一种改进的多因素语义相似度计算方法

词语语义相似度计算是计算机自然语言处理中的关键问题,而相似度计算仅考虑单一的距离因素显然不够合理。通过分析概念网深度和密度因素对相似度计算的影响,提出一种改进的多因素相似度计算方法。实验结果表明,该方法能够根据概念网中节点对的分布状态,调整各影响因素的分配比例,从而使相似度计算结果更趋于合理判断。     

基于自然语言理解的在线答疑系统设计与实现

基于自然语言理解的相似度计算仍是计算机语言处理技术尚需深入研究的内容.通过在“知网”知识表示的基础上,综合考虑深度和密度两方面的影响因素,利用一种较为成熟的改进的多因素语义相似度处理算法,基于全文检索匹配技术,设计并实现了一个限定领域内的在线答疑系统.实例运行结果表明,系统可靠性较高,且答疑效果较为明显,达到了预期目标.     

基于多因素语义相似度的主观题自动评阅方法研究

主观试题自动评阅系统涉及人工智能、模式识别以及计算机自然语言理解等复杂的系统知识,是无纸化考试中自动阅卷系统的设计难点。为此,仿照传统考试过程中人工阅卷的基本思路,把主观试题的自动评阅问题分解为知识库的构建、概念相似度的计算以及语句结构的处理等三部分,并把一种改进的多因素语义相似度算法引入到概念相似度计算,详细设计了主观试题的计算机自动评阅模型。实例运行结果表明,占总数70%的计算结果在可接受误差范围内。     

一种新的基于灰色贝叶斯的装备库存预测模型

针对现代复杂战场环境下装备保障的随机性影响因素,提出用灰色预测解决装备保障中备件库存的预测问题。考虑到传统统计学在处理小样本数据时存在的不足,运用贝叶斯理论来对预测结果进行评估,通过推导倒伽玛分布的卡方变化,给出了简单的概率区间公式。最后通过实例进行了分析,证明了该方法优于统计学估计,特别是在历史数据较少的情况下,预测效果明显,对装备保障有现实的指导意义。