黑社会性质组织第四项特征的刑法解释

黑社会性质组织第四项特征主要是从功能目标上来揭示黑社会性质组织的'危害性(特征)',其实质是'非法控制社会性(特征)'。运用功能论方法阐释黑社会性质组织第四项特征的立法规定,可以逻辑清晰地将其解构为功能路径、功能内核、功能效果三个有机组成部分。'通过实施违法犯罪活动,或者利用国家工作人员的包庇或者纵容'是功能路径的立法规定,是实现黑社会性质组织功能内核的'法定'路径,必须围绕着功能内核和功能效果来阐释功能路径;功能内核,是黑社会性质组织的核心功能目标,'称霸一方,在一定区域或者行业内,形成非法控制或者重大影响'有赖于功能路径才能获得成功,具有明显的路径依赖;功能效果,是黑社会性质组织通过功能路径实现功能核心目标时所可能产生的危害社会性特质,只能是'严重破坏经济、社会生活秩序',因而从黑社会性质组织的功能效果上可以进一步限定第四项特征的规范含义。运用功能论方法阐释黑社会性质组织第四项特征的立法规定,有利于从根本上消除相关问题的解释性争议,能够得出合法、合理、妥当的刑法解释结论。

优质课堂的反思:十项特征与PDCA理念融合

德国教育学家希尔伯特·迈尔提出的优质课堂十项特征具有一定普遍性,但其冗长的理论路径制约其理论应用的普及性。利用相关管理学理论将其十项特征纳入一个课堂闭合管理模式中,提升希尔伯特·迈尔理论的实践性和应用性。融合PDCA理念的十项特征,将具有描述性的十项特征改为执行过程中的手段,以PDCA的课堂管理模式展现,实现了路径缩短、理论应用简约化和以结果为导向的课堂教学,最终为提升课堂效率和构建优质课堂提出理论参考。

基于特征项权重评估模型的英语试题关键词抽取算法研究

为提高英语试题数字资源的检索效率,提出一项基于特征项权重评估模型的英语试题关键词抽取算法。该算法主要由词同现因子、词长因子、位置因子、词频因子和特征项权重调节系数所组成。为提高该算法的通用性水平,研究还通过遗传算法对该模型的权重调节系数进行训练,并将权值优化后的算法应用于全国大学生英语四级考试试题的关键词抽取实验中。实验研究发现,研究所提出的特征项权重评估模型算法在各类英语试题的关键词抽取中均取得了良好的应用效果,平均准确率、平均召回率和平均F-measure三个方面的指标均高于TF-IDF算法和KEA算法,具有一定的应用价值。

两项指数和及两项特征和的混合均值

利用解析方法以及高斯和的性质研究一类二项指数和及二项特征和的混合均值问题,并给出一个精确的表示式.作为应用,给出该和式的一个渐近公式以及该和式与Dirichlet L-函数加权均值的一个较强的渐近公式.

基于项特征的自动谈判策略研究

为实现对电子商务推荐结果的解释,并支持客商双方的讨价还价,提出基于项特征的谈判模型和谈判策略。首先建立项特征档案及谈判模型,根据推荐过程中建立的用户主观评价模型及项特征信息,分析用户对项各特征的信念;然后根据该信念,将卖方谈判空间分割为许多小空间,每一小区间由一个标准控制;最后完成对推荐结果的解释和客商双方的讨价还价,促成销售。

基于特征项分布的信息熵及特征动态加权概念漂移检测模型

现有的概念漂移算法大多建立在数据流的分类模型上,忽略了特征空间与样本空间的分布特点,以及特征选择和加权的重要性.针对此问题提出了一种基于特征项分布的信息熵及特征动态加权算法,从概念漂移的动态演化性出发,根据样本和特征空间的拟合程度,运用特征信息熵理论对数据流中的概念漂移现象进行捕捉,以实现新旧概念的过渡.利用改进的隐含Dirichlet模型特征动态加权算法,以解决当前特征与历史特征的权重确定和无效特征的裁剪问题.在公开的语料库CCERT和Trec06上的测试实验证明了所提出算法的有效性.

用关联分析技术识别不良信息特征项的新方法

不良信息特征项的挖掘精度制约着不良信息鉴别与过滤的效果。文章从数据挖掘的角度对不良信息特征项的识别进行研究,提出了一种自动高效地挖掘文档潜在特征项的新方法:首先对文档进行必要的预处理,包括自动分词、无用项过滤、项标引以及项的分箱操作等,然后利用数据挖掘中的关联分析技术识别文档中的特征项。试验结果验证了该方法的可行性。

用于文本分类的特征项权重算法改进

TF-IDF算法是文本分类中一种常用的权重计算方法,但是TF-IDF仅仅考虑了特征项在文本中出现的次数以及该特征项在训练集中的出现频率,没有考虑特征项在各个类间的分布情况及特征项的语义信息。因此针对TF-IDF的不足提出了一种改进的TF-IDF算法,此算法既考虑了特征项在类内的分布情况又考虑了特征项的位置及长度等语义因素,能更好地反映特征项的重要性。用朴素贝叶斯分类器验证其有效性,实验结果表明该算法优于TF-IDF算法,能较好地提高文本分类的准确率。

基于特征项权重自动分解的文本聚类

提出一种自动文本聚类方法,应用遗传算法进行全局和快速的文本特征项选择以实现降维处理,引入概率匿名思想,根据文本中不同特征项权重的组合,基于动态规划设计一个优化的多项式时间聚类算法,将文本集划分成适当个数的分区,并对每个分区进行聚类,从而形成初始聚类,采用相同方法对所有初始聚类进行再聚类,形成最终的文本聚类。实验结果表明,该方法既能实现文本特征项的有效选择,又能较好地改善文本聚类效果和性能。

