基于VSM的中文信息检索

本文介绍了在向量空间模型下，使用Cosine-Measure和OKAPI—Measure两种不同的相似度评测方法，来评测查询与文本之间的相关性。通过针对10字以内的短查询的实验分析。作者发现在相同召回率的情况下，使用OKAPI法来计算相似度得到的检索结果，准确率要比Cosine法的高。     

粗糙集理论在Web信息过滤中的应用研究

粗糙集理论是一种适用于不完整和不确定系统的知识发现的数学工具.本文提出了一种利用粗糙集理论生成规则的Web信息过滤技术,通过对其中相应算法的改进并进行测试,发现将该方法应用到Web信息过滤中是行之有效的,该方法生成的规则少,提高了过滤分析的实时性和实用性.     

协同过滤算法中一种改进的相似性计算方法

协同过滤算法作为一种成功的个性化推荐技术已经被应用到很多领域中.传统的协同过滤算法中用户相似性的计算只考虑了用户评分信息而没有考虑到用户的社会背景信息,针对这个问题,本文提出了基于用户社会信息的相似度计算方法,实验表明,改进后的协同过滤算法能更好地反映用户兴趣,提高推荐精度,在推荐效果方面得到了更好的改善.     

基于使用模型的软件可靠性加速测试

给出了一种使用分层抽样和重要抽样方法并基于Markov链使用模型的软件可靠性加速测试的方法,在根据统计测试结果得到软件可靠性无偏估计的前提下,可以有效提高安全攸关软件的测试效率,部分解决了安全攸关软件统计测试时间和费用开销过大的问题.实例仿真结果表明,该方法可以有效地提高软件可靠性关键操作的测试效率.     

基于本体的Web挖掘分类方法及应用

为了解决Web挖掘系统中信息共享的语义问题,应用本体技术,在传统Web挖掘分类方法的基础上提出了一种基于本体的Web挖掘分类方法.实践表明,该方法能有效地解决传统Web挖掘系统中诸如"新项目"等问题,并为用户提供基于本体属性的更细粒度、交互式的语义Web信息服务.     

一种新的基于密度的k-最近邻文本分类器训练样本约减方法

本文针对k-最近邻方法分类效率不高的问题,提出了一种基于密度的训练样本集约减算法.该方法通过计算训练样本集中各类别的类别密度及整个训练集的平均密度,去掉高密度类别中的部分样本,使训练样本集具有更好的代表性.实验表明,该方法不仅提高了k-最近邻方法的分类效率,而且对其分类准确率也有一定程度的提高.     

基于Agent的计算机考试系统的设计与实现

Agent技术为分布式开放系统的分析、设计和实现提供了一种新方法。针对原考试系统的局限性,引入A- gent思想进行重新设计,实现了基于Agent的计算机考试系统。通过新的设计,将远程交互转化成本地交互,减少了对网络带宽的占用,提高了系统的响应速度和可靠性。     

一种基于时间序列性的推荐算法

聚类分析是Web个性化应用的一种重要技术手段,本文分析了K-means、MCA、Buildclassification三种典型的聚类算法.考虑到学习知识的循序渐进性,引入一个时间分量,提出一种基于时间序列性的推荐算法.在这个算法中,综合利用了三种聚类算法,将资源的后继资源在最准确的时间推荐给用户,使用户能够及时的获取最需要的资源.     

XML在OLAP多维数据建模中的应用

XML已经成为表示结构化和半结构化数据的标准格式，为了描述XML数据的结构和内容，几个xML模式语言已经被提出。本文首先简要介绍了XML的特点与文档格式，接着介绍利用XML来定义和记录OLAP多维数据建模中元数据（包括维度和多维主题）的详细过程，最后给出了一种通用OLAP工具——KDOLAP的多维数据建模工具的设计与实现方法。     

Delphi处理XML文档的方法

XML已成为表示结构化和半结构化数据的标准格式；DOM规范是应用程序和XML文档之间的桥梁，它提供了一种标准的方法来操作存储在XML文档中的信息。首先介绍W3C提出的DOM规范以及Delphi对该规范的三种实现方法，然后给出了在用Delphi开发的一个通用OLAP工具-KDOLAP中XML文档的处理方法。