Page Maker6.5C使用技巧（三）

二、图形与文本对象的变形 在PageMaker中,旋转、反射、和倾斜一起被称作变形。可以变形页面或剪贴板上的任意非锁定的对象,包括行间图形(可以单独变形它所在的文本对象或者和文本对象一起被变形)和群组内选定的项目(可以单独变形它所在的群组或者和群组一起被变形)。填充图案和PostScript网屏角度不能被变形。下面是用控制面板变形对象的方法:     

一种在汉语文本中抽取重复字串的快速算法

词典未登录词的处理是自然语言处理不可或缺的研究方向.抽取文本中重复出现的字串是抽取未登录词最为直接简便的方法.以往算法运行速度较慢,无法满足海量文本快速处理的要求.遵循“左结合优先”和“最长匹配”原则,本文提出一种快速算法:位置记忆跳跃匹配.该方法最差情况下时间复杂度为o(t²),其中t为重复字串的重复次数.比较实验表明,本方法速度提高明显,数据结构简单,处理过程一次扫描完成.     

通用文本处理方法的研究与设计

设计描述通用文本处理逻辑的规则以及执行规则的引擎,使开发文本处理程序简化为开发应用规则。用XML描述规则的数据模型,规则元素包括原子规则、规则集、前置条件和数据上下文,在规则中用正则表达式实现文本匹配,用转义符和脚本语言实现多种转换逻辑。利用该方法进行Web主题文本提取,验证了规则的合理性和引擎的有效性。     

办公“打批发”（一）文本处理好偷懒

Linda和Mary是六学同学兼闺蜜,毕业之后又都在同一家公司做行政助理,只是分在不同的部门。Linda工作很努力,却总有做不完酌事。眼看Mary每天早早下班逛街“血拼”,自己却加班不断,心中除了羡慕还有郁闷,难道其中有什么偷懒的秘诀？ 终于有一天,Linda下班后忍不住抓住Mary问个究竞,在Linda断绝密友关系的威逼加必胜客大餐酌利诱下,Mary终于吐出了实情——原来办公也可以“打批发”！     

文本处理中的MapReduce技术

用于文本处理的很多数据集已经达到TB、PB甚至更大规模,传统的单机方法难以对这些数据进行有效处理。近年来出现的MapReduce计算框架能够以简洁的形式和分布式的方案来解决大规模数据的并行处理问题,得到了学术界和工业界的广泛认可和使用。目前,MapReduce已经被用于自然语言处理、机器学习及大规模图处理等领域。该文首先对MapReduce做了简单的介绍,并分析了其特点、优势还有不足;然后对MapReduce近年来在文本处理各个方面的应用进行分类总结和整理;最后对MapReduce的系统和性能方面的研究也做了一些介绍与展望。     

一种文本处理中的朴素贝叶斯分类器

首先在特征独立性假设的基础上，讨论了朴素贝叶斯分类器的原理，以及训练朴素贝叶斯分类器和应用朴素贝叶斯分类器进行分类的问题。然后，通过EM算法（期望值最大算法），自动增加训练量，以得到较为完备的训练文本库，扩展了朴素贝叶斯分类器的应用，提高了朴素贝叶斯分类器的分类精度。文章最后给出一组实验数据。本文的研究发现，朴素贝叶斯分类器分类精度较高，并且不存在单分类器与多分类器的实现差异，是一个比较实用的分类器。     

基于Hadoop云计算平台的海量文本处理研究

针对海量文本数据处理,为实现快速文本处理响应,缩短海量数据为辅助决策提供服务的时间,基于Hadoop云计算平台,建立HDFS分布式文件系统存储海量文本数据集,通过文本词频利用MapReduce原理建立分布式索引,以分布式数据库HBase存储关键词索引,并提供实时检索,实现对海量文本数据的分布式并行处理。实验结果表明,Hadoop框架为大规模数据的分布式并行处理提供了很好的解决方案。     

基于SOA的文本处理系统架构模型

本文将SOA思想引入到传统单机版文本处理系统中,研究出了基于SOA的文本信息处理系统架构模型,通过该模型的使用,系统有了较好的松散耦合性和可重用性,并加快了开发速度。