极富潮流时尚的外形的诺基亚的7260

全新的键盘设计令7260显得十分吸引人。这款银白红相间版更是把那种古典的优雅与现代的潮流完美的结合在一起．从美学的角度上来看诺基亚的7260可以说得上是一款设计相当精美的艺术品，具有相当高的观赏价值。     

适合的才是最好的

建立清晰合理的业务流程体系是ERP项目实施成功的关键因素，ERP作为一个管理工具主要提供决策支持数据及监控业务过程，而清晰合理的业务流程体系能保证ERP系统提供准确有效的数据而不是垃圾数据，同时保证业务系统更加规范，提高效率。     

基于sip的穿越NAT设备的解决方案的研究

随着数据业务的迅猛发展,NGN已经成为研究的热点.而SIP协议作为NGN中的关键协议,受到了广泛的关注,由于SIP是一种新型协议,所以在应用方面存在着很多问题.其中,在不损害网络安全性的情况下,如何使SIP信令顺利的通过NAT设备,成为热点问题.本文首先对SIP协议以及NAT技术进行了简要的介绍,然后对SIP穿越NAT设备的问题进行了详细的探讨,最后对RSIP协议进行了深入的分析.     

合适的才是最好的

这位海归CIO的经历，与业界很多失败项目的传说有诸多相似之处，某企业上了一套先进的大品牌的系统，项目往往在上线后没有了下文。如何避免出现上述案例的情形，应该注意以下几点。     

基于CSCW的网络教室的研究

本文介绍了CSCW系统中应用共享机制和并发控制理论,设计了一个运行在Windows环境下的、基于CSCW的网络教室系统.设计了系统中的网络通信方式,研究了网络教室中进行大量图像数据传送时数据的压缩处理方法.     

改进的堆的枚举算法的研究

提出一种生成所有堆的枚举算法。该算法按照从深层次向低层次的顺序生成堆,采用单个数判断法。测试结果验证了该算法的有效性和可靠性。     

一类含绝对值的对数函数的对称轴方程的求法

许多资料上有这样的题目：求函数y=loga｜x-1｜（a〉0,a≠1）的对称轴方程。解题过程往往通过画图、平移研究出一般方法,即直接令x-1=0,得x=1,则直线x=1即为函数的对称轴方程。     

疯狂的ARP痛苦的路由器

最近一段时间内,持续发生全国性网吧断线事件,这起看似疯狂的事件是由ARP攻击引起的,由于变种太多,传播速度快,国内外的反病毒厂商都拿这个没招。     

基于SOA的软件体系结构的研究

以人力资源管理系统的研究开发为背景,研究了面向服务的软件开发的体系结构、原理和方法.在遵循SOA体系结构和其分层思想的基础上对其系统总体结构进行详细的分析和设计,并对各层次的设计进行了具体分析说明.本文通过Web Service技术开发人力资源管理系统来阐述SOA体系结构的设计方法的优越性.     

勇敢的创意 走偏的模式

活力π智能羽毛球拍可以算是穿戴产品付诸现实应用的一个例证,但是仅仅依靠羽毛球等相关的运动项目,并不能形成一个良好的商业模式。赛迪物联网实验室苗勇提出建议:"走出去,找到更具效率的商业模式。"做软件开发,又爱打羽毛球的深圳尔思电子公司总经理肖署辉,很早以前就发现了一个问题:有很多羽毛球爱好者,不管跟多高水平的教练学习,却总是无法掌握羽毛球技术动作的要领。他想:能不能有一个这样的软件产品,它可以帮助这些人,更好地掌握羽毛球的动     

基于GLSTM和Attention的中文事件要素提取

事件信息抽取是信息抽取任务中的一种,旨在识别并提出一个事件的触发词和元素.由于容易受到数据稀疏的影响,事件要素的抽取是中文事件抽取任务中的一个难点,研究的重点在于特征工程的构建.中文语法相较英文要复杂许多,所以捕获英文文本特征的方法在中文任务中效果并不明显,而目前常用的神经网络模型仅考虑了上下文信息,不能兼顾词法和句法...     

基于多词汇特征增强的中文事件检测方法

事件检测主要研究从非结构化文本中自动识别事件触发词,实现所属事件类型的正确分类。与英文相比,中文需要经过分词才能利用词汇信息,还存在“分词-触发词”不匹配问题。针对中文语言特性与事件检测任务的特点,本文提出一种基于多词汇特征增强的中文事件检测模型,通过外部词典为字级别模型引入包含多词汇信息的词汇集,以利用多种分词结果的词汇信息。同时采用静态文本词频统计与自动分词工具协同决策词汇集中词汇的权重,获取更加精确的词汇语义。在ACE2005中文数据集上与现有模型进行实验对比分析,结果表明本文方法取得了最好的性能,验证了该方法在中文事件检测上的有效性。     

基于问题回答模式的中文事件抽取

事件抽取是自然语言处理领域的一项基本任务。以问题回答模式进行事件抽取可以解决传统事件抽取方法存在的无法捕捉到不同事件类型中具有相似性的参数角色的语义信息等问题。目前相关学者以该模式提出的英文事件抽取方法受语言壁垒限制,其提出的问题模板在中文文本上提取效果不理想。为解决此问题,设计了一套符合中文事件抽取的问题模板的生成规则,选择BERT预训练模型作为中文事件抽取的基础模型,将问题回答模式应用到中文事件抽取任务中,并在ACE2005中文数据集进行测试。结果显示,在触发词识别、触发词分类、论元参数识别和论元参数的评价指标上,F1值分别达到77.7%、68.5%、51.5%和48.0%,在一定程度上验证了设计的问题模板的生成规则的有效性以及将问题回答模式应用到中文事件抽取任务中具有良好的抽取性能。     

