利用海量知识库实现实体标注的一种方法

互联网上聚集了大量的文本、图像等非结构化信息,RDF作为W3C提出的互联网上的资源描述框架,非常适合于描述网络上的非结构化信息,因此形成了大量的RDF知识库,如Freebase、Yago、DBPedia等。RDF知识库中包含丰富的语义信息,可以对来自网页的名字实体进行标注,实现语义扩充。将网页上的名字实体映射到知识库中对应实体上称作实体标注。实体标注包括两个主要部分:实体间的映射和标注去歧义。利用海量RDF知识库的特性,提出了一种有效的实体标注方法。该方法采用简单的图加权及计算解决实体标注的去歧义问题。该方法已在云平台上实现,并通过实验验证了其准确度和可扩展性。     

数据挖掘中的软计算方法及其应用

文章对数据挖掘中软计算方法及应用作了一个综合性阐述。对模糊逻辑、遗传算法、神经网络、粗集等软计算方法,以及它们的混合算法的特点进行了分析,并对它们在数据挖掘中的应用进行了分类。     

数据挖掘中变量聚类方法的应用研究

讨论了变量聚类方法中相同类型变量相似性测度方法,首次提出一种关于混合变量间相似性测度的方法。并将基于变量的聚类分析和模糊聚类结合起来,为解决数据挖掘中基于变量聚类问题提供了有效的分析工具。最后给出一个应用实例。     

数据挖掘中聚类分析的技术方法

数据挖掘是信息产业界近年来非常热门的研究方向，聚类分析是数据挖掘中的核心技术，本文对数据挖掘领域的聚类分析方法及代表算法进行分析，并从多个方面对这些算法性能进行比较，同时还对聚类分析在数据挖掘中的几个应用进行了阐述。     

软件过程中问题跟踪和分析系统的研究

在软件项目的实施过程中,开发和管理人员不可避免地会碰到各种各样的问题,如何及时、有效地解决这些问题,对一个软件项目最终的成功与否有着极大的影响。经大量的研究工作后,开发了问题跟踪和分析系统。介绍了该系统中对问题进行定义、跟踪、管理和解决的工具——问题跟踪工具的实现方法,以及对问题跟踪工具应用后积累的历史数据进行挖掘分析的方法。该系统的应用对提高软件生产率和软件质量起到了一定积极有效的作用。     

数据挖掘中的软计算方法及应用综述

文章对数据挖掘中软计算方法及应用作了综述。对模糊逻辑、遗传算法、神经网络、粗集等软计算方法,以及它们的混合算法的特点进行了分析,并对它们在数据挖掘中的应用进行了分类。     

软件过程中问题跟踪和分析系统的研究

在软件项目的实施过程中，开发和管理人员不可避免地会碰到各种各样的问题，如何及时、有效地解决这些问题，对一个软件项目最终的成功与否有着极大的影响。经大量的研究工作后．开发了问题跟踪和分析系统。介绍了该系统中对问题进行定义、跟踪、管理和解决的工具——问题跟踪工具的实现方法，以及对问题跟踪工具应用后积累的历史数据进行挖掘分析的方法。该系统的应用对提高软件生产率和软件质量起到了一定积极有效的作用。