基于领域类别信息C-value的多词串自动抽取

该本的多词串抽取是自然语言处理领域一项重要的研究内容。该文提出了一种多类别C-value(Multi-Class C-value)方法,利用多词串在不同领域的分布信息改善领域相关的多词串抽取的性能。在汽车、科技和旅行三个领域的数据上进行实验,评价多词串的准确率,在top-100级别上,较传统的C-value方法在三个领域中分别提高了12、12和13个百分点。实验结果验证了方法的有效性。     

基于序列相交的短语译文获取

短语译文获取技术是基于实例的机器翻译(EBMT)中的核心技术之一,其准确率直接影响到EBMT系统的性能。该文提出了一种基于序列相交的短语译文获取方法,该方法将句子视为词的序列,利用对中日句对齐语料库中包含待译短语的所有源语句子对应的目标语句子进行序列相交的方式,在不需要词对齐、句法分析及词典等资源的情况下,通过充分挖掘句对齐双语语料库的信息,获得高质量的短语译文。实验表明,该方法获得的短语译文准确率超过80%。     

基于JavaEE的电信CRM数据持久层的实现

结合中国电信行业信息化建设的实际需求,引入JavaEE架构体系,提出一种在JavaEE平台上开发大型电信客户关系管理数据持久层的方法。通过门面模式、VO模式和DAO模式在SpringJDBC架构中的应用,实现持久层之间的松散耦合,使整个系统具备良好的稳定性、可伸缩性和可扩展性。     

C616车床变速箱的改装

我厂有C616车床4台,经常出现打齿轮、断轴和烧毁电机等事故。经分析,主要是变速箱结构设计不够合理。这种传动结构为分离式的传动,变速箱中各机件属硬件连接刚性传动,没有摩擦离合器和专用制动装置,动力源电机还兼负主运动的换向及制动。当主运动运转需要快速停车时,电机断     

设置室内避难走道作为疏散通道的设计方法探讨

以苏宁易购总部大楼事例,探讨了将室内走道作为避难通道,并设置临时安全区的人员疏散方案。通过性能化防火设计方法对该方案的验证表明：通过合理设计各类消防设施,能保证人员安全疏散的需要。     

Co-training机器学习方法在中文组块识别中的应用

采用半指导机器学习方法co2training 实现中文组块识别。首先明确了中文组块的定义,co-training 算法的形式化定义。文中提出了基于一致性的co-training 选取方法将增益的隐马尔可夫模型(Transductive HMM) 和基于转换规则的分类器(fnTBL) 组合成一个分类体系,并与自我训练方法进行了比较,在小规模汉语树库语料和大规模未带标汉语语料上进行中文组块识别,实验结果要比单纯使用小规模的树库语料有所提高,F 值分别达到了85134 %和83141 % ,分别提高了2113 %和7121 %。     

中文分词及词性标注一体化模型研究

本文应用N-最短路径法，构造了一种中文自动分词和词性自动标注一体化处理的模型，在分词阶段召回N个最佳结果作为候选集，最终的结果会在未登录词识别和词性标注之后，从这N个最有潜力的候选结果中选优得到，并基于该模型实现了一个中文自动分词和词性自动标注一体化处理的中文词法分析器。初步的开放测试证明，该分析器的分词准确率和词性标注准确率分别达到98．1％和95．07％。     

基于社会信任正则化的排名推荐算法

随着在线商品交易额逐年增大和社交网络不断深入发展,推荐系统已成为解决信息过载的重要工具之一。当评分矩阵数据稀疏性较大时推荐精度就会显著下降,特别是用户冷启动的时候这个问题更加明显。因此,本文提出一种新的基于隐式反馈信息的社会化排序推荐算法。该算法首先利用矩阵分解方法计算不同项目间的用户偏好。其次将用户偏好信息融入Bayesian Personalized Ranking (BPR)算法中。然后挖掘用户之间相似关系以及信任用户直接和间接关系,并量化它们之间的信任关系,从而研究不同项目之间用户偏好差异。最后将以上这些信任关系和BPR算法进行融合,进而构建出社会化排序推荐模型。为了验证所提出的社会化排序推荐算法,在DouBan数据集和FilmTrust数据集上,进行该算法的有效性验证。主要通过Precision、MAP和NGCD这三种排序评估指标分别在全数据集和用户冷启动中验证本文所提算法与SBPR、TBPR、BPRMF和MostPopular等算法之间排序推荐的优劣性。实验结果证明本文所提算法明显优于其他排序推荐算法,并可以获得更好的推荐准确率。可见该算法可以有效改善由于数据稀疏性和用户冷启动所带来推荐效果差的问题。     

城市屋顶绿化设计探讨

本文论述了屋顶绿化的特点及设计方式,通过推广屋顶绿化,可使生态景观建设从地面向空中拓展。既美化了人居环境,又节约了土地。     

分子识别在分离科学中的应用

分子识别引导着所有生理过程中大分子间的选择性相互作用。分子识别材料由原来的天然化合物逐步向仿生聚合物等人工受体化合物发展。分子识别应用于亲和色谱、固相萃取、膜分离技术极大地促进了分离效率的提高和一些复杂物质的拆分。目前,分子识别进一步被用于临床药物分析、模拟酶催化以及化学仿生传感器,为定性分离和设计提供更多的信息,也为加速分子发现提供潜能。