关系模式一种基于超图的全部候选关键字求法

本文详细讨论了基于超图的关系模式的有关候选关键字的某些理论,给出了相应的定理.圆满地解决了关系模式全部候选关键字的求解问题,具体地给出了以递归形式的求全部候选关键字的新算法.     

候选关键字的图论求解法

本文利用图论方法对求解候选关键字的问题进行了深入而系统的讨论,圆满地解决了左边为单属性的函数依赖集的关系模式候选关键字的求解问题.     

消元法化简关系模式求所有候选关键字新方法

本文研究了通过消癣关系模式化民与之具有相同候选关键字的一组简单关系模式的理论和方法。     

属性集闭包在求解关系模式候选关键字中的应用

本文描述了关系模式中计算属性集闭包、求解候选关键字的算法,以此强调闭包在函数依赖理论中的重要性。     

基数为M的时态候选关键字问题研究

为了更有效地研究时态数据库中各种时态依赖以及各属性之间的关系,对时态候选关键字的求解进行了研究,定义了时态准左部属性、时态准右部属性和时态纯双部属性等概念;结合关系数据库理论给出了时态最大相关块法求时态候选关键字,并对相关理论进行了证明,这对实现时态候选关键字的规范化问题具有重要的推动作用.     

一种搜索关系模式的所有候选关键字的算法

给出计算关系数据模式R的所有候选关键字的一个有效算法,该算法利用函数依赖中的属性位置关系,决定哪些属性是主要的,有用的;哪些属性可不被考虑,从而找出R的所有候选关键字。     

时态强简单候选关键字算法研究*

对于时态数据库的设计来讲,一个重要的约束就是候选关键字约束。在实际应用系统设计中,根据应用环境要设计时态模式,并对模式进行规范化处理。无论需要满足哪种范式,都涉及候选关键字问题。目前已提出的时态初等候选关键字,时态简单候选关键字都有其相对应的范式TEKNF和TSNF。在此基础上,在强全序模块模式下提出了时态强简单候选关键字的概念,给出明确的定义。并且给出了强全序候选关键字算法以及求取强简单候选关键字集算法,对算法的可终止性,正确性进行了证明。并对算法的复杂度进行了分析。同时初步定义了相对应的时态强简单范式。     

MATLAB在求解关系模式上全部候选关键字中的应用

本文描述了MATLAB中的数值数组、元胞数组与关系模式上的属性集、函数依赖集之间的对应关系，实现了属性集运算的MATLAB数组表示，给出了关系模式中计算属性集闭包、求解候选关键字的M函数。在应用[1]中的替换算法的基础上，本文给出了一个求解关系模式上全部候选关键字的M函数。实际应用表明，本文介绍的MATLAB程序代码简洁、运行可靠、求解正确。     

从关系数据库中快速发现候选关键字

确定候选关键字是关系数据库的理论研究和应用设计中非常重要的问题,求解候选关键字是一个ＮＰ－完全问题。文章提出了一种快速求解候选关键字的算法,该算法利用关键字本身的属性,采用特殊的剪枝策略,可大大减少非关键字的生成,并显著地降低Ｉ／Ｏ时间和ＣＰＵ时间,尤其是当候选关键字的维数较小时,可以急剧降低算法的复杂度。     

从关系数据库中快速实现候选关键字

确定候选关键字是关系数据库的理论研究和应用设计中非常重要的问题,求解候选关键字是一个ＮＰ－完全问题。文章提出了一种快速求解候选关键字的算法,该算法利用关键字本身的属性,采用特殊的剪枝策略,可大大减少非关键字的生成,并显著地降低Ｉ／Ｏ时间和ＣＰＵ时间,尤其是当候选关键字的维数较小时,可以急剧降低算法的复杂度。     

基于逆向FD超图环的全部候选关键字求法

本文通过对逆向ＦＤ超图的环的分类的深入研究，找到了组成候选关键字的属性对应的结点的特征，进而给出了求解全部候关键字的多项式时间的新算法。     

Emergence of genomic self-similarity in location independent representations

A key property for predicting the effectiveness of stochastic search techniques, including evolutionary algorithms, is the existence of a positive correlation between the form and the quality of candidate solutions. In this paper we show that when the ordering of genomic symbols in a genetic algorithm is completely independent of the fitness function and therefore free to evolve along with the candidate solutions it encodes, the resulting genomes self-organize into self-similar structures that favor this key stochastic search property.     

基于关键短语抽取与答案过滤的问答对生成

高质量的问答对有助于从文章中获取知识,提高问答系统性能,促进机器阅读理解,在人类活动和人工智能领域中都起着较为重要的作用.当前主要问答对生成方法依靠提供文章中的候选答案,根据答案生成特定的问题.然而一些候选答案可能会生成无法从文章中回答的问题,或是生成问题的答案不再是候选答案,造成问答对相关性差,影响问答对的质量.针对此问题,本文提出了一个基于关键短语抽取与过滤生成问答对的方法.该方法能够在输入文本中自动抽取适合生成问题的关键短语作为候选答案,再根据候选答案在问题生成器和答案生成器中生成问答对,并通过对比候选答案与生成答案的相似度过滤相关性低的问答对,最终输出保证质量的问答对.本方法在SQUAD1.1和NewsQA数据集上进行了实验验证,并人工检验了生成的问答对的质量,结果表明该方法可以有效提高生成的问答对的质量.     

关联规则挖掘AprioriTid算法的改进

提出了一种将AprioriTid算法与事务压缩和项目压缩相结合的改进算法。该算法中候选项目集及支持度计算是在每条事务压缩后通过联接产生,候选项目集采用关键字识别,省去了AprioriTid算法中的剪枝和字符串模式匹配步骤。实验结果表明,改进的算法执行效率明显优于AprioriTid算法。     

融合语义信息与问题关键信息的多阶段注意力答案选取模型

自动问答系统可以帮助人们快速从海量文本中提取出有效信息,而答案选取作为其中的关键一步,在很大程度上影响着自动问答系统的性能.针对现有答案选择模型中答案关键信息捕获不准确的问题,本文提出了一种融合语义信息与问题关键信息的多阶段注意力答案选取模型.该方法首先利用双向LSTM模型分别对问题和候选答案进行语义表示;然后采用问题的关键信息,包括问题类型和问题中心词,利用注意力机制对候选答案集合进行信息增强,筛选Top K个候选答案;然后采用问题的语义信息,再次利用注意力机制对Top K个候选答案集合进行信息增强,筛选出最佳答案.通过分阶段地将问题的关键信息和语义信息与候选答案的语义表示相结合,有效提高了对候选答案关键信息的捕获能力,从而提升了答案选取系统的性能.在三个数据集上对本文所提出的模型进行验证,相较已知同类最好模型,最高性能提升达1.95%.     

基数为M的候选关键字求解的多项式算法存在性研究

本文在文献「３」的基础上，详细且深入讨论了构成候选关键字的属性特性，提出了相关关系，最大相关块等概念，讨论了有关定理，最后给出了求基数为Ｍ的候选关键字的多项式时间算法。     

关系模式候选键求解算法及其应用

通过研究属性间依赖性特点，提出了一种简捷有效的关系模式候选键的求解算法，并对算法进行了分析与证明，最后举例说明其应用。