匈牙利算法在主观题自动批阅中的应用研究

针对主观题自动批阅中的学生答案和标准答案中对应句子的相似度计算问题,提出采用最优指派问题的匈牙利算法,并从两方面对其进行改进,进而建立基于匈牙利改进算法的句子相似度计算模型。实验表明,将改进的匈牙利算法应用到主观题自动批阅中,其试题评分的准确率可达90%。     

基于相似度计算的主观题阅卷系统设计

网络在线考试以其高效性和公正性正逐步取代传统的考试方法,客观题评阅通过将标准答案和学生答案进行精确比较给出评分,而主观题由于其复杂性和多样性成为机器阅卷算法关键点和难点.简单的关键词匹配算法速度较快但准确率不高,本文采用向量空间模型来表示文本,通过计算文本之间的相似度来进行主观题评阅,并在系统中增加一些策略和规则,取得了较好的阅卷效果.     

基于知网的、受限领域的中文命题相似度计算

简单命题的语义识别是进行自然命题逻辑推理的重要基础之一,知网在中文词汇和句子的相似度计算方面扮演着越来越重要的角色。在对领域命题进行了预处理后,针对简单命题的句型结构和构成成分的特点,通过改进义原相似度、词语相似度、句子相似度的计算方法,提出了一种基于知网的、新的句子相似度计算方法。实验表明:该方法可以简单而有效地计算词语相似度;在句子相似度计算时,可以减少助动词、修饰词的影响,更适合判断两个命题是否高度相似。     

中文主观题自动批改中相似句子检索算法

学生答案与标准答案语义匹配程度的计算是基于中文文字类主观题自动批改中的关键问题。提出了学生答案与标准答案匹配程度的计算分两步进行：候选相似语句的检索和基于语义依存的句子相似度计算。利用动态规划法实现候选语句检索,确定数量不多但有可能与标准答案相似的候选句子,然后对标准答案中的句子与少量的候选句子进行深层的句法分析,找出依存关系,并在依存分析结果的基础上进行语义相似度计算,得出最终的结果。该方法可以提高主观题自动批改的效率及准确性,具有一定的实用价值。     

概念向量空间模型在智能答疑系统中的应用

为解决智能答疑系统中因词的同义或多义现象而导致的“漏答”或“错答”问题,采用概念向量空间模型来计算句子相似度。针对概念向量空间模型生成的向量矩阵空间仍是一个稀疏大空间的缺点,提出了一种基于FAQ的概念向量空间模型来降低向量矩阵空间的维数。通过对基于事实的简单陈述问题的提问,结果显示明显优于向量空间模型。     

RDAQAS中问句相似度计算方法研究

在受限领域自动应答系统(RDAQAS)中，以“知网”和领域本体库为基础，计算目标问句和问句语料库中问句的相似度，从中寻找最相近问句，最终提取答案的方式，是一种很实用的自动应答实现模式．文中介绍了金融领域本体库、问句语料库等语义资源的构建方法，提出了基于关键词空间向量模型和基于语义概念空间向量模型的问句相似度计算方法，并对其实现过程进行了详细描述，最后给出了两种方法的具体的问句相似度计算对比实验实例．     

基于自然语言处理的主观题评分算法研究

从自然语言处理的角度来看,现有的主观题评分算法都以相似度计算为核心的,没有考虑语义对立度问题.提出了一种基于中文分词技术、相似度计算和对立度计算的新的主观题评分算法.对主观题评分算法的以下三个方面进行了重点研究:怎样改进中文分词算法中的歧义切分的方法;怎样引入参数限制计算中分数过高或过低;怎样设计一个融合相似度计算和对立度计算的主观题分数的计算公式.     

