基于文本数据的灾害信息风险监测与预警集成方法研究

基于灾害信息的文本数据,该文提出一种风险监测与预警集成方法,以提高灾害信息风险监测效率及监测支持预警的针对性。首先,运用八爪鱼数据采集器采集和处理灾害信息的文本数据;其次,运用BTM主题模型构建灾害信息风险监测模型,得到主题热度趋势并确定具有高风险且亟待预警的话题;然后,提出灾害信息风险预警指标体系和预警等级判定方法,计算所确定话题的风险综合指标预警加权值,并结合预警区间判定预警等级;最后,以2021年“7·20”郑州特大暴雨灾害信息的风险监测和预警为例进行实验分析,验证所提方法的可行性。研究表明,该方法可将灾害信息的文本数据贯穿于风险监测与预警两个过程,有助于为监测结果更有针对性地支持预警工作提供参考。

基于全信息矩阵的多分类器集成方法

自动文本分类是提高信息利用效率和质量的有效方法,而多分类器的有效组合能够得到更高的分类准确率.给出了样本集在多分类器下的全信息矩阵概念,并提出一种权重自适应调整的多分类器集成方法.该方法能够自适应地选择分类器组合及确定分类器权重,并利用分类统计信息指导分类结果的集成判决.通过在标准文本集Reuters-21578上的实验表明:该方法能从查准率和查全率两方面提高文本分类的整体性能,同时表明了该方法的有效性.

基于集成学习的忽略成员的方法检测策略

忽略成员的方法是一种Android特有代码异味,为检测这种异味,提出一种基于集成学习的检测策略。将代码度量与文本信息相融合作为特征集;将融合后的特征集输入所构建的Stacking集成学习模型中进行异味检测。为快速、准确获得机器学习所需的大量标签数据,提出一种基于Android项目自动构建正负样本的方法。选用开源Android数据集对所提出的方法进行实验验证,实验结果表明,较已有检测方法,该策略能够提高异味检测的精确度。

一种人机结合的文本特征词集生成方法

运用复杂系统理论分析了向量空间模型(VSM)法进行大规模文本信息处理过程中自动生成特征词集方法的局限性.指出人机结合、定性定量综合集成的方法才是当前解决特征词集生成问题的根本途径.给出了一种人机结合的文本特征词集生成方法,并进行了实例验证.

基于BIM的建设项目文档管理系统设计

建筑信息模型(BIM)在建设工程领域的作用愈来愈凸显,基于BIM的信息集成管理将极大提高项目管理的效率。充分分析了传统建设项目文档管理系统在信息检索、知识重用方面的不足,同时对BIM以及IFC标准进行了详尽的阐述。在此基础上提出在BIM环境下集成建设项目文档管理系统,并分别分析了系统的实施必要性及技术可行性,提出了系统框架。最后对文本信息集成方法进行了改进,提出适用于中文文本的BIM环境下建设项目文档管理的实现框架及其支撑技术。研究为可以基于BIM的建设项目文档管理提供参考。