基于敏感度分析的案例特征项权重算法的改进

研究案例库特征项权重的确定方法,通过集成BP神经网络和敏感度分析,改进案例库特征项的权重确定算法,将案例库中的各特征项和决策目标项构造一个BP神经网络,经训练和学习后,依次删除输入节点,分析网络的输出对输入的敏感程度,确定各特征项的权重。并以红籽西瓜仁重的案例库对其进行测试,结果表明该算法是有效的。

基于语义特征项列表的工艺知识推送技术研究

针对工艺人员在机械产品制造工艺设计过程中通过现有信息检索方式难以准确得到相关知识的问题,分析现有机械产品设计制造相关知识推送研究的优点与不足,将个性化推送技术及基于领域本体的语义检索技术融入知识推送过程中,提出了基于语义特征项列表的工艺知识推送方法,实现了在工艺知识推送过程中对工艺知识的个性化语义检索,提高了工艺人员在工艺设计过程中获取相关知识的效率。首先,提出了主要包含知识需求个性化扩展、知识检索匹配及预推送知识个性化过滤的工艺知识推送模式;其次,构建了满足工艺知识推送需求的工艺知识、工艺人员、工艺设计任务及工艺知识应用案例模型,详细介绍了语义特征项列表的生成过程;然后,设计了以语义特征项列表为核心的工艺知识推送相关算法;最后,通过实例验证了相关算法的有效性,并面向某机械产品制造企业的实际应用需求开发了支持推送的机械产品制造工艺知识管理系统。

范例库中特征项权重的发现技术

系统地探讨了在范例库中引入一系列可以使用的数据挖掘技术 ,以期提高范例推理系统中知识获取的自动化程度 .为了准确地表达范例比较间的本质特征 ,重点讨论了应用于范例库上特征项赋权的基本技术 ,并提出了一个自适应发现算法 ,然后进行了实验 。

基于文本表示的特征项权值确定方法研究

文本表示中特征项的权值确定方法决定了文本特征的提取,在很大程度上影响了文本分类的准确率.通过系统总结常用的几种特征项权值的确定方法,并逐一比较分析和研究,提出了一种性能较好的确定方法——据位定权函数,经实验验证据位定权函数确实能够有效地提高文本分类的准确性.

基于本体视图特征项抽取方法研究

为提供比单纯词汇信息更高效的概念特征信息和深层语义信息,并满足面向同一文本的多检索需求,在半自动化智能检索框架中引入本体视图,提出一种基于本体视图的特征项抽取方法。此方法首先针对文本特征建立本体视图;然后结合文本信息进行特征项抽取和类型映射,得到特征项集;最后基于特征项集完成检索过程。检索结果显示,基于本体视图特征项抽取方法能改善检索系统的性能,提高检索的准确率和效率。

基于特征项聚合的古典诗歌分类模型

为提高计算机对古典诗歌自动分类的准确性,提出一种基于特征项聚合的分类方法.首先从文本中提取特征项并用向量表示,向量的每一分量表示该特征项在不同类别中的比重;然后通过聚类算法把相似的特征项聚合为一组,从而形成特征项聚合的诗歌模型;最后利用分类器对诗歌进行分类.《全唐诗》语料库的实验结果表明,利用该模型及算法可明显提高诗歌分类的准确率.

文本分类中特征项权重的计算方法

特征项权重的计算方法是基于向量空间模型的文本分类中一个核心问题 ,计算方法的选择关系到最终分类的效果 .本文对文本分类中特征项权重的计算方法进行了说明 。

领域概念术语提取中特征项自动抽取方法

针对领域概念术语提取过程中特征项来源于人工获取领域文本集以及特征项抽取的准确性不高的问题,提出一种特征项自动抽取方法。首先利用第三方接口从文献资源库中获取大量领域文本集,并对其进行段落分析,在文本预处理阶段提出一种改进的无词典分词方法进行二次分词,结合TFIDF,开方检验,信息增益及词汇位置权重方法进行特征项抽取。实验结果表明,该方法能实现特征项自动化抽取。

基于特征项扩展的中文文本分类方法

提出了一种基于特征项扩展的中文文本分类方法.该方法首先对文档的特征词进行分析,然后利用HowNet抽取最能代表主题的特征义原,接着根据这些义原对特征项进行扩展,并赋予扩展的特征项适当权值来说明其描述能力.最后利用扩展的特征项集提取特征进行分类.该文重点研究了如何抽取特征义原,如何给扩展项设定一个合适的权值.实验证明,该文方法能增加有效的特征项的数目,使分类正确率和稳定性均得到提高.

Web文本分类中特征项权重的研究

Web数据挖掘的主要研究内容是如何快速有效地在异构的、半结构化的、动态的Web信息资源获取有用信息,而Web文本分类是Web数据挖掘的核心。通过分析Web文本的特点,本文提出一种改进的TF-IWF特征项权重计算方法来对web文本进行分类。实验表明,该方法提高了web文本分类系统的分类性能,具有较好的正确率和召回率。

一种基于多重因子加权的文本特征项权值计算方法

根据中文文本的特点,不仅考虑文本中词汇概率信息,还结合文本语义等多方面信息来计算文本特征项的权值,从而提出一种基于多重因子加权的特征项权值计算方法,并给出具体算法。通过与基于词频及基于TF-IDF的特征项权值计算方法的比较试验,证明文中提出的特征项权值计算方法能有效提高文本聚类的正确率。