文本小说，一键下载

很多人都喜欢拿MP3播放器来看小说,可惜的是目前所有的MP3播放器都只支持TXT这一种文件格式。本来从茫茫“书海”中找到自己想要的小说已经是一件很痛苦的事了,在阅读之前还必须经过一个繁琐的转换过程,这着实令人郁闷。不过现在好了,有了这款名为《小说下载阅读器》的软件,以上一切的繁琐工作,就可以通通地省略了.     

维、哈、柯文版Linux操作系统关键技术的设计实现

维吾尔文、哈萨克文、柯尔克孜文(以下简称民文)等多文种操作系统软件,对于提高我国西部少数民族地区的信息化水平,起着重要作用.本文首先阐述了民文与汉文、西文等语言在计算机处理方面的差异,然后通过分析Linux国际化框架,提出了民文版Linux的总体设计结构,最后分两个模块重点论述了民文变形显示、从右向左书写、民汉混合处理等主要技术难点在Qt层次上的实现.测试表明,民文版Linux在保证原有功能的基础上,全面支持了民文的使用习惯.     

基于BP网络的中文文本分类技术

本文在对文本分类的问题,关键技术及系统结构进行介绍的基础上,详细阐述了一种利用带动力项的BP神经网络作为分类器的中文文本自动分类方法.该法采用归一化TFIDF算法对特征向量进行权值计算,并使用期望交叉熵统计方法对特征向量集进行精简.此外,我们在TanCorp12数据集上测试了特征项数目和训练次数对于分类器的宏平均和微平均性能的影响.     

IT英语角

Web2.0视觉设计快速旅行(quick tour of the visual design of Web 2.0)在上期里,我们带大家欣赏了部分Web2.0的风景,还意犹未尽吗?继续这段美妙的旅行吧! Odds and ends边角和收尾The‘wet table’look‘starbursts’,and‘glass’buttons.provide a lot of Web 2.0’s eye candy.Apple’s marketing department sure has a lot to answer for."湿桌面"外观、"星形图案",还有"玻璃"按钮,成就了Web2.0的大量"眼睛糖果"(愉悦眼球的玩意)。     

Excel显示错误值?看病去!

不好,因为"吃"错了公式,Excel病了!它的症状都显示在"脸"上(单元格中的错误值信息),快找Office医生诊断—下。症状1:#####!病因:单元格所含的数字、日期或时间占位比单元格宽。药方:拖动鼠标指针改列宽。症状2:#NUM!病因:顾名思义,公式中的数字出现问题——类型错误,或者数字超过Excel表示的有效范围。药方:让数字类型和大小都符合要求。     

《FIFA足球经理2008》赚钱秘诀

1．轻松获取金钱：使用文本编辑器打开／ea sports／fifa manager 08／user／objects目录下的house．txt文件。将最后一行改为“Palace,Palais,Schloss,Palacio．Palazzo,Palac,-1200000000,palace．bmp,2005”。进入游戏．购买Palace的时候,将获得大约900万英镑。     

基于知识图谱与BERT的安全领域汉字文本纠错模型

针对安全领域所涉及的文本中存在大量人为混淆的文字的问题,提出一种基于汉字知识图谱的BERT(Bidirectional Encoder Representation from Transformers)预训练模型,表征汉字的读音、字形、语义三个维度的特征,构建纠错算法。首先,构建汉字知识图谱刻画汉字的读音、字形拆解、繁简转换、汉字与数字转换等属性和关系,并基于汉字知识图谱中的读音属性和node2vec模型训练得到汉字读音向量;其次,基于知识图谱中字形关系构建node2vec模型,得到node2vec字形向量,并结合卷积神经网络（CNN）方法训练字形向量,两者之和作为最终的字形向量;最后,基于BERT预训练模型,融合读音、字形、语义三维度的向量,并在不同维度间使用自注意力机制加权求和,发现错误字位置并选择正确的候选字。为验证所提模型的有效性,在安全领域诈骗短信数据集上,将所提模型与FASpell、SpellGCN、Soft-Masked BERT进行了对比。实验结果表明,所提模型的正确率和召回率比FASpell分别提升了24.7、21.6个百分点,比SpellGCN分别提升了22.2、1...     

基于多特征嵌入的中文医学命名实体识别

针对基于字符表示的中文医学命名实体识别模型嵌入信息单一、缺失词边界和结构信息的问题,文中提出了一种融合多特征嵌入的医学命名实体识别模型。首先,将字符映射为固定长度的嵌入表示;其次,引入外部资源构建词汇特征,该特征能够补充字符的潜在词组信息;然后,根据中文的象形文字特点和文本序列特点,分别引入字符结构特征和序列结构特征,使用卷积神经网络对两种结构特征进行编码,得到radical-level词嵌入和sentence-level词嵌入;最后,将得到的多种特征嵌入进行拼接,输入长短期记忆网络编码,并使用条件随机场输出实体预测结果。将自建中文医疗数据和CHIP＿2020任务提供的医疗数据作为数据集进行实验,实验结果表明,与基准模型相比,所提模型同时融合了词汇特征和文本结构特征,能够有效识别医学命名实体。     

基于知识图谱的中成药智能问答平台构建

近年来,中成药的使用和生产规模不断增大,产生了越来越多的中成药数据,中成药的普及与发展是一关键性问题。本项目结合知识图谱和多标签文本分类与命名实体识别的自然语言处理、语音识别等智能问答技术搭建中成药智能问答平台。在用户文本提问或语音提问后,平台会根据提问在海量中成药信息中迅速准确地查询相关中成药信息,并呈现相关中成药的知识图谱辅助用户理解。知识图谱可以将中成药很好的存储起来,智能问答可以帮助用户了解中成药,使用知识图谱结合智能问答技术对中成药普及与发展具有一定的意义。     

融合掩码机制的图卷积文本分类模型

图卷积神经网络在文本分类领域受到广泛关注,但同时存在过平滑的问题。此外,现有研究中掩码机制是在文本结构上进行融合,可能并不完全适用于基于图卷积神经网络的文本分类方法。因此,该文针对图结构提出了融合掩码机制的图卷积神经网络MaskGCN,直接将掩码机制引入文本图结构,并采用全局共享矩阵动态构建文本级别的多粒度文本图。在THUCNews、今日头条和SougoCS数据集上的实验表明,该文模型在有效抑制过平滑的同时,相比于其他文本分类模型取得了较优的结果。