基于购物网站用户搜索日志的商品词发现

商品词是电子商务领域描述商品的新词。主要介绍基于购物网站用户搜索日志的商品词发现的方法。该方法从搜索日志中提取用户查询,对查询进行分词,采用N元递增分步算法和串频统计,计算候选串的条件概率,选择候选商品词。为了降低人工审核的成本,只对产出商品词的准确率进行评价。利用该方法在手机、面霜和香水三类商品的搜索日志上进行了实验,最高准确率达到92.58%。     

基于维基百科的未登录词译文挖掘

未登录词(out of vocabulary,OOV)的查询翻译是影响跨语言信息检索(cross-language information retrieval,CLIR)性能的关键因素之一.它根据维基百科(Wikipedia)的数据结构和语言特性,将译文环境划分为目标存在环境和目标缺失环境.针对目标缺失环境下的译文挖掘难点,它采用频度变化信息和邻接信息实现候选单元抽取,并建立基于频度-距离模型、表层匹配模板和摘要得分模型的混合译文挖掘策略.实验将基于搜索引擎的未登录词挖掘技术作为baseline,并采用TOP1进行评测.实验验证基于维基百科的混合译文挖掘方法可达到0.6822的译文正确率,相对baseline取得6.98%的改进.     

基于图的同义词集自动获取方法

同义词集是重要的语言基础知识,基于大规模语料库的同义词集自动获取是自然语言处理领域的一项基础性研究课题.从大规模语料中自动获取有并列结构关联的词语对,据此形成图,采用Newman算法对图进行划分而自动聚类相似词语.着重研究在Newman算法的基础上,充分挖掘和利用并列结构的特性和汉语的构词特点,采用6种方法对图中边的权值加以改进从而提升效果:分割语料、去除低频边、加重双向边、加重团、加重相同后字、惩罚音节不等.同义词集自动获取的准确率从初始的23.28%提升至53.12%,准确率提高了约30个百分点.     

基于概念格的文本过滤模型设计

为了解决传统文本过滤以联,提出了一种基于概念格的文本过滤模型.在以传统的向量空问模型对文本进行表示的基础上,将文本与文本特征之间的关系以概念格的形式加以表示.设计了基于领域本体的概念相似度的计算方法,以概念相似度对概念之间的关联进行衡量.利用了概念格中的层次关系,设计了一个基于概念格的匹配过滤算法.实验结果表明,该模型...     

基于词缀库的非监督维吾尔语词切分方法

在维吾尔语中,词缀的数量有限且构词具有一定的规律性。为了提高维吾尔语词切分算法的性能,在一个词缀库的基础上,通过分析维吾尔语的基本构词规则,提出了一种改进的非监督维吾尔语词切分方法。该方法对词进行规则切分,采用MAP切分评价模型对规则切分打分,选取得分最高的规则切分作为该词的最终切分形式。在一个5000词的测试语料上进行了实验,实验结果表明,使用该方法进行维吾尔语词切分具有更高的准确率。     

两种级联空时格码方案的EXIT分析

级联空时格码方案可以有效地提高空时格码系统的性能。研究了两种级联空时格码方案:PC-STTC和ST-Turbo-TC。由于两种级联方案都使用了迭代译码方法,而外信息转移(EXIT)图是分析迭代译码性能的有利工具,主要分析比较了PC-STTC和ST-Turbo-TC的EXIT性能,比较了不同信噪比和编码多项式对于译码外信息转移特性的影响。研究结果显示,PC-STTC方案比ST-Turbo-TC方案有着更好的迭代收敛性能,同时给出了BER仿真图证明了EXIT图的分析结论。     

面向自然语言文本的否定性与不确定性信息抽取

目前,信息抽取研究主要面向肯定性信息,而自然语言文本中包含了大量否定性和不确定性信息,为了将此类信息与肯定性信息区分开,有必要针对否定性与不确定性信息抽取进行深入研究.针对这一任务,首次构建了一个16 841句的汉语语料资源,利用序列标注模型与卷积树核模型,系统地探索了各种序列化依存特征和结构化句法树特征的有效性,并提出了元决策树模型,对二者进行融合.实验结果显示,该方法在否定性和不确定性信息抽取任务上的精确率分别达到69.84%和58.57%,为相关研究打下了坚实的基础.     

三支近似概念格中基于对象-概念辨识矩阵的属性约简方法

属性约简是概念格理论的一个重要研究内容, 基于辨识矩阵计算约简是一种经典方法, 传统辨识矩阵的计算复杂度为O(nl2). 鉴于此, 在三支近似概念格模型中, 构造一种对象-概念辨识矩阵, 其计算复杂度为O(mnl), 一般情况下, m远远小于l, 辨识矩阵的计算复杂度大大降低, 并结合概念格的偏序关系进一步简化对象-概念辨识矩阵.通过理论分析和实验结果表明了所提出方法的高效性.

     

基于改进局部线性特征编码方法的图像分类

特征编码是利用广义视觉词袋模型获得图像稀疏表示的关键步骤。本文研究了两种常用的局部线性特征编码方法即LLC及NSLLC编码方法,并针对其存在的问题,提出了一种利用编码系数非负性约束对其进行改进的方法——NNLLC,并将其应用于图像分类任务中。实验结果表明,该方法能有效改进局部线性特征编码性能,提高图像特征的可区分性,相比于LLC及NSLLC特征编码方法,在图像分类任务中取得了更高的平均分类准确率。     

概念格的分布式集成算法研究

随着大数据时代的到来,海量数据的分布存储和分布计算变得越来越重要,其中概念格的分布式集成变得尤为紧迫。为了解决概念格的构格时间较长的问题,提出了面向概念格的分布式集成算法。概念格的集成是先对子概念格中的概念按内涵个数递减进行排序,再将排序后的子概念格集成为全局概念格。构造全局概念格选择两种集成方式:1)添加式集成方式,即主节点接收并集成来自所有子节点的子概念格;2)二路归并式集成方式,即各个子节点处的所有子概念格先集成,而后将所得的概念格提交给主节点接收并完成最终集成。实验表明,这两种概念格的分布式集成策略各有优缺点,但都能够减少概念格的构格时间。