基于LBS的中文自动文摘技术研究

LBS的终端用户通过各种无线手持设备访问因特网，获取与位置有关的资讯，但由于这些设备显示屏较小，再加上无线通讯网带宽不足，无法浏览整个网页，采用文本摘要来浓缩整个网页将是LBS中重要技术之一。提出了一种基于文本结构分析的文摘方法，首先通过向量空间模型来计算段落和全文的相似度，按照给定的阈值选定主题段落；然后计算主题段中各个句子与相应主题段的相似度，按照相似度由高到低选取主题句，组成粗的文摘。实际开发的系统原型验证了此方法的有效性。     

基于向量空间模型的路径相似度蚁群算法研究

针对如何根据用户的检索状况来提高信息检索的反应速度及查询的准确性的问题,利用向量空间模型信息检索与路径相似度蚁群算法中利用同一方式——相似度来决定下一步方向的共同特点,提出将一种基于路径相似度的蚁群算法应用于信息检索的方法。采用这种算法在性能和收敛性速度上优于常规算法。     

基于类别概念的特征选择方法

基于中文文本分类的定义和向量空间模型,本文分析了正确分类文本的关键所在.通过对传统的特征选择方法的分析,提出了新的特征选择方法.通过支撑向量机对中等规模语料库的实验,验证了此方法的有效性.     

潜在语义分析方法在主观题评判中的应用

主观题的自动评判是实现在线考试功能的一个关键技术，由于具有相当的难度，故目前国内外在这方面的研究还不多，真正实用的系统则更少。传统的主观题评判系统是基于关键字匹配的，仅比较关键字就得出结论，不仅结果不准确，而且存在隐患。为此，在引入传统的潜在语义分析方法的同时对其进行改进，并为不同的关键字使用不同的权重以体现语义的重要性，由此设计出一种加权的语义分析方法。经实验证明，该方法的准确率有所提高，达到了预期的效果。     

单向贴近度方法在主观题评判中的应用

主观题的自动评判一直制约着在线考试系统的发展。在引入传统的基于模糊数学中贴近度方法的同时对其进行改进,并为不同的关键词使用不同的权重以体现语义的重要性,设计一种基于模糊数学理论中带权单向匹配的算法。经实验证明该方法的准确率有所提高,达到了预期的效果。     

面向制造网络的节点发现技术研究

为了提高制造资源和服务的发现准确性，提出了一种基于互联网的制造网络节点发现方法.制造主
题节点内容和结构存在相似的特点，从网络节点的文本中抽取反映节点主题的结构和内容特征词，采用
不同的加权方法表示为内容和结构特征信息，建立描述节点主题的混合向量空间模型.在此模型的基础上
，通过类中心距离法来分析和识别节点的主题，并利用网络搜索、信息处理等技术构建了制造节点发现
的实验原型系统.实验结果表明，混合向量空间模型适合描述制造主题的节点，原型系统对制造节点的发
现准确性较高     

基于Nutch的页面排序算法研究

针对某一主题或学科的垂直搜索引擎是搜索引擎的延伸和细分,面向特定用户提供垂直搜索。网页排序算法是搜索引擎好坏的关键,搜索引擎网页排序算法的目的是从海量搜索结果中将主题相关和权威的网页排在前列,帮助用户查找所需的资源。 Nutch搜索引擎只实现了一个基本的综合排序模型,为了使Nutch更好地满足专业用户的需求,该文设计一个综合考虑主题相关性和网页权威性的综合排序模型,将主题相关度因子和改进后的PageRank算法因子融入到Nutch网页评分计算公式中。实验表明,改进的排序算法可以提高信息的查准率,具有明显的主题倾向性,在实际应用中发挥作用。     

一种基于参考本体的多本体映射方法

随着领域内本体数量的不断增多,很多本体映射方法已经不适用于多本体映射任务。为此,提出一种基于参考本体的多本体映射方法 (multiple ontology mapping based on reference ontology,MOM RO)。在多本体映射过程中,方法MOM RO从源本体集合中提取共享概念集合并建立参考本体;然后利用参考本体来构建一个统一的向量空间模型;然后,将源本体中的概念表示成该模型中的向量,从而使用向量之间的欧氏距离来计算概念之间的相似度;最后,建立源本体之间的映射关系。实验结果表明,方法MOM RO可以有效地完成多本体映射的任务。     

Automatic Topic Detection Based on Document Concept Similarity

传统话题自动检测一般采用向量空间模型进行文本相似度计算,这种方法单纯依靠特征词进行话题检测,忽略了词之间的概念及由此而引发的概念相似度。针对此问题,文章首先对网络新闻文本进行事件元素提取,并将事件元素特征词分解为概念集合,通过计算概念集合的内积空间得到词之间的相似度,进而根据词相似度计算文本相似度,最后根据概念相似度计算实现话题的自动检测。实验结果表明,本方法能够有效提高话题检测的准确率和召回率。