基于加权复杂网络的中文文档关键短语抽取

提出了基于加权复杂网络的中文文档关键短语抽取方法.在识别完整短语后,将单个文档构建成一个语义复杂网络,同时加以共现信息对网络予以权重.之后进行网络分离,计算主体网络节点的加权点度中心度,同时提出基于边界节点的介数,解决了介数计算量大的问题.最后结合加权点度中心度和基于边界节点的介数抽取出关键短语,表现出良好的抽取效果,对利用复杂网络抽取关键短语有很好的指导作用.     

基于循环策略和动态知识的Deep Web数据获取方法

针对目前deep Web数据集成在数据获取方面存在代价大和查询选择效率低等问题,提出了一种基于循环策略和动态知识的deep Web数据获取方法,该方法根据同领域数据源之间的关联关系,提出使用循环策略分多次完成数据源的数据获取,同时利用集成系统已获取的数据动态构建知识,并设计了基于集成系统动态知识的查询选择方法。与现有方法比较该方法能降低数据获取的代价,提高查询选择的准确性。实验结果表明,该方法有效地提高了deep Web数据集成的数据获取效率。     

基于网络的跨语言信息检索中OOV译文挖掘研究

查询翻译是影响跨语言信息检索(CLIR)性能的关键因素之一.查询中未登录词(OOV)译文的挖掘对改进CLIR性能具有重要意义.利用主题词译文查询扩展方法从搜索引擎自动获取有效双语摘要资源;采用频度变化信息和邻接信息从双语摘要资源中抽取多词候选单元,并与常见的基于统计的多词单元抽取方法进行了比较.实验中译文挖掘方法取得了TOP 1包含率62.02%,TOP 10包含率95.35%的效果.     

多分类器融合技术在自动作文评分中的应用

从作文的内容和语言学两个方面抽取了作文中相关的特征,并利用多种分类器(贝叶斯、K近邻和支持向量机)根据各方面的特征实现了对作文的分类(评分).最后利用多分类器融合技术对多个分类器进行了融合处理.通过实验分析,利用文本分类的方法对作文进行评分是完全可行的,在采用融合技术以后的评分性能有了较大的提高.     

英语基本名词短语识别技术研究

基本名词短语识别是自然语言处理领域的非常重要的子任务。文中总结了英语名词短语识别的一些代表性的方法并对识别结果进行了比较和对照，介绍了识别名词短语所需的知识、结果的表示和评价标准；最后指出了目前名词短语识别的发展趋势。该研究对相关领域研究起到借鉴作用。     

术语抽取技术研究

术语抽取技术是信息处理领域的一项基础性课题,在很多领域也都有很重要的作用.总结了术语抽取技术的一些代表性的方法,并对各种方法进行了比较和对照,归纳了各种方法的优缺点,最后指出了目前术语抽取技术的发展趋势.