基于网页文本获取的高校网络舆情监控

利用网页文本获取技术,可以建立一种新的网络舆情监控方法。利用该方法,可以很好地实现高校网络舆情信息的采集、存储、分析以及应答处理,以引导学生健康成长。

面向华裔留学生的汉字学习文本的获取

华裔留学生汉语听说能力与汉字读写能力脱节现象给教学带来不少难题。本文提出一种算法简单、实用的,基于大规模真实语料的华裔留学生汉字学习文本的获取方法,将识别出来的句子集作为汉字学习文本,使学习者通过学习最少的句子认识最多的高频汉字。

基于领域本体的半结构化文本知识自动获取方法的设计和实现

文章介绍了一种新的基于领域本体的文本知识自动获取方法的设计和实现.通过引入领域本体,实现了半结构化文本知识的完全自动获取.该方法具有较好的通用性,把人们从繁重的手工劳动中解放出来,并能极大地提高知识获取的效率.已经设计并实现了基于领域本体的知识获取方法OMKast;一种参数化的知识编程语言ePKPL,用以实现OMKast、ePKPL虚拟机VM(即ePKPL运行环境).目前,这项工作已经在中草药、音乐、西医等领域进行了应用,取得了满意的结果.

基于SELD描述语言的英文科技文本知识自动获取

知识获取一直是智能系统的瓶颈问题．本文将介绍我们设计的一种英文科技文献描述语言─—SELD以及基于SELD的文本知识自动获取技术．SELD是一种与科技英语十分相近的类自然语言，英文科技资料经SELD语言稍加改写后，基于SELD的知识获取系统SELKAS便可以自动对其进行编译、知识提取和整理，形成领域知识库．SELKAS可作为智能系统建造过程中的知识自动获取工具．

基于多文本知识源的历史知识修正与获取

知识获取是知识工程中关键的一环,而从文本知识源中获取专业知识是一种重要而常用的途径。而不同文本知识源对同一对象描述往往有所不同,为了获取完备的高精度和细粒度的知识,给出了一种从多种文本知识源中获取历史知识的方法。其基本思想是:将不同文本知识源的知识自动翻译成框架知识;对描述相同对象的不同框架进行不一致性检测并修正;合并知识框架。实验表明,该方法能获取到高精度和细粒度的历史知识,是可行和有效的,并为下一步的知识服务奠定重要的基础。

俄文文本的自动化处理——信息自动获取问题探索

当今信息化大潮呈现如下明显趋势:信息存储方式的数字化,信息处理方式的自动化,信息传输方式的网络化,信息应用方式的产业化。语言是信息的主要载体,上述每一“化”的实现都离不开自然语言理解这一瓶颈问题。黑龙江大学计算语言学研究所把俄汉语信息契合对接处理、转换分析处理(不同于或不限于机器翻译)作为科研主攻方向。本文就这一项目的设计原则、实现目标、基本模型和应用前景予以概括性阐释。

WEB医学信息资源的识别和获取

随着Web医学信息资源的日益普及和丰富,Web医学信息资源的采集就显得尤为重要,本文在分析Web网页文档特点的基础上,探讨了Web医学信息资源的识别和获取方法。

面向敏感网页识别的网页内容获取方案的设计与实现

面向敏感网页识别,设计并实现了一种网页内容获取方案。该方案主要包括HTML(Hypertext Markup Language)源文件的获取、文本获取、图像获取及穿插其中的HTML源文件解析等4部分内容。测试结果表明,无论是中文网页还是英文网页,本设计方案均能获得网页上的文本和图像内容信息,所获取的内容可以满足后续敏感网页识别的应用需求。

基于PADL的古代人物简历知识获取

领域文本知识获取是目前人工智能中的一个关键问题。本文探讨如何从人物简介中获取人物知识。由于自然语言技术目前尚不足支持自动的知识获取,某种形式的人机交互或半自动方法是一种可行的折衷方案。本文在总结人物知识描述的特点基础上,提出了一种中间标记语言,它是自然语言到目标知识表示语言的过渡桥梁。同时,我们还介绍使用该方法在宗教古代人物知识在取中的应用。

