搜索引擎中结果网页排序方法研究

主要对现有主流搜索引擎结果排序技术进行了研究,分析了对其各自的优缺点,并在此基础上总结了搜索引擎结果排序算法的研究趋势。     

基于本体的BML命令语义标注方法

作战管理语言（Battle Management Language,BML）是一种无歧义的语言规范,用于解决指控和仿真系统间的互操作问题。针对BML命令缺乏语义信息,难以被计算机理解和自动处理的问题,分析了BML的五视图体系结构,引入了BNF形式化语法,并在此基础上提出了一种语义标注方法,对命令中的对象、时间和地理位置等要素进行标注,然后整合各要素来表达整条命令的语义,系统通过解析标注文档可以实现对命令的无歧义理解,最后给出实例予以说明。论文为表达BML命令的语义提出了一种借鉴思路。     

工业机器人解释器语义分析研究

介绍了语义分析的发展现状。针对目前解释器语义分析效率较低的问题,并结合工业机器人控制系统的特点,研究了利用语法分析栈来实现工业机器人解释器语义分析的方法,并实现了工业机器人编程语言IRL的语义分析。基于该方法的解释器在Visual Studio2005平台上用C＋＋实现,生成的目标代码运行于WinCE嵌入式系统。实验结果证明了该方法的正确性和高效性。     

基于SNS的网络挖掘系统研究

介绍网络挖掘系统的功能模型及其采用的体系结构．并重点阐述系统采用的社团发现技术、文本提取和文本分类等关键技术,并对存在的问题进行分析和总结。     

面向Internet的模具知识本体的构建研究

通过对Internet上模具知识特点的分析,提出通过修改模具论坛的发贴模板的方法来获取论坛贴子的标签,然后利用"七步法"构建Internet上模具知识本体,并初步提出语义搜索概念模型,为基于Internet模具知识的搜索引擎的实现提供理论和实践基础。     

基于主题模型的主观性句子识别

主观性句子识别旨在发现文本集合中具有观点的句子。本文基于概率主题模型,提出融合主题的主观性句子识别模型。该模型通过考虑主题因素识别句子主观性,同时挖掘文本集合中的潜在主观性主题。提出的模型是一个弱监督生成模型,不需要大量的标记语料进行训练,仅需要一小部分领域独立的主观性词典修改模型的先验。实验证明,提出的模型能有效地提高句子识别召回率和F值,同时抽取的主观性主题具有较强的语义信息。     

基于SQL Server的OLAM的研究及应用

OLAM(On-line Analytical Mining)是当前的热点技术,是融合了联机分析处理(OLAP)和数据挖掘(Data Mining)的一种新的数据挖掘技术。本文主要研究数据仓库中OLAP,On-line Analytical Processing和数据挖掘技术,这两个技术是商业智能中的核心技术和主要内容,在两者的基础上引入OLAM的概念,并阐述其基本原理和核心技术。基于微软的SQL Server平台,为一个商业案例建立数据仓库,利用Analysis Services服务,建立销售分析的多维数据集,利用OLAM的基本模型实现OLAP和聚类挖掘技术的结合,借助两者的各自优势,得到很好的客户聚类分析结果。     

基于SOM的模糊聚类在Web日志挖掘中的应用

将自组织映射神经网络（SOM）与FCM结合,利用SOM的并行计算能够减少模糊C均值算法在处理海量数据时的聚类时间,可以提高聚类算法的速度和效果,同时使用该算法对校园网Web日志进行数据挖掘,能够对用户行为进行分析,从而提出相应的方法,更好地提高服务效率和管理质量。     

谁来取代万维网

万维网在进行信息搜索时会显得有些"笨",人们期待有一个更"聪明"的网络能够取而代之,那就是语义网。语义网及其具有革命性的智能推理与代理技术,将在很大程度上改变现有互联网的运行模式甚至人们的生活方式。     

网络教学平台中智慧资源的挖掘

该文提出了在网络教学中智慧资源的重要性和对其进行深度挖掘的必要性。从知识管理的理念和技术角度出发,在实践的基础上提出了对网络教学平台中智慧资源挖掘的实践方案并对其过程中出现的问题进行了思考。指出了智慧资源在网络教学资源建设中的重要地位。