基于自然语言处理的算法知识名称发现

网络中的很多程序资源在知识概念上有内在的联系,却没有超链接将它们连接在一起。将网络程序资源中的算法知识名称获取出来,组织成一个算法知识专家库文件,用于识别程序设计资源所含的知识点,即可将程序设计资源按知识点相互联系。为了自动获取程序资源中的算法知识名称,提出一种基于自然语言处理的算法知识名称发现方法。通过发现含有算法知识名称语句的字符串模式,从程序资源中提取可能含算法知识名称的字符串,从中找出最有可能出现在算法知识名称中的分词,并根据这些分词获取算法知识名称。实验结果表明,与原有人工整理出的算法知识名称集合相比,该方法新增了11.2%的算法知识点和13.6%的算法知识名称。     

基于字频分布的中文网页编码识别算法

编码识别是网页内容过滤的必要前提,多种中文编码共存给中文网页的内容过滤带来不便。针对上述问题,提出一种基于字频分布的中文网页编码识别算法。根据汉字的使用频率,选取使用频度较高的字符构成高频字符编码表,以高频字符编码作为关键字,使用改进的模式匹配算法查找待识别网页,并统计匹配次数。将编码的匹配结果作为分析的依据,最终判定待识别网页的真实码制。实验结果证明,与Unigram算法相比,该算法对目前通用的中文编码识别率较高,适合对未知编码的中文网页进行快速编码识别。     

基于短语的中文标签自动生成混合算法

对中文文档标签生成的算法进行了研究,提出了一种中文文档标签生成的混合算法(Hybrid Tags Generation Algorithm)。鉴于短语在表达文档主题方面的优势,先进行短语模式匹配,然后利用短语的统计特性,综合考虑TF-IDF、词跨度和位置3个特征进行权重计算,从而抽取出权重较高的词语或短语作为标签。通过对实验数据的分析表明,该算法在查准率方面表现较好。通过人工比对可知,标签表达文档内容主题的效果相当或优于测试集标准答案的比率超过六成,取得了比较好的结果。     

基于中文陈述句灵活语序的Lambek演算

目前,自然语言处理已从句法、词法层面走向轻量级语义层面。针对中文陈述句的自然语言处理,传统Lambek演算无法解决中文陈述句灵活语序的问题,而现有的方法加入模态词、新连接词等后,又进一步增加了已经是NP-hard的Lambek演算的复杂性,因此并不适合计算机的相关处理。基于此,采用加标动词匹配的Lambek演算对中文陈述句灵活语序进行处理。加标动词匹配算法的时间复杂度低,使得计算机及其程序能有效地对中文陈述句灵活语序进行处理,并能通过Curry-Howard对应理论与λ-演算引入轻量级语义处理。     

基于卷积树核的中文微博情感要素识别

情感要素识别是情感分析的关键子任务之一,其目的是识别出文本情感所作用的情感对象。文本情感要素识别属于最细粒度的情感分析,吸引了大量研究者的关注。中文微博由于其语言简短灵活、文本不规范、噪声较大等特点,给中文微博情感分析研究工作带来了新的挑战。目前大部分情感要素识别方法都是基于规则的方法或者基于扁平化特征的统计学习方法,区分噪声的能力不强,性能提升有限。针对中文微博的特点,提出一种基于卷积树核的情感要素识别算法,即首先对句子进行词性标注与依存关系分析,将句子中的名词作为候选情感要素;然后基于两种不同的修剪策略对依存树进行修剪,以获取每个候选情感要素的结构化信息;最后采用卷积树核计算依存树的相似度,并在此基础上识别句子中的情感要素。NLPCC2012和NLPCC2013中文微博情感分析评测任务中的实验验证了该方法的性能,其准确率相比于传统方法有显著提升。     

用好百度的极速智能搜索

正作为全球最大的中文搜索引擎,"百度一下,你就知道",曾经为传统中文搜索方式打上"即搜即得"的深刻烙印。今日,百度一改数年传统,在用户体验上,直接实现一边输入字词一边即可实时反馈搜索结果,以一种超越"即搜即得"的搜索体验和交互创新,向"极速"与"智能预测"两大未来搜索引擎的方向迈进一大步。     

多方解决英文品牌提取的难题

正表姐前来求助,Excel工作表大都是类似于"正品现货Emporio Armani阿玛尼男士修身长袖打底T恤1110233A515-tmall.hk天猫国际"的商品名称(如图1),现在希望将两边中文字符之间的英文品牌名称"Emporio Armani"提取出来,由于这些商品名称几乎不具备统一的规律,因此无法采取分列的方法,如果纯粹采取手工操作的方法,工作量相当之大,而且容易出错。有没有简单一些的方法呢?     

巧妙提取文件中的指定内容

正Excel 2013,这个版本提供了强大的"快速填充"功能,但由于样本工作表的中文内容位置并不规范,因此在使用快速填充之后并没有得到满意的结果,难道只能手工提取吗?其实我们可以换一种思路来解决。巧妙提取工作表的中文名称     

XBOX来了玩家还好吗?

正新闻背景:国行XBOX终于来了微软和百视通宣布,Xbox One国行主机将在9月23日上市,国行价格从3699元人民币起,不带Kinect和两年保修。微软称Xbox One是首个在上海自贸区通过的游戏娱乐主机,而且在中国本地化投入巨大。     

《电脑编程技巧与维护》征稿启事

<正>《电脑编程技巧与维护》向大专院校计算机相关专业的广大师生、科研院所应用开发研究人员以及长期以来为本刊撰稿的作者和热心读者征稿。学术影响:《电脑编程技巧与维护》杂志刊号:ISSN1006-4052CN11-3411/TP,1994年创刊,是国家科技期刊;中国核心期刊(遴选)数据库收录期刊;中国学术期刊综合评价数据库统计源期刊;中国期刊数据库全文收录期刊;《中文科技期刊数据库(全文版)》收录期刊;中文科技期刊数据库(引文版)来源期刊;"