基于SVM的汉语句子片段划分

针对长句子引起句法分析性能下降的问题,本文提出了一种基于SVM的句子片段划分方法:先根据语法结构将句子划分为多个片段,识别出每个片段的类别;然后根据片段的类别将句子分割为几个部分,每个部分作为句法分析的基本单元;最后将句法分析之后的各个部分进行合并,形成完整的分析结果.该方法减小了句法分析的复杂度,提高了分析的准确率.     

基于主动学习的中文依存句法分析

目前依存句法分析仍主要采用有指导的机器学习方法,即需要大规模高质量的树库作为训练语料,而现阶段中文依存树库资源相对较少,树库标注又是一件费时费力的工作。面对大量未标注语料,该文将主动学习应用到中文依存句法分析,优先选择句法模型预测不准的实例交由人工标注。该文提出并比较了多种衡量依存句法模型预测可信度的准则。实验表明,一方面,与随机选择标注实例相比,当使用相同数目训练实例时,主动学习使中文依存分析性能最高提升0.8%;另一方面,主动学习使依存分析达到相同准确率时只需标注更少量实例,人工标注量最多可减少30%。     

用阶梯样本提取受训MLP或SVM的输入输出关系

神经网络具有强大的函数拟合能力,但是,训练的结果是‘黑盒子'.采用构造阶梯样本、计算陡峭指数的方法,将受训多层感知器或支撑向量机的输入输出变量关系以直观的形式(阶梯图)反映出来.与传统方法比较,这种新的相关性分析方法能更充分地揭示样本中输入与输出变量间的非线性关系.在烟草行业单料烟模拟感觉质量评估的应用中,仿真试验验证了该方法的有效性与实用性.     

一种基于离散小波变换和HVS的彩色图像数字水印技术

提出了一种将彩色数字水印嵌入到原始彩色数字图像中的算法，通过将水印多次嵌入到DWT后相应的频段来增强鲁棒性；该算法利用了HVS(Human Visual System)特性，并通过实验得出了水印不同彩色分量(R、G、B)的加权系数，从而使嵌入水印后的图像无主观视觉上的失真。通过实验验证，该算法在对嵌入水印后的图像进行JPEG有损压缩、剪切、不规则色块污染、添加各种噪声处理后，提取出的水印表现出了较好的鲁棒性，且主观视觉失真较小。     

钢管混凝土柱框支剪力墙结构应用的设计探讨

钢管混凝土柱是一种具有承载力高、抗震性能好等突出优点的结构构件，但在高层建筑框支剪力墙结构中的应用尚属开始阶段．本丈对框支剪力墙在采用钢管混凝土框支柱和钢筋混凝土框支柱的情况下，分别比较其对框支剪力墙结构的受力性能影响．通过分析比较得出：其内力变化规律仍然基本符合传统框支剪力墙的受力概念．因此，对现行规范有关框支剪力墙结构的构造规定进行局部调整后．可适宜采用钢管混凝土柱的框支剪力墙结构．本文还提出了一种受力明确、设计合理的节点形式及其设计，解决了钢管混凝土柱在高层建筑框支剪力墙结构中应用的关键问题.     

太阳能光伏技术在家用电器上的应用进展

本文针对太阳能光伏技术在家用电器中,如冰箱,空调器,饮水机和纯水机上的研究现状及可行性进行分析,并对光伏技术所存在的问题及发展前景进行讨论。     

汉语语义依存分析

语义依存分析建立在依存理论基础上,是一种深层的语义分析理论.同时融合了句子的依存结构和语义信息,更好地表达了句子的结构与隐含信息.在许多高层次的研究和应用上,语义依存分析都大有用武之地.语义依存分析主要面临两方面的难题,一是语义体系的确定,其次是自动语义依存分析算法.将重点从语义体系的确定以及自动语义依存分析算法的角度上对语义依存分析进行系统的介绍.     

跨社区的用户链指技术综述

随着各种在线社区呈现出爆炸性的发展,网络中已经积累了大量的用户信息,这些用户信息已经成为了社会计算相关研究和应用的宝贵的数据资源。由于各种社区在功能和主题上的不同,用户的信息碎片化地散布在不同的社区中,这为获取用户完整信息以及跨社区的研究等都带来了挑战。用户链指技术是解决用户信息跨社区问题的关键。本文分析和总结了近些年用户链指技术相关的研究与工作,剖析了各个工作的优势和局限,并对其它领域的相关研究进一步作了综合的分类与比较。     

汉语文语转换系统中停顿指数的自动标注

本文采用了一个基于C-TOBI的停顿指数标注的语料库,利用有指导的学习方法对自动停顿指数标注方面做了一些有益的探索。本文共实现了三种方法:基本的马尔科夫模型,引入了词长信息的马尔科夫模型,引入词长信息的马尔科夫模型结合基于转换的错误驱动的学习方法。然后通过对3000句的真实文本进行开放测试,以基本的马尔科夫模型的结果作为基准,实验结果不断改进,最终达到了78.6%的准确率,错误代价降低了14.5%。     

基于依存分析和错误驱动的中文时间表达式识别

时间表达式识别是进行时间表达式归一化的基础,其识别结果的好坏直接影响归一化的效果。本文提出一种基于依存分析和错误驱动识别中文时间表达式的新方法。首先以时间触发词为切入点,据依存关系递归地识别时间表达式,大大地提高了识别效果;然后,采用错误驱动学习来进一步增强识别效果,根据错误识别结果和人工标注的差异自动地获取和改进规则,使系统的性能又提高了近3.5%。最终在封闭测试集和开放测试集上,F₁值达到了76.38%和76.57%。