一种面向自然语言需求的安全需求获取方法研究

在软件开发早期获取软件安全(Security)需求可以有效减少软件安全问题的发生.传统的安全需求获取方法大多依赖安全领域的专家知识,需要手工执行,且获取的安全需求模型对相关安全标准的符合性缺乏考虑.本文阐述了一种从英文自然语言描述的需求文本中自动获取安全需求的方法：首先,基于自然语言处理技术抽取英文需求中的实体(如资产)以及实体关系(如用户对资产的操作);然后,采用基于深度学习的多标签文本分类模型预测需求的安全目标集;最后,通过匹配获得并实例化基于通用标准(CC:Common Criteria)的安全需求模板.此外,本文通过一组基于安全目标的多标签需求文本分类实验,选择出实验指标最优的深度学习模型：BERT-TextCNN,并将其应用到支撑本文方法的工具中.     

一种提高自然语言文本水印容量的算法

自然语言文本水印算法通过对文本句子的语法结构或语义结构进行转换来嵌入水印信息.对句子的语法和TMR(Text Meaning Representation)语义结构进行分析,利用句子语法结构的转换不会改变句子TMR语义结构这一性质将语法水印技术和语义水印技术有效结合起来,提出了一种提高自然语言文本水印嵌入容量的算法.该算法的优点是将控制信息和水印信息分离,并根据每个句子本身的特性动态嵌入相应数量的水印信息.实验表明该算法和原有的语法或语义水印算法相比,水印嵌入容量有一定程度的提高.     

一种基于神经网络的电子邮件过滤系统设计

垃圾邮件的泛滥提出了极为迫切的技术诉求。文章介绍了基于神经网络的垃圾邮件过滤系统模型,并首先介绍了整个系统工作流程,然后阐述了系统中文本分词、文本特征提取、神经网络分类器等关键环节。神经网络的自学习。自适应能力解决了垃圾邮件特征不断变化而过滤方法相时固定的矛盾。     

一种手写汉字文本切分的协动计算方法设计

本文针对信封地址的识别,设计了一种手写汉字文本切分的协动计算方法。由于考虑了汉字及其左右部件搭配的语义信息,从而取得了较高的正确切分率。在１０００份样本信封文本中,无连字时为１００％,有连字时也有９５％。     

一种基于自然语言信息隐藏的容量提高算法

给出了一个基于自然语言处理的文本信息隐藏的一般化模型,然后基于该模型讨论了增加信息隐藏容量的方法。接着给出了一个可以有效地增加信息隐藏容量的算法。从理论和实验上都表明,该算法可以有效地提高信息隐藏容量约25％以上。     

提高IQAS查询速度的一种方法

为了提高基于自然语言处理的智能答疑系统IQAS(IntelligentQuestionAnsweringSystem)中答案的查找速度,该文提出一种索引结构,它可以很快地使问题锁定在查找的范围之内。     

一种模仿人类的自动文本分类算法

1.引言 Internet上有着大量的且快速增长的文本,文本是信息和知识的宝贵资源。随着Internet的快速发展,不久的将来,人们所需要的大部分信息都可以在网上找到。Internet正在成为人类的信息宝库,但是随着网上信息的爆炸性增长,人们想从这个信息宝库中获得自己所需要的信息已经变得日益困难,因此,如何快速有效地获得有用的信息已成为人们十分关     

一种受限的自然语言通信方法研究与实现

论述了一个多智能体并行设计环境中自然语言通信模块的设计和实现方法。通过建立一个受限词汇的综合信息库,记录词汇的各种语法、语义信息;采用扩充短语结构文法对句子结构进行分析,定义了句子生成模板,智能体借助该模板提供的接口函数生成自然语言句子。该设计方法建立在受限语言的基础上,突出了在协商式多智能体之间进行自然语言通信时的准确性。此外,为智能体提供了灵活、友善的接口,提高了多智能体并行设计环境的性能。     

自然语言网络答疑系统中倒排索引技术的研究

为了提高自然语言网络答疑系统（Natural Language Web Answer System，简称NLWAS）中问答对的匹配速度和精度，提出了基于倒排词的倒排索引设计方案，详细阐述了索引体系结构、数据结构、匹配策略、动态维护，并对时间复杂度进行了分析。实际应用结果表明，使用倒排索引后系统性能优化效果明显增强。     

