普适计算中上下文依赖的主动任务发现

任务计算是一种针对用户如何与设备和服务进行交互的新模式,用户可以只关注需要完成的任务,而不必考虑如何去完成。主动任务发现是任务计算的核心,它依赖于上下文,并能自动组合相应的服务完成规定的操作。在构建任务计算模型的基础上,描述了一种基于上下文依赖的主动任务发现模式,分析了主动任务的结构模型,提出了一种发现任务并执行任务的算法,并通过一个智能教室的应用环境说明了该算法的具体应用。

一种面向移动终端的自然口语任务理解方法

随着移动互联时代的到来和语音识别技术的日益成熟,通过语音的交互方式来使用移动终端成为一种趋势.如何理解用户自然状态下的口语输入,传统的做法是手写上下文无关的文法规则,但是文法规则的书写需耗费大量的人力和物力,很难去维护和更新.提出一种采用支持向量机和条件随机场串行结合的方法,把口语任务理解分解为任务发现和信息抽取两个过程,并最终将任务表达成语义向量的形式.最终对"讯飞语点"语音助手用户返回的八个不同的任务种类的数据进行了测试,在一比一的噪声中识别任务语义表达的准确率为90.29%,召回率为88.87%.

假设生成和任务结构对假设检验的影响

在"2-4-6"规则发现任务中,设置有无假设、有无列表和任务结构三个变量,考察任务结构和假设生成难度对假设检验成绩的影响,结果发现:有无列表主效应显著,但只有在无假设情况下有列表组成绩好于无列表组,有假设组中,有无列表效应不显著;任务结构和有无假设两个因素主效应都不显著;三种目标规则难度没有显著差异,但分别在有、无假设条件下三种规则难度表现出不同趋势的显著差异.这些结果说明:促进假设生成可以提高假设检验成绩,而任务结构对假设检验成绩的影响不显著;是否给被试提供最初假设对假设生成和目标规则难度具有调节作用,最终对假设检验成绩造成影响.

数据挖掘概念综述

数据挖掘技术是新兴的、重要的、具有广阔应用前景和富有挑战性的综合学科。本文首先介绍了数据挖掘的历史、概念,阐述了数据挖掘的步骤,并对数据挖掘的特点、功能、模式进行了综述,最后以发现任务来进行总结。