非结构化信息抽取关键技术研究探讨

以基于内在认知机理的知识发现理论为指导,针对汉语命名实体识别的难点,充分考虑专家知识在命名实体识别中的作用;根据不同的实体类型,采用灵活变化的统计与规则相结合的方式;采用各种技术来研究信息抽取的任务,如:机器学习技术、篇章分析与理解技术、句法分析技术、图算法与图挖掘技术、词计算技术、快速全文检索技术等;该文探讨的是不仅要从文本中获取简单子句中的关系,还要获得跨句子、段落中的实体关系。

句子相似度计算新方法及在问答系统中的应用

计算句子的相似度在机器问答、机器翻译、文本分类等系统中有着非常重要的作用。该文对基于相同关键词的句子相似模型作了进一步的改进,包括关键词抽取,以及在句子相似度的定义中引入同义词以及近义词的情形。并以此为基础,实现了一个基于常问问题集的中文自动问答系统,对用户以自然语言输入的问题,该系统能够自动地在FAQ(Frequently-Asked Question)库中寻找候选问题集,通过计算句子相似度,将匹配的答案返回给用户。该系统还能够自动地更新和维护FAQ库。实验结果表明,这种新方法在问答系统中匹配问句时比其他方法具有较高的准确率。

基于转移学习的中文命名实体识别

中文命名实体识别在多个重要领域有广泛的运用,提出一种基于转移学习的算法进行中文命名实体识别,旨在提高识别的准确率和召回率。基于转移学习算法的中心思想是开始以一些简单的结论应用于问题,然后在每个步骤应用转换,选择出每次转换的最优结论再次应用于问题,当选择的转换在足够的空间内不再修改数据时算法停止。提出算法的规则模板和约束文件的获取方法,形成一个完整的用于中文命名实体识别的模型,并利用该模型进行实验,获得了较好的结果。

基于发现特征子空间模型的文本分类算法

在非结构化数据挖掘结构模型,即发现特征子空间模型(DFSSM)的运行机制下,提出了一种新的文本分类算法——基于DFSSM的文本分类(TCDFSSM)算法。该算法在文本训练及分类阶段的基础上增加了自动反馈阶段,使得TCDFSSM具有自学习能力,并给出了文本分类过程反馈阈值的选取算法。结果表明,该算法分类效果良好,其自学习能力、适应性及鲁棒性更加优越。

融入情感和话题信息的中文方面级情感分析

近年来的方面级情感分析模型应用图卷积神经网络(GCN)学习语句的语法结构信息,但是在建模时忽略了已知情感词信息和评论所属的已知话题环境,渐渐不能满足中文社交网络情感分析需求。针对以上问题,提出一种基于词典和深度学习软融合的字词双通道模型(2D-SGCN)。该模型首先基于基础情感词典扩展得到微博领域词典,获得领域适用性的情感词;其次使用预训练模型获得字、词初始特征向量,并在字维度融入方面词和话题信息,分别使用Bi-LSTM和融入情感信息的GCN(SGCN)学习全局与局部信息;应用注意力机制得到方面词最终特征并进行多维度融合;最后将话题和方面词结合进行分类纠正。在SemEval-2014的Restaurant数据集上F_(1)为73.67%,在NLPCC2012数据集上F_(1)为91.5%,证明了该模型的有效性。

基于KM教学论的面向对象程序设计教学研究

针对面向对象程序设计是大学理工科专业的必修课程之一,也是计算机科学与技术相关专业的专业基础课,本文在对基于KM 教学论的教学方法进行了叙述的基础上,对KM 教学论在面向对象程序设计这门课程的教学上进行了深入探讨,阐述了基于KM 教学论在面向对象程序设计课程中的教学模式、教学内容与教学方法,并给出了该课程的部分知识逻辑结构图和思维形式注记图,确立以讲授知识的逻辑结构、理论框架和内在联系为主,对思维活动加以诱导,坚持“先搭架,后填充,再诱导”和少而精的原则对课程知识进行组织和教学,是一种非常值得大力推广的教学方法.

