A New Method for Calculating Similarity between Sentences and Application on Automatic Abstracting

Sentence similarity computing plays an important role in machine question-answering systems, machine-translation systems, information retrieval and automatic abstracting systems. This article firstly sums up several methods for calculating similarity between sentences, and brings out a new method which takes all factors into consideration including critical words, semantic information, sentential form and sen-tence length. And on this basis, a automatic abstracting system based on LexRank algorithm is implemented. We made several improvements in both sentence weight computing and redundancy resolution. The system described in this article could deal with single or multi-document summarization both in English and Chinese. With evaluations on two corpuses, our system could produce better summaries to a certain degree. We also show that our system is quite insensitive to the noise in the data that may result from an imperfect topical clustering of documents. And in the end, existing problem and the developing trend of automatic summariza-tion technology are discussed.

最小扰动混合角色挖掘方法研究

绝大部分的角色挖掘方法都是从无到有地进行构建,所有角色都是新挖掘出来的,而没有考虑事先已经存在的角色集合.而且从已有角色集合的方法中提出的相似度定义均不满足交换律;提出一种混合角色挖掘方法,以top-down方法预先定义部分角色,以bottom-up方法挖掘候选角色集合.定义加权结构复杂度并以此作为系统状态优化的指标.给出满足交换律的相似度定义,以此作为与原有角色集近似度量的指标,并提出相似度计算算法.在此基础上提出最小扰动混合角色挖掘的定义和算法;分析算法复杂度并作出性能评估,评估结果表明算法准确率和效率均有明显提高.

改进的领域本体概念相似度计算方法

在领域本体中,概念间往往存在多条路径,现有的基于语义距离的方法只考虑最短距离的路径,不能完全体现出概念间的相似度。基于此,提出一种基于加权语义距离的概念相似度计算方法。该方法搜索出两概念间的所有路径,以所有路径的加权平均距离代替最短距离来计算相似度,并综合考虑节点深度、公共父节点对相似度的影响。实验表明,该方法计算出的概念相似度能够更准确地体现出概念间的相似程度。

基于局部高斯加权融合的图像质量评价

针对图像质量的局部评价融合问题,基于结构相似度(SSIM)评价算法,研究各种类型滤波器加权因子、滤波器窗口尺度及滤波器标准差参数对SSIM算法性能的影响。基于参数优化的高斯滤波器加权因子,改进峰值信噪比(PSNR)和奇异值分解(M_SVD)2种图像质量客观评价算法,通过优化的高斯权重对图像子块进行局部评价,在融合局部评价结果的基础上获得总体评价结果。实验结果表明,改进PSNR算法的预测斯皮尔曼等级相关系数、皮尔逊相关系数和均方根误差评价指标分别提高了3.78%,2.40%和2.02%,改进M_SVD算法的对应指标分别提升了1.78%,0.67%和4.99%,具有较高的评价稳定性和实时性。

一种基于最大权匹配计算的信息检索方法

基于《知网》的词汇语义计算方法,提出了一种基于向量空间模型的文本信息检索新方法。方法的基本技术思想是通过计算关键词的语义相似度,并采用最大权匹配方法来计算查询向量和文本向量的相似度,作为相关文本的检索依据。该方法基于全局最优,使文本和查询向量中各词条的相似度总和最大,从而可以从整体上提高文本信息检索的准确率。论文还通过原型实验对该方法的有效性进行了验证。

基于语义的高维数据聚类技术

本文提出一种有效处理高维数据的聚类算法,算法首先通过构造特征链将文档集合划分为多个类别,同时在相似度计算及权值调整时考虑相似特征的影响以凝聚语义相似的文档,并动态调整文档权重使分布不平衡的文档得到充分训练.实验表明:该算法在高维空间能够获得较好的聚类结果,类内相似度高,类间区分性好,迭代次数较少.

综合颜色与纹理的图像检索

提出了组合颜色和纹理特征的图像检索方法,通过对颜色进行量化然后提取颜色特征,计算图像之间的颜色距离。用Gabor变换提取图像的纹理特征然后根据L2距离计算图像的纹理距离,利用颜色特征和纹理特征的加权来求检索图像和查询图像的相似度,根据相似度的大小来进行图像的检索。实验结果表明,基于组合特征的图像检索方法优于单纯的图像检索方法。

