电子纸类纸显示科学评价体系研究

为了将电子显示产品的便捷性和纸质阅读的舒适性更好地结合,提出类纸显示科学评价体系——类纸指数的定义与建立过程,通过梳理类纸显示种类引出需求,基于人对于纸张阅读舒适度偏好的研究提炼指标,从而构建出类纸指数的相关计算因子与公式,最终将类纸指数推向产业应用。类纸指数的建立过程对于新兴产业的指标类标准化建设具有重要的指导意义与参考价值。

基于相似论文增广的深度学习专利质量评估

实际操作中的专利质量评估多采用专家打分或者使用专家设计的质量评价指标,这导致评价过程存在主观性强、评价双方认可分歧大的问题,因此提出一种基于相似论文增广的深度学习专利质量评估方法。首先以论文作为客观评价数据,使用论文计算相似度作为增广数据来进行筛选,然后利用深度神经网络训练出能够实现论文相似性对待评估专利质量的映射的质量评估模型,最后利用评估模型估计专利质量。仿真结果表明不同领域下,在以满分为100分的前提下,所提方法得出的专利质量评估分数与对应的专家评价结果的平均误差均低于4,表明所提方法具备有效的专利质量评估能力。

一种基于Spark的论文相似性快速检测方法

[目的/意义]从大规模已知文本集中检测出与待检测论文的相似文本并计算相似度大小,用于满足在线论文相似性检测秒级响应需求。[方法/过程]采用分治法策略,对已知文本句集进行基于正交基的软聚类预处理,并对软聚类后的每个簇建立倒排索引。接着在快数据处理平台Spark上执行相似性检测,采用字符结合词组形式计算出待检测论文与已知文本的相似度大小。[结果/结论]通过200万规模的已知文本集实验结果显示,综合4种类型的待检测论文,所提出的倒排索引结合软聚类算法准确率P为100.0%,召回率R为93.6%,调和平均值F为96.7%。调和平均值F比相似性检测算法LCS高10%左右,比Simhash算法高约23%。在检测速度上,对于一篇字数为5 000左右的待检测论文,检测时间约为6.5秒,比Simhash算法快近300倍,比LCS算法快约4 000倍,此外,实验结果还表明基于Spark的分布式并行相似性检测算法具有较好的可扩展性。