面向特定领域的产品评价对象自动识别研究

产品评价对象的自动识别是文本观点信息抽取和倾向性分析中的重要研究课题之一。该文针对汽车评论,提出了一种不依赖外部资源的无指导评价对象自动识别方法。该方法首先综合使用词形模板和词性模板,采用模糊匹配方法和剪枝法抽取候选评价对象。然后,从候选对象集中,采用双向Bootstrapping方法识别出产品评价对象。最后,通过采用K均值聚类方法对产品评价对象进行聚类,实现从评价对象中自动抽取产品名称和产品属性。实验结果表明,该方法对产品评价对象识别的F值达到58.5%,产品名称识别的F值达到69.48%。
     

基于领域类别信息C-value的多词串自动抽取

该本的多词串抽取是自然语言处理领域一项重要的研究内容。该文提出了一种多类别C-value(Multi-Class C-value)方法,利用多词串在不同领域的分布信息改善领域相关的多词串抽取的性能。在汽车、科技和旅行三个领域的数据上进行实验,评价多词串的准确率,在top-100级别上,较传统的C-value方法在三个领域中分别提高了12、12和13个百分点。实验结果验证了方法的有效性。     

基于卷积树核的无指导中文实体关系抽取研究

该文提出了一种基于卷积树核的无指导中文实体关系抽取方法。该方法以最短路径包含树作为关系实例的结构化表示形式,以卷积树核函数作为树相似度计算方法,并采用分层聚类方法进行无指导中文实体关系抽取。在ACE RDC 2005中文基准语料库上的无指导关系抽取实验表明,采用该方法的F值最高可达到60.1,这说明基于卷积树核的无指导中文实体关系抽取是行之有效的。     

基于最大间隔马尔可夫网模型的汉语分词方法

分词是汉语自然语言处理研究中非常重要的一个环节,在早先的研究中,最大熵模型和条件随机场(CRF)模型已经广泛运用到汉语自动分词的工作中。最大间隔马尔可夫网(M3N)模型是近年来由B.Taskar等^[1]人提出的一种新型结构学习模型。该文尝试将这一模型用于汉语分词建模并进行实验,实验结果显示,基于给定的训练语料与测试语料,分词精度可以达到95％,表明基于最大间隔马尔科夫网的汉语分词方法可以取得较高的分词精度,是一种有效的汉语分词方法。     

哈萨克文信息处理的现状和发展方向

在信息日趋网络化的时代,作为中文信息处理中的子项哈萨克文信息处理技术也开始一步一步地进入研究当中,该文介绍了哈萨克文信息处理技术的现状、研究发展方向和一些关键概念、基本要素以及今后哈萨克文信息处理技术发展中存在的和需解决的问题。     

Web信息抽取及知识表示系统的研究与实现

研究了从数据密集型Web页面中自动提取结构化数据并形成知识表示系统的问题。基于知识数据库实现动态页面获取,进行预处理后转换为XML文档,采用基于PAT-array的模式发现算法自动发现重复模式,结合基于本体的关键词库自动识别页面数据显示结构模型,利用XML的对象-关系映射技术将数据存入知识数据库,由此实现Web数据自动抽取。同时,利用知识数据库已有知识从互联网抽取新知识,达到知识数据库的自扩展。以交通信息自动抽取及混合交通出行方案生成与表示系统进行的实验表明该系统具有高抽取准确率和良好的适应性。     

基于Duckling应用集成框架的数据集成与共享工具DLM

虚拟科研应用环境中多源异构数据的集成和共享问题是个热点问题。本文基于虚拟科研环境协同工作套件duckling应用集成框架,实现了一个通用的数据集成与共享工具DLM。该工具使用Portlet技术,是BS架构的Web应用,提供通用的数据采集、数据处理、数据可视化展示和数据下载功能,解决了虚拟科研环境中数据的统一采集、处理和共享问题。该工具已经在大气、气象和生物等相关领域中的课题研究中得到了应用,取得了初步的成效。     

全球信息栅格体系结构和信息分发管理研究分析

全球信息栅格体系(GIG)是国外最具代表性的军事电子信息系统。通过研究、探讨美军GIG体系结构的内容与发展趋势,并根据目前作战指挥过程中信息处理,特别是信息分发管理存在的问题,结合全球信息栅格的实现对信息分发管理的要求,提出完成信息分发管理所需要实现的功能和所涉及的关键技术。同时结合我国的国情,提出了关于我军信息化建设的几点思考。     

基于平稳小波变换的SAR图像海岸线提取

阐述了一种利用平稳小波变换(SWT)从SAR图像中提取海岸线的方法。该方法首先利用基于局部统计特性的自适应滤波算法对SAR图像进行滤波,然后利用SWT对SAR图像进行分析处理,计算SWT系数的小波梯度信息,通过模极大值搜索检测边缘点,最后利用阈值化和形态学方法对局部极大值图像进行细化处理。实验结果证明,这种方法是对于SAR图像海岸线提取是有效的。     

基于HTMLParser的BT种子网页信息抽取

通过采用相对路径方法结合节点内容特征进行信息定位,利用HTMLParser解析器的信息转化功能对定位的信息块进行预处理,总结出抽取规则,实现了BT种子网页信息抽取,并以此建立了一种针对BT种子信息的抽取模型。