基于N-Gram共现统计思想的高校大学生英语翻译自动评分系统设计

本文设计了自动评分系统整体框架,并基于语言与语义两大模块对译文质量进行评估,同时优化了翻译自动评分方法。通过实验分析,结果表明,基于N-Gram共现统计思想的高校大学生英语翻译自动评分系统的评分效果与人工评分效果相比,最小差值控制在0.001分以内,准确性较高,耗费时间较少,而且运行稳定、可靠,整体性能较优,值得大力推广与应用。

融合共现统计与fhog特征的目标跟踪方法

针对复杂场景目标跟踪过程中难以完全有效利用特征对目标信息进行完备表达的问题,提出了一种融合共现统计与fhog特征的目标跟踪算法。在fDSST跟踪算法的基础上,引入了一种基于图像共现统计的像素滤波模块,利用图像中经常出现的像素值在共现矩阵中的权重较高的特性,与原始跟踪算法中fhog特征进行融合,增加了基于纹理相似性的共现统计信息。将输入跟踪图像映射到嵌入图像中,使得嵌入图像空间中像素值之间的欧氏距离类似于原始空间中的共现统计量,从而得到更优的跟踪结果。在OTB50和OTB100两个跟踪数据集上的实验表明,本文算法相比原算法在跟踪精度和成功率上有所提升,性能较优。

基于信息关联拓扑的互联网社交关系挖掘

针对目前基于监督学习的关系抽取方法需要标注大量训练数据和预先定义关系类型,提出了一种基于词语共现信息构建关联网络并在关联网络上进行图聚类分析的人物关系提取方法。首先,从新闻标题数据获得关联度较高的500个人物对用于关系抽取研究;然后,抓取关联人物对所在新闻数据,对其进行预处理,并利用词频—逆向文档频率(TF-IDF)得到人物对共现句子中的关键词;其次,基于词语共现信息得到词语之间的关联,进而建立关键词关联网络;最后,利用对关联网络进行图聚类分析以获得人物关系。在关系抽取的实验中,与传统基于词语共现和模式匹配的中文实体关系提取方法相比,所提方法在准确率、召回率和平衡F分数(F-score)上分别提升了5.5,3.7和4.4个百分点。实验结果表明,所提算法能够在没有标注训练数据的条件下,有效地从新闻数据中抽取丰富且高质量的人物关系数据。

2000～2009年《财经理论与实践》学术轨迹及被引定量研究

运用词频统计及共现方法分析了2000~2009年国内学术期刊《财经理论与实践》所发表的2000余篇论文的所有关键词及被引情况,得出该刊近10年的学术轨迹情况、被相关期刊的引用情况、高影响力作者及高影响力论文的情况。研究结果反映了国内金融学研究领域的现状、特征及动向。