基于互自扩展模式的中文产品属性提取算法

针对中文在线评论中产品属性词的提取,提出了一种基于互自扩展模式的半监督学习方法。利用较少的人工参与,通过FP-Growth算法挖掘频繁项集获得种子属性词,通过增量迭代发现新的属性词;在每一轮迭代中,通过计算提取词与提取模式的置信度确保了算法的准确性,同时避免了主题偏移。最后通过相似提取模式获得复合提取词,大大减少了因分词及词性标注错误所导致的属性词挖掘错误,以牺牲较少准确率的代价换取了较高的召回率。实验结果表明,该算法对产品属性提取的F值可以达到78.97%,结果优于其他类似的提取算法。

散套装货物混合装载问题优化算法及其可视化

针对具有七种现实约束的散货和套装货物混合三维装箱优化问题,采用树搜索策略,以空间切割、货物组块及装载套数迭代法为基础,在考虑装载的套装、摆放方式、放置稳定性、承重级别、优先级、载重、重心等约束条件下,构建了一种启发式搜索迭代算法。通过实际算例,分别计算了套装约束下和无套装约束下的装箱优化结果,并利用所开发的软件给出了3D装箱效果图,发现该算法可保证套装货物成套装载,且空间利用率可达90%以上,验证了算法的有效性和实用性。