面向TRIZ理论的深度知识获取及应用研究

为了更好地辅助设计人员产生可能的创新解,以TRIZ理论为基础,采用数据挖掘技术为手段,利用中文专利文献资源以获取深度知识。通过构建中文专利知识获取模型,得到专利文本的深度知识获取的一般过程。首先,分别从专利名称、摘要、权利要求书和说明书等部分预处理后获取深度知识组织存储形式,然后通过建立领域词典及知识库实现专利的动态扩展检索功能和专利的自动分类功能。最后用户可以进行浏览,结果显示和检索查询。该深度知识获取过程有助于专利库跨学科应用和知识发现与重用研究,并且探索了TRIZ理论由理论的高度变成被普通设计者接受的一般的理解并实际应用的过程。

眼动研究中的消失文本范式述评

消失文本范式是一种考察读者在阅读过程中文本视觉信息获取时间的眼动研究验范式,该范式通过操纵注视词(词n)或预视词(词n+1)的呈现时间,限制读者在首次注视的开始阶段对单词的视觉信息进行编码的机会,从而探讨读者在阅读过程中获取文本视觉信息所需的时间。该范式为研究者们考察读者文本视觉信息获取时间,验证和完善阅读的眼动控制模型提供了一条切实可行的途径。该文介绍了消失文本范式的基本概况、相关研究以及其在中文阅读中的应用前景,并且总结了运用该范式时应该注意的几个问题。

基于OMKast的术语关系获取和验证

为了从海量数据中获取知识,提出了术语间关系的抽取方法:定义了上下位关系和整分关系,在此基础上新增加了N条关系,从关系的定义域和值域、关系的限制条件、关系的公理等出发,准确地定义出关系的内涵,并根据关系的内涵定义出关系的语义特征。最后针对关系表达的灵活性,总结出了关系表述的语法特征和表述文法。结合上述语法特征和语义特征,编写了一种可执行的知识抽取程序——OMKast程序,并从原始文本语料中抽取关系。利用语义特征和统计学的方法验证抽取出的关系。实验结果表明,该方法具有良好的有效性。

地理实体概念及其位置关系的获取和验证

文本知识获取(Knowledge acquisition fromtext,简称KAT)是知识工程中的一个重要研究课题。重点研究如何从大规模Web网页文本中获取地理实体概念及其位置关系知识,本文首先介绍了如何自动和半自动地获取这些地理实体概念及其位置关系的文法模式,建立文法模式库;然后基于文法模式库获取例句来抽取候选概念并进行概念验证;最后利用基于图论的方法构造位置关系图,利用地理领域特定规则进行分析验证。作为统一概念图管理下概念空间的一个重要组成部分,地理实体概念及其位置关系本身不仅是知识库的一个重要部分,还可为知识库中其它领域的知识提供支持。

一种介词-动词模式的获取方法

基于模式的知识获取方法研究是当前文本知识获取的重点研究之一,如何获得文本知识模式是该研究中的一个重要研究内容。提出一种新的基于介词和动词模式(称为PV模式)的获取方法。首先构造出一个候选的动词介词组合(称为PV组合),使用统计方法对其进行过滤。度量PV组合好坏有两个标准:一个是模式词的表示能力,另一个是模式词与概念词之间及多个概念词之间的相关性。依据这两个标准构造了6个数值特征,通过训练产生了3个分类器,采用交叉验证的方式估计出3个分类器的精度分别达到0.853,0.862和0.856。这些分类器为从PV组合中自动挑选PV模式提供依据。

网络课程学习日志系统的构建

当前网络课程的构建很少考虑与学生的学习过程相结合,缺乏督促学生进行目标管理、记录学习笔记、学后反思的设计,导致网络课程的效能大打折扣。应用网络技术、数据库技术、VC技术开发的网络课程学习日志系统,能较好的解决以上问题。设计了学习日志系统的功能模块,并从关键技术上予以实现,为提高网络课程的教学效能提供了良好的辅助作用。

Office Spy DIY

针对不同应用程序进行内容监视和文本获取，黑防已经介绍了不少，如针对聊天工具、Web页面等。今天，笔者和大家一起来DIY一个Office Spy，针对MS Office，利用其COM接口获取文本，保存其文档内容。