IDL到WSDL映射的研究及实现

本文针对IDL语言到WSDL语言映射的实现问题,研究提出了一个IDL2WSDL编译器的设计方案,并在我们自主研制的Web服务运行环境中实现了该编译器。     

基于C#的打字测试软件研究与开发

信息时代下,掌握和熟练操作计算机成为社会对现代人的基本要求.文字录入的快慢在一定程度上影响着工作效率.开发一套较完善的打字测试软件来公平公正的考核学生的打字水平成为必要.基于C#语言开发的打字测试软件具有界面简捷、组织测试方便、评分精确合理、成绩回收容易、统计成绩方便.学生水平分析准确等优点.     

CTRL＋Z键 受用一辈子！

最近遇到一个语言栏消失的问题,用了各种办法,还是解决不了,网上搜了一下,多是以下前三种办法,问题没有解决,原来是C:Windows\System32\ctfmon.exe丢失了,最终通过第四种办法才解决.其实也是最笨的办法,整理写出来,大家参考.     

基于ARM9&linux系统的bootloader设计

以ARM920T和嵌入式linux为平台.并根据方便移植和通用性的要求,按依赖于epu与否和执行效率的要求分两部分设计出嵌入式引导程序(bootloader).第一部分用汇编编写,第二部分用C语言编写.在中断处理、硬件初始化以及地址映射和最终引导linux内核等一系列关键技术上做了详细的设计并给出了一般性的方案.该设计思路对其它不同的处理器和应用系统也有很好的借鉴价值.     

二维DCT编码的DSP实现与优化

介绍了图像的二维DCT变换原理,分析了Loeffler的DCT变换算法.根据DSP处理器BF533的结构和指令特点,使用汇编语言对DCT算法程序进行优化,并且在BF533实验平台上进行验证.实验结果表明,优化后的代码无论在空间还是在时间上运算效率都得到很大提高.     

基于Web Service岩心图像分析管理系统的研究开发

本文从岩心图像扫描及综合分析管理系统的实际应用背景出发,针对其存在的问题,提出了基于Web Service(web服务)的系统应用集成解决方案.通过对Web Services的技术特点,体系结构及其关键技术的讨论,设计了基于Web Service的分布式岩心图像扫描及综合分析管理系统应用集成模型,并利用.NET技术,VC++和C#编程语言进行了系统应用集成的实现.     

SZF波浪浮标接收机与上位机串行通信实现

本文主要讲述了如何实现SZF波浪方向浮标接收机与上位机之间的数据通信,用方便的高级计算机语言代替汇编语言来实现波浪数据的处理.应用VC++语言实现SZF波浪方向浮标接收机数据的回放和格式化输出,并给出了一种软件设计方案.     

利用C语言对AutoCAD的二次开发

本文主要介绍了Ｃ语言与ＡｕｔｏＣＡＤ的接口软件及其为ＡｕｔｏＣＡＤ增加的新功能：标注汉字,形位,粗糙度和符合我国机械制图规定的尺寸标注等功能。另外还介绍了利用Ｃ接口进行参数式自动生成图形的方法。在工程实践中具有一定的实用价值。     

融合词簇约束的汉越跨语言词嵌入

针对传统跨语言词嵌入方法在汉越等差异较大的低资源语言上对齐效果不佳的问题,提出一种融合词簇对齐约束的汉越跨语言词嵌入方法。通过独立的单语语料训练获取汉越单语词嵌入,使用近义词、同类词和同主题词3种不同类型的关联关系,充分挖掘双语词典中的词簇对齐信息以融入到映射矩阵的训练过程中,使映射矩阵进一步学习到不同语言相近词间具有的一些共性特征及映射关系,根据跨语言映射将两种语言的单语词嵌入映射至同一共享空间中对齐,令具有相同含义的汉语与越南语词嵌入在空间中彼此接近,并利用余弦相似度为空间中每一个未经标注的汉语单词查找对应的越南语翻译构建汉越对齐词对,实现跨语言词嵌入。实验结果表明,与传统有监督及无监督的跨语言词嵌入方法Multi_w2v、Orthogonal、VecMap、Muse相比,该方法能有效提升映射矩阵在非标注词上的泛化性,改善汉越低资源场景下模型对齐效果较差的问题,其在汉越双语词典归纳任务P@1和P@5上的对齐准确率相比最好基线模型提升了2.2个百分点。     

预训练语言模型实体匹配的可解释性

实体匹配可以判断两个数据集中的记录是否指向同一现实世界实体,对于大数据集成、社交网络分析、网络语义数据管理等任务不可或缺.作为在自然语言处理、计算机视觉中取得大量成功的深度学习技术,预训练语言模型在实体识别任务上也取得了优于传统方法的效果,引起了大量研究人员的关注.然而,基于预训练语言模型的实体匹配技术效果不稳定、匹配结果不可解释,给这一技术在大数据集成中的应用带来了很大的不确定性.同时,现有的实体匹配模型解释方法主要面向机器学习方法进行模型无关的解释,在预训练语言模型上的适用性存在缺陷.因此,以Ditto、JointBERT等BERT类实体匹配模型为例,提出3种面向预训练语言模型实体匹配技术的模型解释方法来解决这个问题:(1)针对序列化操作中关系数据属性序的敏感性,对于错分样本,利用数据集元特征和属性相似度实现属性序反事实生成;(2)作为传统属性重要性衡量的补充,通过预训练语言模型注意力机制权重来衡量并可视化模型处理数据时的关联性;(3)基于序列化后的句子向量,使用k近邻搜索技术召回与错分样本相似的可解释性优良的样本,增强低置信度的预训练语言模型预测结果.在真实公开数据集上的实验结果...