首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   121篇
  国内免费   2篇
  完全免费   17篇
  综合类   140篇
  2017年   1篇
  2016年   2篇
  2015年   6篇
  2014年   7篇
  2013年   8篇
  2012年   6篇
  2011年   8篇
  2010年   3篇
  2009年   16篇
  2008年   9篇
  2007年   12篇
  2006年   8篇
  2005年   12篇
  2004年   6篇
  2003年   10篇
  2002年   7篇
  2001年   3篇
  2000年   2篇
  1999年   5篇
  1998年   3篇
  1997年   3篇
  1996年   1篇
  1994年   1篇
  1993年   1篇
排序方式: 共有140条查询结果,搜索用时 31 毫秒
1.
句子相似模型和最相似句子查找算法   总被引:24,自引:0,他引:24  
提出一种句子相似模型,用以度量句子的相似程度·句子相似度由词形相似度和词序相似度决定,词形相似度起主要作用,词序相似度起次要作用·该模型可保证当一个句子的分句或短语整体发生长距离移动后,仍与原来的句子很相似·提出一种基于单词倒排索引和句子长度索引的最相似句子查找算法·实验结果表明该查找算法不仅高效,而且平均查找时间受语料库规模影响很小·  相似文献
2.
基于知网的语义相关度计算   总被引:21,自引:0,他引:21  
为解决句法分析中的结构性歧义,引入了语义相关度计算.基于语义相似度计算及知网的语义信息,提出了语义相关度计算方法;利用知网的义原纵向与横向关系及实例信息计算不同词性的相关度.在计算义原距离时,考虑了义原之间的解释关系,对义原的距离进行修正.根据相似度的对称性,计算实例的影响因素提高了相关度的准确率.实验结果表明,使用该计算方法得出的语义相关度结果更加合理.  相似文献
3.
基于Web挖掘的领域本体自动学习   总被引:19,自引:0,他引:19  
为获取领域本体并量化概念关系的可信度,提出了一种基于Web挖掘的学习模型.通过可扩展的模式集和分布语义模型获取本体主干,使用关联规则发现概念间的一般关系,对候选本体进行修剪和合并.模式可信度、概念语义距离与关联特征决定了概念间关系的可信度.通过"文本分析-本体获取-文本扩充"的迭代过程,优化模型参数和阈值.该模型解决了现有本体学习方法对词典或核心本体的依赖性、以及不能对关系进行可信度量化的问题.实验证明了所提出模型的有效性.  相似文献
4.
汉语单句谓语中心词识别知识的获取及应用   总被引:12,自引:0,他引:12  
在基于实例的机器翻译的语锯相似度研究中,确定谓语中心词以把握句子的整体结构是至关重要的。以标注了谓语中心词的3000句汉族单句作为训练集,将候选词枉身的语法属性以及上下文责无旁贷和为该候选词的归类特征。通过建立统计决策树模型获取谓词中心词的识别知识。  相似文献
5.
一种基于词共现图的文档主题词自动抽取方法   总被引:10,自引:0,他引:10  
主题词抽取是文本自动处理的基础性工作.在对现有主题词抽取方法深入研究的基础上,提出了一种基于词共现图的文档主题词自动抽取方法;该方法以基于词频统计方法为基础,利用在词共现图形成的主题信息以及不同主题间的连接特征信息自动地提取文档中的主题词,旨在找出一些非高频词且又对主题贡献大的词.实验表明了该抽取方法抽取出的主题词更能准确地符合了作者的主题.  相似文献
6.
基于统计语义和结构特征的自动文摘   总被引:9,自引:4,他引:5  
在分析自动文摘现有方法优缺点的基础上,提出了一种基于统计、语义和结构特征的自动文摘方法。用这些特征构成句子向量表示,并用机器学习的方法对其进行训练得到器,从而把自动文摘转换为分类问题。实验表明,该方法具有较好的重合率。同时,为了解决文摘的冗余和不连贯缺点,进行了一系列的后期处理,提高了文摘的质量。  相似文献
7.
基于语义的汉语文献主题词提取算法研究   总被引:9,自引:0,他引:9  
为了适应信息时代的迅速发展,提高从汉语文献中自动提取主题词的准确率,给出一种基于语义理解的汉语文献主题词自动提取算法模型.该模型以中文文本为处理对象,结合领域背景,构建概念语义网络作为分词词典和知识库,用概念之间的联系和匹配取代传统的字面匹配,克服了仅局限于表面形式的缺陷;把自然语言处理从目前基于关键词层面提高到基于知识的层面,从而在概念层次上理解文献主题,突破了传统的关键词匹配的局限,在一定程度上解决了词汇差异问题.该方法能对自然语言进行某种程度的语义理解,利用领域知识来实现主题词的规范标引.实验表明,采用本方法对测试文档进行主题词提取的准确率可达到71.03%,与传统方法相比提高了近1.87倍.  相似文献
8.
Boosting算法在文本自动分类中的应用   总被引:7,自引:0,他引:7       下载免费PDF全文
随着网络信息的迅猛发展,如何快捷、准确地识别和获取有用信息显得更为重要。文本自动分类系统是信息处理的重要研究方向,它是指在给定的分类体系下,根据文本的内容自动判别文本类别的过程。Boosting算法是一种新兴的机器学习算法。在文本分类中应用Boosting算法经过试验证明是有效的,并且优于目前的大多数分类算法。  相似文献
9.
文本内容主题的识别方法   总被引:6,自引:2,他引:4       下载免费PDF全文
提出了一种基于知识的内容主题识别方法,其中采用基于统计和规则的技术进行主题特征识别,利用集聚公式进行主题特征集聚分析·通过引入领域知识库,将基于词汇的分析技术提升到领域知识计算层面·实验结果显示主题识别平均正确率为70%·  相似文献
10.
智能答疑系统中快速定位算法的研究与实现   总被引:5,自引:0,他引:5  
为实现智能答疑系统中问题与答案的快速匹配,根据远程教育课程本身的特点,提出了一种简单、易行的索引结构——基于章节目录的索引方法.在此基础上提出了一种快速定位算法.实验结果表明,该算法可使平均查询时间减少约50%,从而显著提高问题与答案的匹配速度.  相似文献
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号