理解正则表达式（上）

在程序员日常工作中,数据处理占据了相当的比重。而在所有的数据之中,文本又占据了相当的比重。文本能够被人理解,具有良好的透明性,利于系统的开发、测试和维护。然而,易于被人理解的文本数据,机器处理起来就不一定都那么容易。文本数据复杂多变,特定性强,甚至是千奇百怪。因此,文本处     

基于文本内容分析的微博广告过滤模型研究

针对新浪、腾讯等微博平台出现大量广告的问题,提出一个微博广告过滤模型。通过对数据的预处理,将采集到的微博原始数据转换成干净且计算机易处理的数据。在预处理阶段,根据微博文本的特点,对停用词表进行改进,以提高查准率,然后基于支持向量机构建一个训练分类器对数据进行训练,经过不断的学习和反馈,取得较好的分类效果。实验结果表明,该模型进行广告过滤时准确率超过90%,效果优于基于关键字的方法。     

要娱乐还要工作：22英寸HDMI高清宽屏显示器

现在有一堆专家教育我们说22英寸是一个尴尬的显示器尺寸,它上不了1080p全高清的分辨率,价格又比19英寸的贵上很多。但是作为一个Geek,你必须有自己的判断力,首先22英寸1680×1050的分辨率肯定比19英寸的1440×900分辨率实用很多,然后24英寸显示器固然可以支持全高清,但它1920×1200的分辨率却只有0．270mm的点距,你受得了在24英寸高清器上进行文本处理等操作么,那小编干活恐怕得用放大镜了。     

基于CHI值特征选取和覆盖的文本分类方法

利用CHI值特征选取和前向神经网络的覆盖算法,通过对文本进行分词的预处理后,实现文本的自动分类。该方法利用CHI值进行特征选取即特征降维,应用覆盖算法进行文本分类。该方法将CHI值特征选取和覆盖算法充分结合,在提高了分类速度的同时还保证了分类的准确度。应用该方法对标准数据集中的文本进行实验,并在不同的维数上与SVM算法、朴素贝叶斯方法的实验结果进行了比较。结果表明,与SVM算法和朴素贝叶斯方法相比较,覆盖算法在准确度上更好。并且,维数的选择对分类的精确度影响很大。     

A new similarity computing method based on concept similarity in Chinese text processing

The paper proposes a new text similarity computing method based on concept similarity in Chinese text processing. The new method converts text to words vector space model at first, and then splits words into a set of concepts. Through computing the inner products between concepts, it obtains the similarity between words. The new method computes the similarity of text based on the similarity of words at last. The contributions of the paper include： 1） propose a new computing formula between words; 2） propose a new text similarity computing method based on words similarity; 3） successfully use the method in the application of similarity computing of WEB news; and 4） prove the validity of the method through extensive experiments.     

基于Web数据挖掘的信息获取系统的研究及设计

首先对数据挖掘的发展现状作了简要的阐述，然后就数据挖掘在Web上的应用进行讨论，并着重于Web本挖掘技术的分析。同时，提出了一个在专业新闻信息获取系统的原型，以该系统原型为背景，利用Web信息搜索和Web本挖掘的相关技术实现在Web上获取信息的应用。     

AutoCAD与自动编程接口软件设计中文本的处理

本文介绍了ＡｕｔｏＣＡＤ与数控系统自动编程的接口软件中有关文本的处理及编程，通过该软件可把ＡｕｔｏＣＡＤ描述的文字自动生成数控加工指令，并转换为计算机自动传输要求的数据格式。     

面向机构的智能文本分析系统的研究

随着电子文本信息在机构内部的快速增加,人们无法应对堆积如山的文档,许多文档无法实现其信息价值,如何充分利用这些文本信息资源已成为一个迫切需要解决的问题。介绍一种可用于机构内部的智能文本分析系统以及相关的关键技术,其功能包括文档检索、文档自动摘要和话题自动识别与跟踪。利用智能文本分析系统能够充分实现文本文档的信息价值。     

EM算法的研究及其在文本处理中的应用

引入EM这一个经典的迭代算法,对EM算法进行具体的推导,并对算法的具体执行步聚做进一步的描述;接着对如今常用的几种文本分类的方法做了概括,重点分析Bayes分类方法,并将EM与Bayes分类方法进行结合,提高Bayes的分类精度,并在综述里对未来海量数据时代怎样来弥补EM算法的不足做简要的介绍.