面向应用与创新的计算机软件人才培养模式探讨

我国高等教育改革对计算机及软件人才培养模式提出了新要求。详细分析了现阶段计算机软件人才培养与市场需求间的矛盾与存在问题,详细阐述了软件人才培养相关方法,提出综合利用多种教学法的新型教学模式,形成了应用与创新并举的教学理念,建立了分层次、面向应用与创新的软件人才培养课程体系。从新型教学理念、教学方法及学校开展的全面本科生导师制探索等方面,提出了面向应用与创新的计算机软件人才培养模式。

综合设计案例在C语言教学中的应用

本文针对大学生在C语言程序设计课程学习过程中存在的主要问题进行了总结和分析。在教学与实践过程中,以提高大学生程序设计的逻辑思维能力和实际动手能力为主要目标,采取综合设计案例进行实践,事实证明这种教学方法取得了较好的效果,存在一定的推广价值。

基于递归的程序设计浅析

递归是一种算法设计的策略,是程序设计和描述算法的一种有力工具,在程序设计中被广泛采用,尤其在数值计算、数据结构、人工智能、算法设计与分析及其他领域应用广泛。通过分析递归程序设计的数学模型归纳法讨论了递归程序设计的一般思想与方法、步骤及需要解决的关键核心问题。最后,通过几个可以采用递归实现的经典算法,详细阐述了通过分析问题,找到递归实现的两个基本核心问题,即递归表达式和递归终止的条件,并以此来编写递归调用的函数。

递归算法设计思想与策略分析

递归作为一种算法设计策略,是程序设计和描述算法的一种有力工具,在程序设计中被广泛应用。尤其在数值计算、数据结构、人工智能、算法设计与分析等领域应用广泛。分析递归算法设计的一般思想与方法、步骤及需要解决的关键问题。通过几个经典的可以采用递归实现的算法,详细阐述了如何通过分析问题,找到递归实现的两个基本核心问题,即递归表达式和递归终止条件,并据此编写递归调用函数。

基于深度学习的司法判决预测算法研究

司法判决预测任务指的是根据真实的案情描述文本来预测案件的判决结果,有助于司法专业人士高效的工作,在智能司法方面具有广阔的应用前景。在实践中,易混淆罪名和少样本罪名的判别问题是目前的两大难点,普通模型很容易在上述问题上出现误判。为使易混淆罪名得到更好的区分,结合BERT(bidirectional encoder representations from transformer)和双向门控循环单元(bidirectional gated recurrent unit,BiGRU)深度学习网络,提出BGAAT(BERT BiGRU attribute self-attention)网络模型。该模型引入具有区分性的罪名属性标签,通过注意力机制分别抽取属性特征与上下文特征,使用注意力分布对可解释性进行描述。为使少样本罪名更好地被识别,引入罪名分类权重,使模型在少样本罪名分类取得了更高的F1值。最后在真实的司法判决数据集上进行了实验,证明了所提出模型在该任务上有良好表现。

KM教学法在C语言指针教学中的应用

本文针对大学生在C语言程序设计课程学习指针过程中存在的主要问题进行了总结和分析。针对KM教学法在C语言指针教学中的应用进行了探讨,事实证明这种教学方法取得了较好的效果,存在一定的推广价值。

加权最大频繁子图挖掘算法的研究

如何从大量的图中挖掘出令人感兴趣的子图模式已经成为数据挖掘领域研究的热点之一。传统的频繁子图挖掘方法对满足最小支持度阈值的子图同等对待,但在真实数据库中不同的子图往往具有不同的重要程度。为解决上述问题,提出了一种深度优先的挖掘加权最大频繁子图的新算法。首先给出了一种新的用于计算图的邻接矩阵规范编码的结点排序策略,大大降低了求图规范编码的复杂度,并可以加速子图规范编码匹配的速度。其次,给出了加权最大频繁子图的定义,不仅可以找出较为重要的最大频繁子图,而且可以使挖掘结果同样具有反单调性,从而可加速剪枝。实验结果表明,提出的算法不仅可以有效地减少挖掘结果的数量,而且具有较高的效率。