云计算中保护数据隐私的快速多关键词语义排序搜索方案

可搜索加密技术主要解决在云服务器不完全可信的情况下,支持用户在密文上进行搜索.该文提出了一种快速的多关键词语义排序搜索方案.首先,该文首次将域加权评分的概念引入文档的评分当中,对标题、摘要等不同域中的关键词赋予不同的权重加以区分.其次,对检索关键词进行语义拓展,计算语义相似度,将语义相似度、域加权评分和相关度分数三者结合,构造了更加准确的文档索引.然后,针对现有的MRSE(Multi-keyword Ranked Search over Encrypted cloud data)方案效率不高的缺陷,将创建的文档向量分块,生成维数较小的标记向量.通过对文档标记向量和查询标记向量的匹配,有效地过滤了大量的无关文档,减少了计算文档相关度分数和排序的时间,提高了搜索的效率.最后,在加密文档向量时,将文档向量分段,每一段与对应维度的矩阵相乘,使得构建索引的时间减少,进一步提高了方案的效率.理论分析和实验结果表明:该方案实现了快速的多关键词语义模糊排序搜索,在保障数据隐私安全的同时,有效地提高了检索效率,减少了创建索引的时间,并返回更加满足用户需求的排序结果.

基于实例推理的数控刀架快速设计方法

为了在机械产品零部件的设计过程中给设计人员提供更高效的知识服务,提出了一种基于实例推理的快速设计方法.首先,在基于实例检索各属性相似度的计算研究中,建立了针对属性类型为确定数值、确定符号、模糊数值、模糊区间以及模糊符号等5种属性的相似度计算模型.然后,在权重系数分配的研究中,同时考虑了主观权重和基于相似度离差信息的客观权重,以乘法合成计算的组合权重来计算实例的全局相似度.最后,将相似度计算方法和权重分配方法应用到数控刀架设计实例中,结合Matlab软件中的矩阵计算功能,从数据库中检索出与新设计实例最相似的实例.结果表明,针对5种属性类型所提出的全局相似度及权重系数的分配对实例的检索更精确,有助于设计人员达到快速设计的目的.

数据集成中数据项与数据元匹配算法

近年来,随着数据元标准的建立,数据元在各行各业的数据集成过程中担任着重要角色,用于规范数据库、报表、文档中的数据项,实现各种数据源之间的映射。分析数据元的结构,提出一种数据项与数据元匹配算法,该算法基于编辑距离算法,融合最长公共子序列、权重、词语重心后移等思想,实现数据项与数据元字典中数据元的相似度计算,利用排列组合原理对匹配速度进行优化。以中石化标准数据元为实验数据进行实验,验证了该匹配算法的有效性。

排序可验证的语义模糊可搜索加密方案

为解决现有语义模糊可搜索加密方案无法取得排序可验证的问题,提出一种支持语义模糊搜索并能对搜索结果的排序进行验证的方案。首先引入相关度分数和域加权得分,构造精确度更高的倒排索引结构。通过非线性保序加密,云服务器可以对搜索结果进行高效排序,减少了用户的计算开销和网络资源浪费。接着基于WordNet词典集对查询关键词进行语义拓展。在构造出语义拓展树后,只选取最相关的语义拓展词进行查询。通过引入语义相似度,设计双因子排序算法对搜索结果进行精确排序。然后为创建验证信息,将关键词集合插入布隆过滤器中,并计算布隆过滤器、安全索引、密文文档的消息认证码。在搜索阶段,通过布隆过滤器可以验证索引中是否存在查询关键词,并使用消息认证码对索引、文档的完整性和正确性进行验证。通过引入索引树结构进一步提高方案的搜索效率。最后,将本方案与相关方案在功能、存储开销、搜索开销等方面进行比较,并对创建索引、创建验证信息、语义拓展、加密查询、查询、验证等方面的开销进行仿真实验。方案对比分析显示本方案在语义搜索、排序、验证等功能上具有优势。实验结果表明,本方案不仅实现了语义模糊搜索与结果排序,而且实现了排序结果可验证功能。

基于语句类似度优化计算的改进自动摘要算法研究

计算语句的类似度在自动问答、机器翻译、信息检索和自动摘要等算法中有着非常重要的作用。首先归纳了语句类似度计算的方法,综合考虑关键词特征、语义特征、句式特征和语句长度特征等信息并提出一种优化语句类似度计算方法,以语句权重计算方法以及冗余处理优化处理为基础,实现一个改进的自动摘要算法。通过在DUC的测评语料上进行仿真,实验结果证明了该算法对于摘要质量优化的高效性。最后,讨论了自动摘要研究存在的问题,并指出自动摘要的研究趋势。

基于改进覆盖算法和灰色关联度的案例检索

传统的案例检索算法较少考虑多影响因子对属性权值的作用及属性间关联性。为此,结合改进覆盖算法和灰色关联度优化案例检索,提出基于多影响因子的案例属性权值自适应算法和改进灰色关联度的案例相似度算法,解决案例中属性权值确定和相似度计算问题。实验结果表明,与多种案例检索算法相比,该算法能够克服传统案例检索的缺陷,有效提高案例检索的质量和效率。

