基于改进的TF-IDF算法及共现词的主题词抽取算法

信息主题的抽取是快速定位用户需求的基础任务,主题词抽取时主要存在三个问题:一是词语权重的计算,二是词语间关系的度量,三是数据维度灾难.在计算词权重时首先利用互信息确定共现词对,与词频、词性、词位置信息非线性组合,然后,根据词权重构建文档—共现词矩阵并建立潜在语义分析(Latent Semantic Analysis,LSA)模型.该方法借助LSA模型的奇异值分解(Singular Value Decomposition,SVD)将文档—共现词矩阵映射到潜在语义空间,不仅实现数据降维,而且获得低维度的文档相似矩阵.最后,对文档相似矩阵进行k-means聚类,在同类文档中选出词权重最大的前几对共现词,作为该类文章的主题词.对比基于TF-IDF(Term Frequency-Inverse Document Frequency)和共现词抽取主题词的实验,该算法的准确度分别提高了19%和10%.

面向新工科的软件工程实践教学体系研究

面向新工科的实践教育体系改革是软件工程专业发展的必由之路,对于培养应用型专业人才具有重要的理论和实践意义。分析了软件工程专业实践教育体系现状,对软件工程学科实践教学体系进行研究,解决人才培养目标与社会需求不相适应的矛盾,实现新工科人才培养核心目标;研究软件工程学科实践教学平台,实现学生由被动学习转变为自主学习,培养学生的软件设计能力与软件创新能力;研究软件工程学科实践教学方法,提高学生的核心技术与系统工程能力,培养学生的软件开发能力。

基于Grefenstette编码和2-opt优化的遗传算法

将Grefenstette编码和2-opt优化算法共同运用到遗传算法中,采用一定数目的城市坐标对路径搜索进行求解。仿真试验取得良好的效果,初始路径接近最优路径,且经过122次迭代后快速得到最优路径。证明本研究提出的搜索空间路径方案实现了遗传算法可以快速收敛到最优解,同时保持较强的搜索能力,实现全局最优,又可以防止陷入局部最优。