基于Web属性抽取训练分类模型的方法研究

针对通用搜索引擎信息量大、查询不准确、深度不够等问题，提出了基于Web的产品属性抽取这一新的搜索引擎服务模式。基于Web的产品属性抽取实际就是一个自动分类问题，其任务是：在给定的分类体系下，根据相关产品模板自动地判断属性的是非。完成此任务的关键在于寻找有效的特征值；确定相关分类规则，最终通过P、R和F指标来评价分类算法。  

基于最大熵方法的评论信息抽取方法

基于目前互联网的信息与日俱增而用户评论信息利用度很低的现状,提出了一种基于最大熵分类器进行评论信息抽取的方法,并结合自然语言处理技术,利用同义词林以及反义词林定位产品评论属性值的语义极性。最后,通过试验验证了评论信息抽取方法的可行性。  

桌面虚拟化教学的的探索与实践

为满足市场发展对专业人才新知识的需求,将桌面虚拟化技术融入在"桌面服务综合实训"课程中。学生能够通过学习,掌握部署虚拟化架构,完成基本配置、迁移、管理和监控虚拟机及虚拟设备。但此操作训练要求较高的实验环境,较早或目前普遍的物理服务器很难满足正常教学,笔者与另外两位企业工程师针对现有硬件环境进行合理设计,通过对比实验测试,给出了完整的实验规划和建议,值得其他高校借鉴。