基于模型结构与日志行为的流程相似度计算

流程相似度计算是业务流程管理不可缺少的任务,为了更准确地计算流程之间的相似性,本文提出一种将模型结构与日志行为综合考虑的流程相似度计算方法,先将流程模型结构转化为业务流程图,根据日志中的行为信息对业务流程图的有向边进行加权,进而构建加权业务流程图。加权业务流程图同时包含了流程模型和流程日志中的行为信息,弥补了单一基于流程模型计算流程相似度时的不足。在此基础上给出了加权业务流程图编辑距离的定义,从而得到一种新的流程相似度计算方法。通过实验与已有基于流程模型结构和模型行为相似度计算方法进行对比,证明了所提方法的有效性。所提方法已在开源流程挖掘平台ProM工具中实现。

基于无向图构建策略的主题句抽取

基于文档句构建无向图,将主题句的抽取问题转换为无向图中节点的权重计算问题。首先利用滑窗方法抽取主题词,构建空间向量并生成无向图,然后基于向量空间模型计算边权重,最后利用文档句相似度矩阵的权重模型对文档句权重进行建模与计算,依据压缩比得到文档的主题句。实验表明,该方法在不同的压缩比下生成的摘要质量高,主题句抽取结果接近于人工摘要,召回率和准确率综合指数较高。

基于直方图处理和新型相似性度量函数的小尺寸目标跟踪算法

小尺寸目标跟踪是视觉跟踪中的难题。本文使用均值移动算法跟踪小尺寸目标。论文首先分析了基于均值移动的小尺寸目标跟踪算法的两个主要问题:跟踪算法中断和跟踪目标丢失。然后,论文在这两个方面对小尺寸目标跟踪算法进行改进。给出了一种新的直方图单元编号方法,使包含目标颜色分量的直方图单元分布得更为集中紧凑。当候选目标与目标模型不匹配时,给出一种平滑算法来处理候选目标的直方图。论文提出一种新的相似性度量函数,推导了相应的权值计算公式,在此基础上建立了基于均值移动的目标跟踪算法。多段真实场景视频序列的跟踪实验表明,本文提出的算法可以有效地跟踪小尺寸目标,跟踪精度也有一定提高。

面向语义网的本体不确定性推理建模仿真

研究面向语义网的本体不确定性推理建模仿真方法,准确推理语义网内不确定性数据,为各领域语义网的应用提供便利。运用基础建模原语与OWL本体语言,构建包含语义网知识和语义的本体模型,读取与解析该本体模型后储存于数据库内。建立模糊贝叶斯网络模型,运用联结树信念传播算法作为其模糊概率推理算法,实现对所构建语义网本体模型内不确定性数据的推理,并对推理后的数据实施模糊化与去模糊化处理,获取最终高精度推理结果。结果表明,上述方法能够实现对各种情景模糊概率知识的推理,可行性较高,同时所提方法所融合的模糊化与去模糊化处理,可提升最终推理结果的精度,获得可信度与应用价值更高的推理结果,降低各领域语义网的实际应用难度。

基于CBR-SWC模型的VOC框架模板生成技术研究

虚拟原型逼真设计作为虚拟产品开发研究的一个方面,是近几年发展起来的新技术,主要研究虚拟环境下的产品建模问题以及基于仿真的集成产品和过程设计问题。智能支持的计算机辅助VOC获取与分析综合工具是虚拟原型逼真设计模型实现的重要模块之一,这里研究了顾客需求(VOC)获取和综合分析工具实现的关键技术,着重论述了基于事例推理的加权相似性计算(CBR-WSC)模型的VOC框架自动生成技术,给出了模型的结构、算法步骤,结合仪表产品应用实例验证了模型的有效性。

信息检索中相似度计算的新方法

提出一种计算相似度的新方法,在计算相似度时考虑到查询词出现在文档中不同部分对相似度计算的不同贡献,即不同的权重系数,并用遗传算法确定各个权重系数.实验结果表明,这种新方法在信息检索中在计算相似度时比传统的向量空间模型方法具有更好的效果.

大规模数据集谱聚类并行优化算法

为解决传统谱聚类算法在应用于大规模数据上时,复杂度较高且资源占用较大,导致算法聚类效果不好甚至无法聚类的问题,提出基于并行框架和采样相结合的改进谱聚类算法,算法在自适应相似矩阵计算基础上,通过数据分块和单向节点并行,提高算法相似矩阵的计算效率,通过Nyström加权抽样逼近,减少拉普拉斯矩阵特征向量的计算复杂度,最后通过KD树结构避免k-mean聚类过程的距离计算,从而提高了聚类效率。仿真实验结果表明,文中算法在取得与传统算法相近的聚类性能的同时,取得更好的加速比,验证了算法对大规模集的良好适应性。