文本分类技术研究

文本分类是文本挖掘的基础和核心。文中系统地介绍了文本分类过程中涉及的各种关键技术,对特征表示、特征提取、文本分类方法及分类模型评估进行了较为详细地论述。最后,提出了文本分类中存在的问题及今后的发展。     

基于初值修正的灰色预测模型的改进及其应用

对GM(1,1)建模的预测精度进行了分析,表明初值的选取对模型的预测精度有着重要影响,进而提出了可以提高预测精度的修正初值的方法.实证分析结果表明通过初值修正能够提高预测模型的预测精度.     

基于粗糙集的关联规则算法的研究

根据信息系统理论,从等价类和最小支持度的概念的角度,很容易找出频繁集,并通过实验证明了粗糙关联规则的高效性。     

电容补偿后的电动机软起动电网压降计算

在电网短路容量相对于电动机的起动容量偏小时,可以并接补偿电容减小电网的起动网压降。补偿电容的接入,增加了电网起动网压降的计算难度。推导了基于单位方向矢量和相关电力器件容量的简明计算起动网压降的公式,并演示了计算结果。导出公式的适用范围并不仅仅限于电动机起动。     

中压电机起动网压降计算软件

要完成中压电机起动网压降的正确计算,就必须正视其它负载的存在,并从伏安特性上区分它们。其它负载给计算带来麻烦。介绍了大电机恒流起动网压降计算软件（CV1）具有适应性强和便于使用的特点。     

基于弱监督的属性关系抽取方法

针对从中文百科中抽取属性关系时所面临的训练语料匮乏问题,提出一种利用极少人工参与的弱监督自动抽取方法。首先,利用中文百科条目信息模板中的半结构化属性关系回标条目文本自动获取训练语料;然后,根据朴素贝叶斯分类原理优化训练语料;最后,基于条件随机场(CRF)建立属性关系抽取模型。在互动百科中采集的数据集上进行实验,综合评价F值达到了80.9%。结果表明该方法能够获得质量较高的训练语料,并取得良好的抽取性能。     

融合字位置特征的铁路事故命名实体识别

铁路事故的相关信息以事故概况文本的形式存在, 对于铁路安全工作有重要意义. 但由于缺乏有效的信息抽取手段, 导致分散在文本中的铁路事故知识没有得到充分的利用. 命名实体识别是信息抽取的重要子任务, 目前关于事故领域的命名实体识别问题研究较少. 针对铁路事故命名实体识别问题, 提出一种融合字位置特征的命名实体识别模型, 该模型通过全连接神经网络获取字的位置特征, 并与语义层面的字向量合并作为字的最终向量表示输入BiLSTM-CRF模型获取最优标签序列. 实验结果表明, 模型在铁路事故文本命名实体识别问题上的准确率、召回率和F1值分别为93.29%、94.77%和94.02%, 相比于传统模型, 取得了更好的效果, 为铁路事故知识图谱的构建奠定基础.     

机器人程序设计语言

本文回顾了机器人程序设计语言的发展历史，概述了机器人语言的特点，并着重介绍几种主要的机器人语言，最后指出现在机器人语言的不足及其未来的发展。