基于内容的中文网络信息自动过滤及发布系统

随着Internet应用的逐渐普及,WWW己经发展成为一个巨大的分布式信息空间,为用户提供了一个极具价值的信息源。快速、准确地发现定题领域中的信息,并自动发布在指定的网站栏目中,是广大网站管理员和用户所需的。论文介绍了一种可定题的网络信息自动过滤及发布系统,并说明系统的设计思想,关键技术和实现。     

计算机学科创新人才培养模式的研究

针对传统人才培养模式存在的弊端,提出了一种适应于计算机学科的三段式双分流创新人才培养模式,并对如何构建与之相适应的教学体系进行了研究和探讨。     

计算机学科创新人才培养模式的研究

针对传统人才培养模式存在的弊端，提出了一种适应于计算机学科的三段式双分流创新人才培养模式，并对如何构建与之相适应的教学体系进行了研究和探讨。     

一种基于区域的彩色图像分割方法

介绍了一种基于区域的彩色图像分割方法。该方法首先提取图像像素点的颜色、纹理等特征,然后采用Gaussian混合模型,通过EM算法学习,根据提出的选择最佳高斯混合模型参数K的准则,确定K,利用图像像素点特征的相似度在特征空间中粗略的将像素点划分为不同的组,最后在各个组内依据其位置信息对图像再进一步划分,得到图像的区域分割。实验结果表明,该分割方法具有较好的分割性能。     

一种面向按需集成服务的业务模型构造方法

针对如何从初始需求出发构造业务模型的问题，提出了一种基于场景的设计方法．该方法强调将显性需求和专家知识有机融合．客户化的场景在设计模式、插件库和本体库的支持下被交互式地创建、求精，最终成为内容完备、结构良好的业务模型，为服务集成、任务协调提供支持．文章也给出了将质量需求分配到软件功能块的策略．最后，举例说明了该方法的应用．     

基于语义相似度的情感特征向量提取方法

针对现有情感特征在语义表达和领域拓展等方面的不足,提出了一种基于语义相似度的情感特征向量提取方法。利用25万篇sogou新闻语料和50万条微博语料,训练得到Word2vec模型;选择80个情感明显、内容丰富、词性多样化的情感词作为种子词集;通过计算候选情感词与种子词的词向量之间的语义相似度,将情感词映射到高维向量空间,实现了情感词的特征向量表示(Senti2vec)。将Senti2vec应用于情感近义词和反义词相似度分析、情感词极性分类和文本情感分析任务中,实验结果表明Senti2vec能实现情感词的语义表示和情感表示。基于大规模语料的语义相似计算,使得提取的情感特征更具有领域拓展性。     

图像语义的图形化标注和检索研究

基于图像语义进行检索的目的是希望能够更好地从用户的角度出发,查找出与用户理解相一致的图像。针对目前图像语义检索过程中存在的问题,提出一个基于对象的图像语义内容标注模型和检索框架。首先利用分割算法获取图像中的语义对象区域,然后以MPEG-7标准中的语义描述方案为基础,利用图形化结构实现图像语义内容的标注。在检索过程中,用户把查询内容转化为图形化描述结构,通过提取该描述图的不同长度的路径信息形成查询文档,与图像库中的图像语义标注文档进行匹配实现图像检索。实验结果表明,提出的方法能够有效地实现基于语义的图像标注和检索,与全文检索相比,有较高的查全率和查准率。     

智能空间中上下文推理问题的研究

针对以往上下文推理方法中上下文描述能力差、解决不确定性问题能力低下的现状，提出了一个新的上下文表示和推理的方法。该方法通过用陈述性表示方法描述上下文，提高了上下文的描述能力；用基于规则的逻辑推理方法提高了解决不确定性问题的能力；且该方法将求解问题的复杂度控制在合理的范围内。最后，文中通过实例证实了该方法的可行性。     

中文微博情感词典构建方法

提出了一种中文微博情感词典构建方法。采用上下文熵的网络用语发现策略,通过TF IDF(term frequency inverse document frequency)进行二次过滤得到网络用语;利用SO PMI(semantic orientation pointwise mutual information)算法在已标注的微博语料库中计算网络用语的情感倾向值,构建网络用语情感词典;将词典应用到微博情感分类实验,并与朴素贝叶斯分类器的分类性能进行了比较分析。实验结果表明,直接利用微博情感词典的分类效果好于朴素贝叶斯分类器,并具有分类过程简单、快速等优势。     

基于特征情感色彩的文档流派分类研究

流派分类和基于主题的文本分类最大的区别之处就在于文本的特征。流派分类需要能够描述文档风格的、表达更强语义信息的特征,基于特征情感色彩的分类方法是将情感色彩这种语义信息附加到特征上。首先介绍了文档流派分类的概念及其应用,然后分析了流派分类的文本特征和词汇的情感倾向权值的几种计算方法,论述了基于特征情感色彩的文档流派分类过程,最后对几种分类方法进行了实验结果分析和比较。