几种开发通用题库管理系统方法的比较

研究了几种通用题库管理系统开发中的试题输入与输出方法,对这几种方法的优缺点进行比较,并给出了对应的程序代码。同时提出了自己开发通用题库管理系统中的试题的输入与输出方法,实验结果表明此方法比其它方法稳定性要好、处理效率要高。     

基于细胞神经网络和网格特征的碑刻文字识别

碑刻作为文字的载体,具有极其重要的历史价值和艺术价值。但是,因为时间的久远,其拓本大量的噪声对碑刻文字的辨识产生一定的影响。针对这种情况,提出了一种新方法,首先利用细胞神经网络（CNN）技术,去除单个碑刻文字的噪声,然后用网格特征提取方法对其进行识别。本文在MATLAB平台上进行了实例模拟,取得了较好的效果。     

面向医学的本体学习方法

现有的大多数本体都是通过手工构建的。本体的构建是一项费时费力的过程,特别在医学领域更是如此。对此,提出了基于中文分词和文本挖掘技术的自动领域本体构建方法,该方法能大大提高本体构建的效率,保证本体的构建质量。     

文本分类中基于概率主题模型的噪声处理方法

训练集中文本质量的好坏直接决定着文本分类的结果。实际应用中训练集的构建不可避免地会产生噪声样本,从而影响文本分类方法的实际应用效果。为此,针对文本分类中的噪声问题,本文提出一种基于概率主题模型的噪声处理方法,首先对训练集中的每个样本计算其类别熵,根据类别熵对噪声样本进行过滤;然后利用主题模型进行数据平滑,进一步减弱噪声样本的影响。这种方法不但能够减弱噪声样本对分类结果的影响,同时还保持了训练集的原有规模。在真实数据上的实验表明,该方法对噪声样本的分布具有较好的鲁棒性,在噪声比例较大的情况下仍能保持较好的分类结果。     

类关联词约束的K-Means半监督文本聚类方法

提出了一种利用类关联词和K-Means聚类算法实现对文本文档进行分类的方法。类关联词是与类主题相关、能反映类主题的单词或短语。根据文档中包含的类关联词,形成初始聚类中心。在聚类算法过程中,类关联词提供的信息被用来约束待分类文档与聚类中心的相似度比较,加快了算法的执行。实验证明了算法的有效性。     

基于协同过滤的垃圾邮件过滤系统

针对当前垃圾邮件过滤技术中邮件性质评价难及邮件附件判断难的问题,提出协同过滤模型,设计一个多层次垃圾邮件过滤系统。该系统针对垃圾邮件一般群发给多人的特点,提取用户的操作和阅读速度进行反馈,利用他人的反馈结果进行协同过滤。实验和分析结果表明,协同过滤技术有效地提高了垃圾邮件过滤的召回率。     

面向Blog的兴趣挖掘和推荐系统

Blog作为Web2.0的重要应用以其个性化的信息发布平台、多元化的内容载体等特点吸引网络用户。撰写和浏览Blog已经成为网络文化的流行热点,推动了Blog搜索服务的发展。目前的Blog搜索服务大都是基于对查询关键词的匹配来实现的,缺乏自动提取用户兴趣并进行推荐的能力。该文设计和实现了一个面向Blog的兴趣挖掘和推荐系统Blog-digger,该系统采用兴趣挖掘技术,能自动识别用户的兴趣,并主动推荐主题相关的Blog。实验结果证明了该系统的有效性。     

基于IPC知识结构的专利自动分类方法

基于国际专利分类号的层次结构,利用自身的类别描述信息,建立了不同层次的类别特征向量,结合现有专利进行修正训练,分别在各层次上采用经典的KNN算法实现专利的自动分类。实验结果表明：该方法的分类效果在部、大类、小类层次上表现较好。经过修正训练后的分类性能有所提高。     

一种结合结构化信息的富文本分类方法

随着文本表现形式越来越丰富,文本分类研究的对象正从平文本逐渐转变为富文本,传统的平文本分类方法不能满足实际需要.分析了富文本中的结构化信息和文本内容信息,把它们作为两个重要的因素,综合考虑了其在分类中的作用,提出并实现了标签组件法、结构组件法和综合法三种富文本分类的方法.实验表明,所提出的方法有较好的分类表现,能解决OpenDocument的分类问题.     

一种适合Java环境的中文快速排序和模糊检索方法

涉及中文字符串记录的数据库管理是Java开发中的常见问题。由于Java语言对中文支持不足,导致中文字符串记录的排序不能很好地满足应用要求。该文在与当前中文排序方法比较分析的基础上,提出了一种通用的排序方法,适用于Java环境下中文字符串和数字类型记录的排序过程,较好地解决了中文字符串数据集记录的排序问题,并且针对记录添加和检索时易出现的谐音拼写错误,提出了谐音检索方法,提高了检索过程的容错和纠错性能。