事件抽取综述

将用户感兴趣的事件从非结构化信息中提取出来,然后以结构化的方式展示给用户,这就是事件抽取。事件抽取在信息收集、信息检索、文档合成、信息问答等方面有着广泛应用。从全局出发,事件抽取算法可以分为基于模式匹配的算法、触发词法、基于本体的算法以及前沿联合模型方法这四类。在研究过程中根据相关需求可使用不同评价方法和数据集,而不同的事件表示方法也与事件抽取研究有一定联系;以任务类型区分,元事件抽取和主题事件抽取是事件抽取的两大基本任务。其中,元事件抽取有基于模式匹配、基于机器学习和基于神经网络这三种方式,而主题事件抽取有基于事件框架和基于本体两种方式。事件抽取研究在中英等单语言上均已取得了优秀成果,而跨语言事件抽取依然面临着许多问题。最后,总结了事件抽取的相关工作并提出未来研究方向,以期为后续研究提供参考。     

基于CRFs和跨事件的事件识别研究

事件检测与类型识别是事件抽取的基础,具体实施分为触发词检测和事件类型识别2个阶段。分别对2个阶段进行研究,在前一阶段,针对词形特征过拟和问题,提出利用LDA模型对词语聚类的方法,考虑到中文自动分词与标注的触发词边界的不一致性,提出基于CRFs模型的触发词识别方法。在后一阶段,为提高事件类型识别的效果,将跨事件理论应用于中文事件类型识别。实验结果表明,该方法能提高系统性能,F值分别提高到66.3和62.0。     

事件要素注意力与编码层融合的触发词抽取研究

事件抽取是信息抽取的主要任务之一,而触发词抽取是事件抽取的重要子任务.事件要素与事件触发词之间存在关联信息,现有的事件触发词抽取方法主要关注事件触发词本身,没有充分的利用事件要素信息.因此,提出一种事件要素注意力与编码层融合的事件触发词抽取模型,能够有效地利用事件要素信息,提高触发词抽取性能.通过事件要素与事件触发词之间的相关性来显示利用事件要素信息,同时利用编码层的多头自注意力机制间接学习事件要素与事件触发词之间的依赖关系,并将两个方法得到的输出向量进行处理,作为特征送入到编码层中进行训练.此外,通过词特征模型获取语义信息.该方法在ACE2005英文语料上对事件触发词抽取的F值达到71.95%.     

中文事件抽取研究综述

事件抽取是构建知识图谱的关键任务之一,也是当前自然语言处理的研究热点和难点问题。事件抽取研究从非结构化的自然语言文本中自动抽取用户感兴趣的事件信息,对人们认知世界有着深远的意义,在信息检索、智能问答、情感分析等应用场景有着重要的意义和价值。在公开国际测评和语料的推动下,事件抽取研究受到越来越多的学者关注,取得了许多的研究成果。按照事件抽取任务定义,有预先定义结构化的事件表示框架的框架表示事件抽取和通过事件实例中触发词及事件元素进行聚类的实例表示事件抽取。根据事件抽取方法的不同,可以分为基于模式匹配的方法和基于机器学习的方法两大类,中文事件抽取方法还要考虑中文语言特性问题。文中全面介绍了中文事件抽取的任务和方法,并总结展望了未来的发展趋势。     

基于BERT-CRF模型的中文事件检测方法研究

事件抽取是自然语言处理中信息抽取的关键任务之一。事件检测是事件抽取的第一步,事件检测的目标是识别事件中的触发词并为其分类。现有的中文事件检测存在由于分词造成的误差传递,导致触发词提取不准确。将中文事件检测看作序列标注任务,提出一种基于预训练模型与条件随机场相结合的事件检测模型,采用BIO标注方法对数据进行标注,将训练数据通过预训练模型BERT得到基于远距离的动态字向量的触发词特征,通过条件随机场CRF对触发词进行分类。在ACE2005中文数据集上的实验表明,提出的中文事件检测模型与现有模型相比,准确率、召回率与F1值都有提升。     

基于跨语言数据增强的事件同指消解方法

事件同指消解是一个具有挑战性的自然语言处理任务,它在事件抽取、问答系统和阅读理解等任务中发挥着重要作用.现存的事件同指消解语料库的一个问题是标注规模较小,无法训练出高效能的模型.为了解决上述问题,该文提出了一个基于跨语言数据增强的事件同指消解神经网络模型ECR_CDA(Event Coreference Resolut...     

结合注意力机制与双向LSTM的中文事件检测方法

事件检测是信息抽取领域的重要任务之一。已有的方法大多高度依赖复杂的语言特征工程和自然语言处理工具,中文事件检测还存在由分词带来的触发词分割问题。该文将中文事件检测视为一个序列标注而非分类问题,提出了一种结合注意力机制与长短期记忆神经网络的中文事件检测模型ATT-BiLSTM,利用注意力机制来更好地捕获全局特征,并通过两个双向LSTM层更有效地捕获句子序列特征,从而提高中文事件检测的效果。在ACE 2005中文数据集上的实验表明,该文提出的方法与其他现有的中文事件检测方法相比性能得到明显提升。