的三维模型检索技术的系统框架及其关键方法，重点介绍其中的模型坐标标准化、特征提取与索引、相似性匹配、查询方式与用户界面等方面的基本内容，并进行了适当分类．分析总结了现有的基于内容的三维模型检索系统及搜索引擎的典型实例．最后，对现有研究中存在的难点问题及其未来的发展方向进行了展望．  

中文机构名称的识别与分析

中文机构名称数目庞大，层出不穷，经大多数收入词典，给自然语言处理带来困扰。但是，从语言学的角度来看，机构名称是一种偏正复合式专用名词同时又是一类较为简单的偏正名词词组，有自己的结构规律和形态标记。本文以高校名称为重点，以中国内地，香港和台湾三地实际语料为依据，从语言学和计算机技术两方面对机构名称的识别与分析展开讨论，并总结出相应的规则。  

求解TSP问题的多级归约算法

TSP(traveling salesman problem)问题是最经典的NP-hard组合优化问题之一.长期以来,人们一直在寻求快速、高效的近似算法,以便在合理的计算时间内解决大规模问题.由于对较大规模的问题,目前的近似算法尚不能在较短的时间内给出高质量的解,因此提出了多重归约算法.该算法的基本原理是通过对TSP问题的局部最优解与全局最优解之间关系的分析,发现对局部最优解的简单的相交操作能以很高的概率得到全局最优解的部分解.利用这些部分解可以大大缩小原问题的搜索空间,同时也不会降低搜索的性能.这就是所谓的归约原理.再通过多次归约使问题的规模降到足够小,然后对这个较小规模的实例直接用已有的算法求解,最后通过相反的次序拼接部分解,最终得到一个合法的解.在TSPLIB(traveling salesman problem library)中,典型实例上的实验结果表明,此算法在求解质量和求解速度上与目前已知的算法相比有较大的改进.  

面向数据库应用的隐私保护研究综述

随着数据挖掘和数据发布等数据库应用的出现与发展,如何保护隐私数据和防止敏感信息泄露成为当前面临的重大挑战.隐私保护技术需要在保护数据隐私的同时不影响数据应用.根据采用技术的不同,出现了数据失真、数据加密、限制发布等隐私保护技术.文中对隐私保护领域已有研究成果进行了总结,对各类隐私保护技术的基本原理、特点进行了阐述,还详细介绍了各类技术的典型应用,并重点介绍了当前该领域的研究热点:基于数据匿名化的隐私保护技术.在对已有技术深入对比分析的基础上,指出了隐私保护技术的未来发展方向.