基于LDA模型的文本分类研究

针对传统的降维算法在处理高维和大规模的文本分类时存在的局限性,提出了一种基于LDA模型的文本分类算法,在判别模型SVM框架中,应用LDA概率增长模型,对文档集进行主题建模,在文档集的隐含主题-文本矩阵上训练SVM,构造文本分类器。参数推理采用Gibbs抽样,将每个文本表示为固定隐含主题集上的概率分布。应用贝叶斯统计理论中的标准方法,确定最优主题数T。在语料库上进行的分类实验表明,与文本表示采用VSM结合SVM,LSI结合SVM相比,具有较好的分类效果。     

基于关联规则的搜索引擎方法

针对传统的搜索引擎关键词提取算法在实现检索时存在的局限性,在本体推理的基础上,运用基于Apriori算法的关联规则推理过滤,实现对无用词项的过滤和有用信息的提取。实验表明,基于关联规则的Apriori算法,在无用词项过滤和有用信息提取方面,与传统的搜索引擎关键词提取算法相比,具有较好的查全率和效率。     

准噶尔盆地南缘构造应力场与油气运聚的关系

通过对准噶尔盆地南缘山前构造与地应力场分析,认为构造复杂、目的层深、地应力作用强烈是制约勘探进程 的主要因素。在地应力集中的安集海河组泥岩段,表现出高压欠压实的特点,最大主应力方向为北北东向。水平两向应 力的差值较大,是导致钻井事故不断发生的主要原因。盆地南缘区域地应力分布规律表现为纵向上压应力随深度增加 而增大,并与构造层配伍,可分为深层挤压带、中层剪切带、浅层张裂带。油气从高压应力分布区(生烃凹陷)向低压应力 分布区(隆起区)运移。山前为挤压地应力作用区,油气成藏多以构造成藏为主。盆地南缘断裂下盘深层的异常高压封闭 区(流体封存箱)、与断裂密切相关的隆起段是今后主要勘探方向与领域,断裂遮挡、背斜等构造型圈闭——主断裂下盘 原生油气藏是主要的勘探对象。     

基于深度学习特征表示协同过滤算法

在推荐系统中,单一的学习矩阵分解的内积交互或者利用深度神经网络来捕获用户与项目交互,不足以有效地学习用户与项目的潜在特征.针对这一问题,提出一种在显式反馈与隐式反馈基础上,称为基于深度学习特征表示的协同过滤算法(DLFeaCF).该模型首先学习用户与项目的内积与外积交互;然后在内积的基础上,从隐式映射与特征映射两个方面...     

火烧山油田基质岩块渗吸特征

对准噶尔盆地大烧山油田二叠系裂缝性砂岩油藏的２４块岩样所作的３０次渗吸实验结果表明：在渗吸过程中，渗吸时间和渗吸效率之间存在较强的规律性；基质岩块的渗吸能力较低，最终吸收率仅为１０．１６％。探讨了油田采收率与基质岩块渗吸能力的关系。