面向高级语言的多处理机结构

近代计算机系统设计面临着两方面的挑战,其一是大规模集成电路工艺取得的成就,其二是日益发展的计算机科学的需求,各种多处理机结构均是在这促进下提出的。对大型通用计算机系统设计而言,要寻求大的吞吐量,广泛的适应能力,好的使用性能,高的设备利用效率。为达到这些目标,一方面靠采用新的器件,但更重要的是寻求新的结构。早期的系统设计,硬件和软件是截然分开的,这造成软件设计的困难。六十年代出现一些面向高级语言的新结构,以后又提出一种直接执行高级语言的机器。近年来微处理机的应用说明,系统软件中的大部分功能用微处理机实现,可获得更好的经济效能。系统设计直接从高级语言出     

基于语义模式分解的英语介词语义分析和汉译

在研究英语介词相关短语和句式的基础上,给出了语义模式的概念,构建了介词相关短语语义模式库、相关句式语义模式库、主虚量库和固定搭配知识库。根据介词相关短语语义模式特点,提出了一种基于语义模式分解的介词语义分析和汉译算法,结合相关句式语义模式库和固定搭配知识库,对英语介词进行语义分析和汉译。实验表明,利用该文方法能有效解决英语介词汉译的问题。     

向量自动位移原理和自动位移迭代原理

本文介绍虚共存细胞结构纵横加工向量机的一种互连网络,在此网络上建立了向量自动位移原理,给出了向量位移无冲突的充分必要条件。为了解决位移冲突这一困难问题,本文进一步提出了向量自动位移迭代原理。最后对均匀分布的随机地址向量的位移迭代次数给出了概率估算和数值模拟的结果。     

基于语义单元表示树剪枝的关键字过滤方法

传统的关键字过滤技术满足了人们一定的需要,但是其灵活性差,效果有限,难以识别和过滤变形过的关键字.本文将语义单元应用在网络监测中,提出了一种新的关键字过滤方法.这种方法可以有效地识别和过滤网络中经过变形的关键字,其时间复杂度为O(L)而非O(LN),其中L是文本的长度,N是关键字集的规模,即无论关键字集有多么大的规模,算法消耗的时间是固定不变的,这对网络监测和信息过滤有着较强的实用性.     

一个直接执行向量ALGOL60语言的计算机

IC技术的成就促进了计算机体系设计的进展,高级语言机是这种形势下出现的一种新型计算机结构,其基本特征是它直接执行高级语言源程序。 本文提出一个直接执行向量ALGOL 60语言的高级语言机结构。它采用一遍预处理方案,在语法检查的同时,将源程序变换成有效的内部形式,变换保持和高级语言结构相对应关系。该系统采用位片式微处理机构成,除具有高级语言机基本特征外,还具有结构简单、灵活和造价低的特点。     

SYMBOL一个串对应规律的发现系统

本文介绍一个数据驱动的发现系统SYMBOL,它采用探试法的启发式策略,通过对启发式规则的假设、测试和修正,找出蕴含在两组相关符号串之间的对应规律,SYMBOL系统采用层次的知识结构,学习机制是知识层次之间的桥梁,它在系统固有的策略性知识、描述性知识,以及有关问题域的知识引导下,并在大量的实验数据的驱动下,构造一个层次结构的,关于两组相关符号串的启发式规则集。 SYMBOL系统的处理对象是两组相关符号串。这里,我们选用英语的单词和其对应的音标做为实例,也就是,SYMBOL系统在系统原有的知识引导下,在大量的实验数据的驱动下,可以发现英语单词的发音规律。     

细胞结构纵横加工向量机

本文讨论一般向量机及纵横加工向量机的细胞结构化的可能性。随着器件的飞速发展,细胞结构巨型机成为巨型机重要方向。多处理机、阵列机、关联阵列机的细胞结构化是显然的;而向量机,一种比较受欢迎的巨型机,语言可在标准语言基础上扩充,使用与习惯较接近,效率比较高的巨型机,能否细胞结构化?本文给出了构造性的肯定回答。本文介绍了标准语言向量扩充和纵横加工向量机。在此基础上讨论了细胞结构向量机及细胞结构纵横加工向量机。最后简略讨论其优点及细胞单元数目有限的局限性(例如N≤64)。     

Prolog语言及其特点

Prolog是以处理逻辑问题为背景而设计的语言。它以简洁的文法、丰富的表现力和独特的非过程性赢得越来越多的推崇。目前,Prolog广泛地应用于关系数据库、数理逻辑、抽象问题求解、自然语言理解、公式处理、总体结构设计、生物化学结构分析以及人工智能的各个领域。本文将扼要地讨论了Prolog语言和它的特点。     

基于多级阈值的中文人名识别

在对大规模姓名样本库统计的基础上,研究了各种中文人名的姓氏、名字用字规律,并通过对大规模语料库的统计分析,得到了每个姓氏用字在真实文本中用作真实姓氏的概率及其上下文规律;针对汉族人名和少数民族人名及音译人名,分别提出了多级姓氏阈值和多级首字阈值的概念,并使用3σ法则确定阈值。实验结果表明,基于多级阈值的中文人名识别模型是有效的。     

一种基于语义单元的查询扩展方法

查询扩展技术通过向初始查询请求中加入相似或者相关的词,来减少查询请求与相关文献在表达上的不匹配现象,改善检索性能.本文利用语义单元的语义表达能力和语义单元之间的关系,将与初始查询具有密切语义关系的查询词或短语加入到初始查询请求中,更加全面地表示了用户的查询意愿.算法的时间复杂度为O(L),只与搜索请求的长度L有关,与语义单元表示库的规模无关,这对实时性要求较高的搜索引擎来讲是很实用的.