中文名词性谓词语义角色标注的特征研究

在语义角色标注中,相对于动词性谓词,名词性谓词与其角色之间的结构更灵活和复杂。为了更好地捕获这些结构化信息,通过对名词性谓词语义角色标注相关特征集的研究,探索了新的单词特征和句法特征,用于名词性谓词语义角色标注。基于正确句法树和正确谓词识别,中文名词性谓词语义角色标注的F1值达到了73.99,优于目前国内外的同类系统;基于自动句法树和自动谓词识别,性能F1值为57.16。最后,讨论了使用动词性谓词的特征实例来提高名词性谓词SRL的准确率,然而性能的提高并不是很明显。     

最大熵模型在邮件分类中的应用

邮件分类是指在给定的分类体系下,根据邮件的内容和属性,确定其类别标签的过程。将最大熵模型应用于邮件分类中,给出了邮件的预处理过程,介绍了邮件信头特征,分析比较了特征数量和迭代次数、邮件特征字段对分类结果的影响,以及对层次分类和平面分类的效果进行了比较。实验表明,特征数量和迭代次数分别取2 000和250时为宜;充分利用邮件各字段信息,取得的总体分类效果最好,但对合法邮件,利用邮件头及邮件标题却取得了最好结果,并在层次分类中验证了这点,层次分类效果要优于平面分类。最后进行了总结和展望。     

面向国防科技领域的技术和术语语料库构建方法

互联网存在海量的文献和科技信息,隐含着大量高价值情报。识别国防科技领域中的技术和术语可以为构建国防科技知识图谱奠定基础。该文基于此领域的海量军事文本,以维基百科中军事领域的新技术为基点采集语料,涵盖了新闻、文献和维基百科三种体裁。在分析军事技术文本特点的基础上制定了一系列标注规范,开展了大规模语料的标注工作,构建了一个面向国防科技领域的技术和术语语料库。该语料库共标注了479篇文章,包含24 487个句子和33 756个技术和术语。同时,该文探讨了模型预标注策略的可行性,并对技术和术语类别在不同体裁上的分布以及语料标注的一致性进行了统计分析。基于该语料库的实验表明,技术和术语识别性能F₁值达到70.40%,为进一步的技术和术语识别研究提供了基础。     

基于Winnow的中文邮件分类器的设计

本文首先通过建立实验用中文邮件语料库，提出了用Winnow算法实现邮件分类器，并讨论了其特点,然后，文章提出了通过建立分类规则库改善邮件分类器的分类效果．实验证明，该方法能有效提高邮件分类的可信度．     

面向服务网格的自调度算法优化技术*

将自调度引入到面向语言文字信息处理的服务网格中,并结合语言文字信息处理和自调度的特点,提出了一种服务网格环境下的自调度算法优化方案。该方案从数据的传输、子节点的处理方式这两个方面入手,用socket传输数据及子节点采用生产者—消费者模式来优化经典的自调度算法。实验证明,该方案能比原有的自调度算法在总响应时间上平均缩短5％以上。     

基于事件框架的主题事件融合研究*

针对事件抽取获得的单个元事件无法完整描述主题事件的特点,提出了一种主题事件的融合方法,通过该方法将与同一主题相关的所有元事件整合在一起,以层次化的形式表示。首先定义了一种事件融合框架TEFF(topic event fusion framework)。该框架根据各类元事件在主题事件中的作用,将主题事件以层次化的形式表示。同时给出元事件和主题的相关度计算方法,通过该算法来评价元事件和主题的相关度。在TEFF的指导下,通过相关度计算,实现主题事件的融合。在以2008年起的金融危机为主题的实验中,取得了F值为7     

Linux下汉字输入实现技术

本文详细分析了Linux平台上实现汉字输入的技术要点和实现方法,讨论了汉字输入各部分的规划和实现,包括初始化、输入、键盘过滤、匹配和输出等模块。     

基于RBAC4WS的Web应用集成技术

本文在分析了企业分布式Web应用集成技术的基础上,提出了一个基于角色访问控制模型的扩展模型RBAC4WS。同时,文章提出了基于RBAC4WS的Web应用集成平台的设计方案,重点讨论了用户管理和授权管理在分布式环境中的实现方法,为Web应用系统集成中实现单点登录提供了一条有效的途径。     

汉语属性库OLAP系统的设计

本文介绍了一个基于C/ S 结构的汉语属性库联机分析处理(OLAP) 系统的设计。文中详细阐述了汉语属性库的存储结构和系统工作平台。同时,文中给出了客户机端和服务器端应用系统的设计思想及实现方法。