基于领域本体事件驱动的试卷文档归类算法

传统的试卷文档归类算法存在文档归类准确率差的问题,为此,引进领域本体事件驱动技术,提出一种针对试卷文档的归类算法。在此过程中,通过确定试卷文档归类特征,获取多个独立的区域试卷,并以领域同一词汇出现的频率为驱动,计算试卷文档归类相似度,在此基础上,利用试卷文档归类处理的库函数,设计归类函数,在归类处理中,调用函数以此完成对试卷文档的归类。此外,通过设计对比实验的方式,证明了设计归类算法在应用中的准确率和查全率均明显大于传统归类算法,可基本实现对试卷文档的全部归类。

关于文本自动分类算法的研究——以档案自动归类的应用为例

关于文本自动分类算法,理论界对此有很多的研究,本文详细介绍了一种新的分类算法:多因素加权归类算法,并对此算法在档案自动归类中的应用做了具体的阐述。文章主要讲述了三个方面的内容:分类词库的构造、分类用词的切分算法以及多因素加权归类算法。

用于ODSSs模型表示的描述逻辑

文章介绍了一种描述逻辑作为ODSSs模型管理的模型表示语言,提出了其语法和语义,使用了决策问题的例子来展现它的表达力,描述和分析了概念之间关系的推理算法,所提出的逻辑在为ODSSs模型管理提供形式化和丰富语义表达语言方面具有很大的潜力。

测井相自动识别程序及地质应用

测井相自动识别程序（MATIDEN）是将自动确定岩性程序（CLLOG）处理所得到的岩性剖面进而划分测井相的程序。首先需要选择工区内相同沉积单元中的纯泥岩段，做为对比的标准层，将所有井的测井曲线进行标准化。后应用CLLOG程序对标准化的的测井曲线进行处理，得到主成分曲线PC1，再以此为依据建立工区的测井相识别模式（识别矩阵）。MATIDEN程序是通过识别矩阵对未知测井相进行识别，确定其归属类型。由于该程序运行时，不对未知测井相特征值进行计算，所以不需输入未知测井相的全部特征值，只用数字“1”、“2”分别表示未知测井相“有”、“无”相应的特征，“3”表示对应的特征“未纪录”。通过X－5井的实际应用说明该程序有较高的识别能力。

2015中国餐饮消费需求大数据分析报告

该报告从互联网数据洞察消费者需求为出发点，以包括爬虫技术-信息归类算法-情感判断算法在内的智能语义分析处理方法为研究方法，对线上点评大数据进行分析，在餐饮业消费者研究领域，此种多维度调研方法尚属首例，为大数据在楼饮行业应用的典范。