面向电信客户投诉和建议的智能分析模型

文中提出了一个面向电信客户投诉和建议的自动快速分析模型,通过网络爬虫采集互联网上客户的投诉和建议,通过客服录入获取客户的电话投诉和建议信息,然后对这些投诉和建议文本进行预处理,包括中文分词、消去停用词、构建向量空间模型等。最后使用结合了人工信息和统计信息的自动识别算法对客户的投诉和建议进行分析、识别,把它们转交给相应的部门处理。     

关于“高文低教”策略的几点尝试

"高文"客观存在,"高点"不容回避,这就要求教师必须寻求恰当的教学策略和方法,实施有一定教学效果、教学情趣和教学氛围的"低教"。实践中,从文本处理和教学过程两个方面探索出了几种"高文低教"的策略:还原比较文本、续写改编文本、化抽象为具体、创设易被学生接受的情境、组织激发学生探究欲望的活动、创新课堂教学模式。     

基于神经网络的电子邮件分类与过滤

现在电子邮件的应用非常广泛,已经成为人们生活中一种重要的通讯手段,但各种各样的垃圾邮件也是令我们十分困扰的问题,给出了一种电子邮件的分类过滤方法。电子邮件作为一种半结构化的文档,电子邮件信息包含了固定的语法部分和一定长度的可变文本部分,同时处理这两部分以得到更高的准确度。首先对邮件进行文本处理,得到特征向量;然后使用基于神经网络的方法对邮件进行分类过滤得到邮件分类器;最后通过实验验证分类器的有效性。     

基于三元组特征和词向量技术的中文专利侵权检测研究*

无论是在专利申请前还是在侵权诉讼中,专利侵权检测都能起到重要的作用,帮助企业或个人有效规避侵权和第三方侵权的风险。针对中文专利侵权检测中关键词特征表达能力弱以及句子结构特征容易引起噪声干扰的问题,提出了一种通过抽取三元组特征来改进中文专利侵权检测的方法,该方法将专利权利要求书抽取为三元组特征的集合,并结合词向量和HowNet计算三元组特征间的语义相似度,从而有效提高对疑似侵权专利的识别能力。实验结果表明,该方法取得了较好的检测效果,且在准确率上要高于其他方法。     

微博文本处理研究综述

微博是一个基于关系的信息分享、传播以及获取平台。用户可以通过WEB、WAP以及各种客户端组件,以140字左右的文字更新信息,并实现即时分享。由于微博发展迅猛,微博文本已经形成了大规模积累,针对微博文本的研究已经成为了一个十分重要的课题。该文对微博文本进行了定义,阐述了微博文本研究的重要性,并从微博文本的不同应用领域出发,对微博文本的研究现状进行了综述,介绍了目前已经存在的微博文本数据集和应用系统。     

基于神经网络的情感词汇自动获得方法

在文本倾向性分析中,对于情感词词典的更新是一个重要的研究课题。然而,现有的更新情感词词典的算法或多或少都会需要人工的参与。鉴于此,我们提出了基于神经网络的情感词汇自动获取方法,使用神经网络训练算法对统计得到的候选情感词进行训练,然后筛选得到更新的情感词词典。本文对于算法进行了细致的描述,同时提出了基于神经网络的情感词词汇自动换取系统框架。最后通过实验进行验证,证明了该算法能够自动获得情感词,同时对于文本倾向性的预测能够起到增加准确率的效果。     

文本行字符基线的精确测算法

本文给出了精确测定广西行字符基线的算法,讨论了基线检测的容差。该算法也可用于手写字符的分析。实验结果表明,我们的基本线检测算法对不同大小的字符有满意的处理结果。     

术语自动抽取方法研究综述

术语抽取是文本处理领域的一项基础性研究工作,好的术语自动抽取方法能够提高本体构建的质量和语义检索的精度。首先,对术语的定义、特性以及术语抽取效果的评价方法进行了概述。然后,在分析和总结近20年术语自动抽取相关文献的基础上,对术语自动抽取的各种方法进行了详细的综述。介绍了这些方法的研究进展,分析了其优缺点,并详细描述了部分经典算法。最后,对术语自动抽取未来研究的趋势进行了展望。     

基于深度学习的法律文本处理研究进展

随着中国司法信息化建设的不断推进,以各类案件卷宗、裁判文书、法律法规以及司法解释为代表的法律文本数据量迅速增长,基于深度学习的法律文本处理研究已成为法律与人工智能这一交叉领域的热点问题.为了及时跟进该领域的最新研究成果,本文分别从法律文本表示、法律文本分类、法律文本挖掘与应用等3个方面梳理了该领域中的主要研究方向和国内外学者的代表性成果,并对该领域未来的发展趋势进行了分析和展望.