C语言程序设计学习中的问题与对策

通过问卷调查的方式,对大学生在C程序设计课程学习过程中存在的主要问题进行了总结和分析。在教学过程中,以提高大学生程序设计的逻辑思维能力和实际动手能力为主要目标,采取了相应策略。通过对教改班和非教改班的相关指标比较,证明这些策略取得较好的效果,存在一定的推广价值。

基于时态逻辑的多时间序列挖掘模型

为了从多时间序列之间发现的定性的时态相关模式可而更全面的理解和把握系统的演化特性,提出了一种基于时态逻辑的多时间序列挖掘模型。它首先将多时间序列转化为多事件序列,然后将预处理后的多事件序列利用区间时态逻辑(ITL)关系子集来定义多事件序列中事件间的时态相关模式。其次进行多状态序列融合和局部时态观测序列的生成,之后采用频繁模式挖掘算法发现多时间序列的频繁时序模式。该模型有助于解决时间序列挖掘所面临的若干挑战和难题,有助于扩展现有时间序列挖掘系统的功能,从而指导时间序列等复杂类型数据的知识发现过程。实验结果表明了该模型及算法的有效性和优越性。

基于高阶逻辑的复杂结构归纳学习研究

归纳学习的目的在于发现样例与离散的类之间的映射关系,样例及归纳的映射都需用某个形式化语言描述。归纳学习器采用的形式化语言经历了属性-值语言、一阶逻辑、类型化的高阶逻辑三个阶段,后者能克服前二者在知识表达及学习过程中的很多缺点。本文首先阐述了基于高阶逻辑的复杂结构归纳学习产生的历史背景;其次介绍了基于高阶逻辑的编程语言——Escher的知识描述形式及目前已提出的三种学习方法;复杂结构的归纳学习在机器学习领域的应用及如何解决一些现实问题的讨论随后给出;最后分析了复杂结构归纳学习的研究所面临的挑战性问题。

KM教学论在数据结构算法教学中的应用

针对数据结构教学中知识点逻辑性强、不易理解的问题,提出采用KM教学法"塔式分层递阶"结构思想,将传统的扁平化教学内容投影为立体多维的分层结构,结合不同逻辑结构下的算法操作进行递阶分解;以线性表在顺序存储和链式存储下的插入操作为例,具体展示不同层次中的思维过程。

异构分类器融合环境下的非平衡数据分类模型

为解决非平衡数据分类中的正样本分类精度不高的瓶颈问题，提出了一种异构分类器融合环境下的非平衡数据分类模型。该模型基于差异采样率的重采样算法和改进的Adaboost算法，融合了SVM和C5．0两种基分类器；基于知识融合机制，采用了独特的分类器选择策略、分类器集成方法、分类决策方案。仿真实验结果表明，SCECM模型分类性能稳定，在非平衡数据集上具有良好的分类性能。

浅谈非计算机专业的C++教学

C++是高等学校广泛使用的教学语言,并对后续专业课程的学习起到重要的铺垫作用。该文结合对非计算机专业讲授C++课程及实验的经验,对目前高校非计算机专业C++课程教学中存在的主要问题进行研究和探讨,并提出相应的改进措施。实践表明这些原则和方法增强了学生的积极性,较好的提高了教学效果,值得推广。

基于知识图谱的高铁动车设备检测系统的本体框架构建与维护

为了解决高铁机车设备运行数据的独立采集与分析造成大量数据冗余以及数据结构不一致、多源异构数据不能融合等问题。探索高铁动车行业知识图谱的自动化构建过程以及本体和知识图谱之间映射匹配机制,采用本体建模语言OWL,对高速铁路列车设备检测系统的上位机进行本体建模。实践证明高铁动车设备检测系统中本体框架的智能化维护是保证系统能正常运行的关键,利用本体技术和知识图谱解决数据异构和数据冗余的问题以及对车辆检测设备平台进行智能化本体维护。