基于隐马尔可夫模型的中文科研论文信息抽取

随着大量的科研论文出现在互联网上，从中精确地抽取论文头部信息和引文信息显得十分重要。该文提出了一种基于隐马尔可夫模型的中文科研论文头部信息和引文信息抽取算法，分析了模型结构的学习和参数估计方法。在进行信息抽取时，利用分隔符、特定标识符等格式信息对文本进行分块，利用隐马尔可夫模型进行指定域的抽取。实验结果表明，该算法具有良好的准确率和召回率。     

基于割点移除的社交网络重要节点评估与仿真

在社交网络中找到关键节点具有重要的意义,对于当前传统节点重要性方法没有考虑到对网络结构的破坏,不适用于社交网络等问题,提出了一种改进的,基于割点移除的社交网络重要节点评估方法APRRank.动态的利用Tarjan算法找到并移除社交网络最大联通分量的割点,将这些节点移除的顺序作为社交网络中关键节点排序结果.以4个真实社交网络作为仿真数据,与现有算法进行对比,进行鲁棒性测试.仿真结果表明,使用APRRank得到的重要节点在鲁棒性评价标准上具有更优的结果,可以更快的使整个网络失效,因此APRRank算法可以有效的得到社交网络中的重要节点.     

电缆在线数据采集与图象处理系统的设计与实现

本文介绍在Windows平台上，使用VB和VC＋＋开发的面向工业CT机应用，基于数据采集与图票处理的一个应用系统－－电缆在线检测系统的设计与实现。     

具有可信度的主体信念

本文提出了一种基于可信度逻辑的主体信念程度描述方法，这种方法通过定义信念的可信度描述主体信念的不确定性，允许相互矛盾的主体信念同时存在，并给出了可信度的计算方法与推理规则。信念修正和更新时，根据主体不同的性格采取不同的选择倾向，本文提出的“必要时修正”方法具有很高的效率和实用性。本文选择基于区间的时间逻逻辑描述主体信念中的时间概念，为涉及到大量时间段行为与操作的应用提供了一个新的信念逻辑描述方法。     

自然灾害事件信息在微博中的传播规律发现与研究

随着互联网技术的飞速发展,在线社交网络已与每个人的生活密不可分。当发生重大事件时,许多在线社会网络用户会在社交平台上发表与该事件相关的信息,然而社会网络关系错综复杂,信息量如洪水猛兽般,给舆情管控工作带来重大困难。本文将关注点聚焦到微博中自然灾害类事件,通过统计分析的方法挖掘潜藏在事件表面下的信息传播规律,为舆情管控提供合理有效的建议。     

融合多种情感资源的微博情感分类研究

为了通过融合多种情感资源库中的词汇情感特征来提高微博情感分类精度,提出了一种词汇情感确定性度量的计算方法,并以此为基础将在多种情感词汇上获取的情感特征融合为词汇的综合情感特征,然后采用机器学习的分类方法实现微博观点句识别和观点句情感倾向性判定.实验表明,本方法利用词汇的情感确定性度量,统一了词汇情感倾向性的强度度量,在观点句识别和观点句情感倾向性判定两个情感分类任务中都取得了较好的性能.     

藏文文本编码方案的识别算法

目前多种藏文编码方案的同时存在,为藏文文本的检索带来了困难。因此,藏文编码的自动识别成为进行藏文文本处理首先要解决的一个基本问题。结合藏文结构特点和统计学特征,文章提出了一种基于高频字丁和音节点区位码的藏文文本编码判定算法。经测试证实,该算法在藏文文本编码的判定中具有很高的准确度。     

基于GAPT的金属切削数据库的研究

介绍了一种基于GAPT的金属切削数据库。在分析社会需求的基础上，讨论了数据库的总体结构和数据结构的规范化，采用ODBC建立了金属切削数据库与GAPT的数据通信接口，实现了信息集成。     

融合节点重要性的无监督链路预测算法

提高加权网络链路预测算法精确度是研究复杂网络的基础问题之一。常用的基于局部网络结构的无监督预测方法没有考虑到重要性越高的节点越容易产生新连接,且在真实网络上中心性小的节点同样具有高度重要性。针对上述问题,提出一种融合节点重要性的无监督链路预测算法,从结构相似性和节点重要性两个角度计算新连接产生的可能性,并利用自定义系数调节影响程度。在5个真实加权网络数据集上进行实验,结果表明在解决小规模加权网络的快速预测问题上,该算法相比同类方法的预测精确度更高,有监督式链路预测方法并不适用。