在Microsoft Word 中使用和操作MATLAB

Microscft Word软件在文字处理方面功能最强,而MATLAB的数值计算功能最优,本文为了充分发挥Microsoft Word和MATLAB的优点,提出了两者的结合,为学者在撰写科技报告、论文、专著等时提供了很大方便。介绍了基于MATLAB的文字处理工具——Notebcek,阐述了在Notehcok基础上,通过M-bcok文档实现在Microsoft Word中使用和操作MATLAB。通过Microscft Word2000中使用MATLAB6．1这个例子,体现出这结合的优越性。     

基于Word字符RGB值的信息隐藏技术

利用人类视觉系统对文本字符颜色分量最低比特位改变不敏感的这一特性，提出了一种基于Word文档的信息隐藏算法。实验结果表明，算法很好地实现了文本的嵌入，且信息隐藏量大于传统算法，在Word文档的版权保护等领域有广泛的应用前景。     

用C#进行Word信息抽取

从系统构思、表头信息抽取、表格信息抽取几个方面详细介绍一个Word信息抽取系统的原理和实现方法;在表格信息处理部分,分为必修改课和选修课两种情况,并就内存可能溢出的情况给出相应的处理方法.实验结果显示,该系统能够从附录所示格式的文档中正确地抽取出相应的数据.     

面向电子文档的协作式访问控制模型

在各种攻击日益严重的情况下,电子文档保护技术越来越重要.提出了一种协作式的访问控制模型,在该模型中保留了用户自主访问控制能力,同时利用强制访问控制将用户的自主能力限制在安全级别允许的范围.从生成、分发、读、写、复制/粘贴、打印6种操作角度全面控制泄露途径,可以防御针对电子文档的内部泄露,特洛伊木马和间接泄露等安全威胁.利用提出的模型和方法,在 Window 环境下实现了对 Word 文档的保护.     

The English lexical substitution task

Since the inception of the Senseval series there has been a great deal of debate in the word sense disambiguation (WSD) community on what the right sense distinctions are for evaluation, with the consensus of opinion being that the distinctions should be relevant to the intended application. A solution to the above issue is lexical substitution, i.e. the replacement of a target word in context with a suitable alternative substitute. In this paper, we describe the English lexical substitution task and report an exhaustive evaluation of the systems participating in the task organized at SemEval-2007. The aim of this task is to provide an evaluation where the sense inventory is not predefined and where performance on the task would bode well for applications. The task not only reflects WSD capabilities, but also can be used to compare lexical resources, whether man-made or automatically created, and has the potential to benefit several natural-language applications.

利用word execl编辑交换机配置清单

本文从实际工作出发,利用最常用的办公处理软件word、excel的相关功能,高效编写有规则的配置清单,以便网络管理员对大量网络设备进行批量高效的配置。     

一种实现VFP与Word动态数据交换的简便方法

提出了一种实现VFP与Word数据交换的程序设计方法，利用该方法可将VFP环境中的数据自动排版生成各种个性化的Word文档，也可将Word文档中的文本数据自动录入到数据表中。     

Word2Vec+LSTM多类别情感分类算法优化

随着网民的数量不断增加,用户上网产生的数据量也在成倍增多,随处可见各种各样的评论数据,所以构建一种高效的情感分类模型就非常有必要.本文结合Word2Vec与LSTM神经网络构建了一种三分类的情感分类模型:首先用Word2Vec词向量模型训练出情感词典,然后利用情感词典为当前训练集数据构建出词向量,之后用影响LSTM神经网络模型精度的主要参数来进行训练.实验发现:当数据不进行归一化,使用He初始化权重,学习率为0.001,损失函数选择均方误差,使用RMSProp优化器,同时用tanh函数作为激活函数时,测试集的总体准确率达到了92.28%.与传统的Word2Vec+SVM方法相比,准确率提高了大约10%,情感分类的效果有了明显的提升,为LSTM模型的情感分类问题提供了新的思路.     

一种基于词编码的中文文档格式

分析了汉语自动分词问题产生的根源和面临的困难,针对性地提出了一种基于词的中文编码方法和中文文档新格式,实现了以词作为中文文本的最小信息载体,使中文文本分析可以在词平台上实现,避免了自动分词对中文信息处理带来的障碍.基于中文词的编码方法,以每个词作为一个单位,对词进行编码.此方法避开了中文的自动分词问题,特别是解决了歧义切分的难题,并提出了一种利用文档格式解决未登录词问题的新思路.采用统计分析方法对词平台基础上的关键词自动抽取进行了实验研究,取得良好效果.     

基于语义理解的智能搜索引擎研究

本文提出了一种基于自然语言理解的搜索引擎模型.它的核心技术是基于自然语言理解的相关技术,包括从 关键词、提问方式、提问重点三个层次对用户查询进行语义分析、特征向量提取及基于该思想建立了面向Web网页内容 的特征库,提出返回文档排序的算法,基于Lucene全文索引工具包建立了搜索引擎,对库中已收入的特征词进行了查询 测试,查准率为86.7%.实验表明,该模型基本实现了对查询短语的理解,对提高搜索引擎的查准率有显著的效果.