基于多种知识源的汉语自动分词

提出一种汉语分词方法。与其它的如利用单一统计特性的统计方法或者纯规则方法不同，该方法利用字、词、上下文、语法及语义等多种知识源对汉字串中每一隔点的切分可能性进行考察，并在无法彻底消歧的情况下通过模糊综合得出最可能的切分结果。用户可以根据需要修改系统以适应不同文本的特征，并能接收前后词法、语法、语义分析阶段的反馈。因此，该方法具有准确率高、灵活、健壮、回溯迅速的特点。     

基于自然语言处理的Web内容过滤模型

提出了一种基于自然语言处理技术的Web内容过滤模型,引入了中英文两种语言的计算机处理技术,重点讨论了新的具有语义特征的过滤算法,提高了过滤的覆盖率和精确性,并通过实验测试了其性能。     

基于WordNet和自然语言处理技术的半自动领域本体构建

现有的大多数本体都是通过手工构建的,然而,本体的构建是一项非常费时费力的过程,近年来有关如何半自动地构建领域本体的研究越来越多。本文提出了一种基于WordNet和自然语言处理技术的领域本体半自动构建方法,该方法能够大大提高本体的构建效率,并且一定程度上能够保证结果本体的质量。实验表明,本文的方法在一定程度上令本体的生成过程实现自动化。     

一种基于自然语言的模式推理算法

传统的基于谓词模式推理算法,需要把自然语言表示的知识,人工转换为机器可以理解的谓词,这就需要耗费大量的人力物力。本文提出一种基于自然语言的模式推理算法,可以基于自然语言进行模式推理,不需要将自然语言表示的知识转换为谓词,从而大大节省了人力物力。实验结果表明,本算法可以基于自然语言,有效的进行模式推理。     

TG-SMR: A Text Summarization Algorithm Based on Topic and Graph Models

Recently, automation is considered vital in most fields since computing methods have a significant role in facilitating work such as automatic text summarization. However, most of the computing methods that are used in real systems are based on graph models, which are characterized by their simplicity and stability. Thus, this paper proposes an improved extractive text summarization algorithm based on both topic and graph models. The methodology of this work consists of two stages. First, the well-known TextRank algorithm is analyzed and its shortcomings are investigated. Then, an improved method is proposed with a new computational model of sentence weights. The experimental results were carried out on standard DUC2004 and DUC2006 datasets and compared to four text summarization methods. Finally, through experiments on the DUC2004 and DUC2006 datasets, our proposed improved graph model algorithm TG-SMR (Topic Graph-Summarizer) is compared to other text summarization systems. The experimental results prove that the proposed TG-SMR algorithm achieves higher ROUGE scores. It is foreseen that the TG-SMR algorithm will open a new horizon that concerns the performance of ROUGE evaluation indicators.     

基于神经网络的"垃圾"邮件过滤系统设计

为了对垃圾邮件进行有效地过滤,以神经网络作为分类器,采用由垃圾邮件发送者进行确认的邮件认证方法设计了邮件过滤系统。神经网络的自学习、自适应能力解决了垃圾邮件特征不断变化而过滤方法相对固定的矛盾。新的垃圾邮件认证方法使发送垃圾邮件比接收垃圾邮件更费时间,减少了用户收到垃圾邮件的数量。     

基于统计语言模型的双向词类标注方法

In the paper, we introduce chinese corpus tagging based on statistical language model (bi-gram model)and Huang-Yu‘s smoothing method. Especially, we also suggest a two-directions method based on statistical languagemodel, namely, we not only compute probability of P(CIW)(W= w1w2w3…. wm),but also compute probability of P(C |wnwn-1…… w1)-From our experience we can see it can enhance the accuracy of Chinese corpus tagging using this method of two directions comoutation.     

基于图神经网络和语义知识的自然语言推理任务研究

自然语言推理任务的目的是推断两个句子之间的语义逻辑关系.该文通过模仿人类的推理过程构造模型,首先利用长短时记忆网络提取词的语境特征,模仿人类粗读句子的过程;然后依据外部语义知识,连接两个句子中有语义联系的词,构造一个以词为节点的语义图;接下来模仿人类比较两个句子的语义角色相似性的思维,用图卷积或图注意力神经网络聚合词在...