基于统计的Web文本自动摘要技术分析

自动文本摘技术的出现为人们快速阅读的带来了极大的方便,本文地对于Web文本的特征设计出了计算词权重系数公式及句子得分公式.并对Luhn算法进行了改进.     

档案文献主题词微机自动标引系统

一、前言 档案文献主题标引是在档案文献的加工、存贮和检索时,将其内容主题的自然语言转换成规范化检索语言的过程。目的是编制一套比较完善的、高质量的档案检索系统。传统的标引方式是人工标引,其标引质量受下列因素的影响:(一)非一致性——由于标引工作是分散进行的,人们在标引     

华胜天成与IBM深度合作云计算,共创“蓝云”时代

随着"中国云"的快速发展,行业纵深化应用与协同拓展,已成为云计算服务商开拓市场的主题词。为了进一步深化战略合作及云计算的本土化应用,2012年2月17日,国内云计算龙头企业华胜天成与国际云计算巨头IBM,召开了主题为"龙腾凌云,揽胜天下"——华胜天成IaaS云产品介绍会暨华胜天成-IBM蓝云实验室剪彩仪式。华胜天     

基于语法模式的产品评论主题词和极性词提取

利用产品评论作为汉语意见挖掘的研究语料,通过定义常用的汉语语法模式（syntax pattern）来提取评论中的评价词（极性词）及评价的对象（主题词）,以此完成汉语意见挖掘中的主题词的提取及极性词提取的任务。     

基于增量词集频率的文本主题词提取算法研究*

提出了一种基于增量词集频率的文本主题词提取算法,其核心思想是计算主题词集频率增量,算法从候选主题词集提取主题词时,计算单个候选主题词对主题词集频率的增量,若增量小于给定阈值,则主题词提取算法结束,否则将该候选主题词加入主题词集,继续考察下一个候选主题词。实验结果表明,该算法取得了较好的效果,所获得的主题词能更贴切地反映文章的主要内容。     

基于改进卡尔曼滤波的车道线与车辆跟踪系统算法研究

针对传统的车道线跟踪系统在复杂交通流情况下,利用卡尔曼滤波无法有效跟踪车道线的问题,论文提出了一种融合车辆与车道线检测的跟踪算法.该算法首先利用二阶高斯方向滤波器提取车道线检测的响应,同时利用haar-like特征检测图像平面中的车辆的2D回归框,并利用卷积神经网络预测车辆的3D回归框区域.利用车辆3D回归框的在车道线平面上的投影,结合改进的卡尔曼滤波同时跟踪车道线和车辆位置,避免因为车辆的遮挡造成对车道线的跟踪失效问题.实验室结果表明提出的融合车道线与车辆跟踪算法具有较好的准确性和鲁棒性.     

基于核心素养的初中信息技术教学方法探索

2016年,中国学生发展核心素养总体框架的正式发布,使“核心素养”成为中小学教育教学研讨的主题词,中国基础教育迈入核心素养的新时代。对于不断革新的中小学信息技术课堂而言,教师如何与时俱进地在学科中实施核心素养教育,成为当下信息技术教学中一项亟待研究的课题。     

中文微博观点句识别及要素抽取研究

研究中文微博情感分析中的观点句识别及要素抽取问题。在观点句识别方面,提出了一种利用微博中的情感词和 情感影响因子计算微博语义情感倾向的新算法;在观点句要素抽取方面,利用主题词分类及关联规则,辅以一系列剪枝、筛选和定界规则抽取评价对象。通过观点句识别和观点句要素抽取结果的相互过滤,进一步提高召回率。实验数据采用第六届中文倾向性分析评测所发布的数据,结果表明,本文方法在观点句识别和要素抽取方面能够取得较好的效果,观点句识别的精确率、召回率入F值分别为95.62%,54.10%及69.10%;观点句要素抽取的精确率、召回率以及F值分别为22.07%,12.66%和16.09%。     

基于局部密度的无监督作文跑题检测方法

针对现有的无监督作文跑题检测方法中,使用作文内容向量表示作文存在非主题词噪声所导致的相似度不准确问题,该文提出一种基于作文主题词抽取和局部密度阈值选择的无监督作文跑题检测方法。首先使用LDA主题生成模型挖掘待测作文的主题词,并使用分布式表示向量寻找与题目词项语义相似的词,作为对作文题目的主题词扩展,在此基础上使用提出的切题度计算方法计算待测作文的切题度,并使用所提出的基于作文集切题度局部密度的阈值抽取方法动态选取切题阈值,进而实现一种无需训练集和主题无关的无监督作文跑题检测方法。在以英语为母语的学习者和以汉语为母语的学习者所写的8个作文集共9 381篇作文上的实验结果表明,该文提出的作文跑题检测方法能有效识别跑题作文,加入拼写检查预处理后,平均F1值为79.64%,单个作文题目下F1值最好为96.1%。     

基于内容主题的语料库系统设计与实现*

介绍了笔者开发制作的汉语语料库系统的特点、功能,以及系统的设计思想和总体框架。系统以2001年《人民日报》电子文本为生语料,实现了KWIC索引、词表生成、词语搭配分析和分类主题词提取等功能,能够为网络信息挖掘和自然语言处理研究提供丰富而真实的语言环境。