多策略融合的俄语文本词语提取方法研究

俄语是联合国工作语言之一,是俄罗斯等多个国家的官方语言。随着“一带一路”倡议的推进和全球化进程的加快,俄语文本数据成为有关组织管理决策的重要信息来源,俄语文本挖掘也因而成为重要的管理决策支持方法。然而,俄语文本挖掘方法研究目前还远未成熟,尤其是其关键基础——俄语文本词语提取的性能较低,阻碍着俄语文本建模的准确性。因此,文章提出一种多策略融合的俄语文本词语提取方法,结合俄语词性分析、语法规则和串频统计等多种方法,自动提取包含单词和短语在内的俄语词语。在联合国平行语料库和Taiga Corpus语料库上的实验结果表明,文章提出的方法在保证高召回率的同时,达到了85%以上的高准确率,显著优于常用的n-gram方法,能够为俄语文本主题发现和文本分/聚类等文本挖掘应用提供有效的词库。     

基于用户反馈的时序二部图推荐方法

推荐系统以用户购买行为相似性为基础,而用户购买不仅包括是与否的选择信息,还有其购买时间和购买后对产品的评价信息作为反馈结果.满意商品能正确反映用户兴趣偏好,而很久以前购买和负面评价的商品,则将误导用户兴趣的分析.因此,在传统二部图推荐的基础上加入用户评价和时间衰减因素,提出一种基于用户反馈的时序推荐方法,经过多个数据集上的实验证明,提出方法在不同推荐列表长度的命中率指标上均有较大幅度的提升.     

基于二进制的RFID防碰撞算法改进

针对射频识别系统标签防碰撞问题,文章在二进制基础上提出一种新的RFID防碰撞算法.通过在阅读器中设置堆栈,很好的解决了碰撞算法中的搜索次数和需要传输大量冗余信息问题.仿真结果表明新的算法具有很好的优越性.     

用于金属物体的宽带超高频RFID标签天线

用于金属物体的标签天线一直是RFID标签天线研究的热点和难点,提出了一种新的低剖面用于金属物体的宽带超高频(ultra high frequency,UHF)射频识别(radio frequency identification,RFID)标签天线。采用增加2个耦合的寄生贴片来激发新的谐振波模,极大地改善了RFID标签天线的带宽,测量结果得到的标签天线半功率带宽为148 MHz,覆盖了所有的超高频RFID系统的频段。     

基于最大熵模型的词位标注汉语分词

近年来基于字的词位标注汉语分词方法极大地提高了分词的性能,该方法将汉语分词转化为字的词位标注问题,借助于优秀的序列标注模型,词位标注汉语分词逐渐成为汉语分词的主要技术路线.该方法中特征模板集设定和词位标注集的选择至关重要,采用不同的词位标注集,使用最大熵模型进一步研究了词位标注汉语分词技术.在国际汉语分词评测Bakeoff2005的语料上进行了封闭测试,并对比了不同词位标注集对分词性能的影响.实验表明所采用的六词位标注集配合相应的特征模板集TMPT-6较其他词位标注集分词性能要好.     

星海链霉菌卤化酶重组蛋白在大肠杆菌中可溶表达

大肠杆菌(Escherichia coli,E.coli)是表达异源蛋白的良好宿主,但常遇到蛋白表达产物不可溶的困难.在对来自星海链霉菌的卤化酶基因sinH进行大肠杆菌异源表达时,为克服蛋白表达产物可溶性低的问题,探讨了不同载体对蛋白可溶表达的影响.利用pET28a进行SinH表达时不能得到可溶的目标蛋白;使用含有泛素标签及内含肽的载体pHUIE实现了卤化酶蛋白SinH的可溶表达,但纯化后纯度不高;利用带有链霉菌分子伴侣蛋白基因的载体pET28a-SinH与pETcoco-pL1SL2在E.coli BL21(DE3)中共表达,在30℃,0.1mmol/L IPTG诱导条件下表达4h,成功获得大量可溶蛋白,使用亲和层析(Ni-NTA)纯化,获得了较纯的目标蛋白SinH,上述研究结果为在大肠杆菌中进行其他链霉菌蛋白的可溶表达提供了参考.     

一种基于旁信息增强的协同过滤自动编码器模型

针对用户评分预测不准确的问题,提出了一种基于旁信息(side-information)对用户兴趣进行预测的协同过滤自动编码器推荐模型,给出了模型的设计原理、损失函数以及具体结构.模型使用单隐藏层自动编码器实现,用户评分与旁信息同为模型的输入/输出数据,旁信息也直接参加模型的训练,这种设计不仅降低了模型的规模和复杂度,而且旁信息可以直接对用户兴趣进行修正.同时,通过对训练数据集合的合理划分与扩充,使得训练的网络模型增加了表达能力.在真实数据集上的对比实验表明,本文提出的方法提高了评分预测的准确度,具有一定的实用价值.     

RFID技术在图书馆中的应用及主要问题

随着信息技术的发展，RRID技术在图书馆中的应用越来越多。简要介绍了RFID技术的原理及主要特点，分析了RFID技术在国外及国内图书馆中的应用现状，探讨了制约RFID技术在图书馆推广应用的主要问题，并提出了解决问题的着力点及下一步研究的重点。     

基于seq2seq模型的标签推荐方法

针对NPM平台上存在大量的软件包没有标签或标记不完善的问题, 提出一种基于seq2seq模型的深度学习方法为软件包推荐标签. 首先, 利用ECMAScript工具分析软件包的源码构建出包的函数调用图, 遍历函数调用图从而将软件包转换成一组具有包语义信息的函数调用序列; 其次, 训练seq2seq模型, 并将训练好的模型用于软件包的标签推荐工作, 该模型能将包的函数调用序列映射到一组预测的标签序列上, 从而完成软件包的标签推荐. 实验结果表明, 该方法能为软件包推荐一组合理的标签, 准确率达82.6%.     

CET4&6语法测试重点—反意疑问句归纳

介绍了反意疑问句在简单句、复合句、并列句、祈使句、感叹句等句型中的应用。通过对反意疑问句的总结和归纳 ,说明反意疑问句是四、六级及其它考试的一个重要语法项目。