基于概率主题的文本层次分类

概率主题模型是一种统计生成模型,它从文档集合中抽取一系列主题,并将这些文档表示为不同主题依照一定概率混合而成.通过这种模型发现的主题,能揭示文档的语义信息,在很多领域都有着广泛的应用.为此基于概率主题模型,提出了一种新的层次文本分类方法. 该方法首先利用Gibbs抽样提取一系列主题,然后计算测试文档和每个类的基于主题的相似度.在20 NewsGroups数据集上的实验结果表明,该方法的分类性能明显超越支持向量机分类方法.     

基于贝叶斯方法的知识发现

贝叶斯方法是概率统计学中一种很重要的方法。贝叶斯网络就是根据各个变量之间概率关系用图论方法建立的模型,本将概率统计的贝叶斯规则应用于知识发现,建立图论模型进行数据挖掘,章最后应用贝叶斯网络对于实际的数据库进行知识发现,其结果说明了这种方法的有效性。     

交互式遗传算法中收敛性及用户评估质量的提高

交互式遗传算法（IGA）有一个明显的缺点，即用户在交互过程中，对每代的所有个体都要进行评估，当个体的数量较大，进化代数较多时，用户容易疲劳。针对这一问题本文提出了三种解决方法：第一，利用粗糙集（rough set)理论作为信息提取技术，有效地提高交互式遗传算法的收敛性，降低进化代数。第二，引进一个自主式遗传操作过程，以缓解用户在交互过程中的疲劳性。第三，利用相似距离值这个新概念提高用户对个体评估的精确度。最后在人脸图形上进行实验的结果表明，本文所提的三种方法可以有效的缓解交互式遗传算法过程中用户疲劳问题。     

基于概念共现图的多文档自动摘要研究

以概念统计为基础,以WordNet为语义资源进行语义消歧和概念归并,提出了一种概念共现图模型并把它应用于多文档自动文摘.该模型利用概念间的共现信息构造概念共现图,抽取多文档集合的主题概念,再根据主题概念构建向量空间模型并计算句子的重要性.由于对概念进行了良好的归纳,该模型能够挖掘蕴涵在文档集中的深层次主题.在DUC2005数据集上评测的结果表明,该方法取得的效果令人满意,可用于实际的应用.     

一种对象级搜索中的多查询合并算法

对传统搜索引擎使用的排序算法进行分析,将概率意义引入对象级搜索,提出一种在对象级搜索中合并多个查询结果的算法.通过归一化以及考虑概率意义与查询规模间的关系,该算法独立于生成结果列表使用的排序算法.实验结果证明该算法提高了查询结果的质量.     

Semi-structured Data Extraction and Schema Knowledge Mining

A semi-structured data extraction method to get the us eful information embedded in a group of relevant web pages and store it with OE M(Object Exchange Model) is proposed. Then, the data mining method is adopted t o discover schema k nowledge implicit in the semi-structured data. This knowledge can make users un derstand the information structure on the web more deeply and thourouly. At the same time, it can also provide a kind of effective schema for the querying of we b information.     

基于权值加密的隐私安全分布式约束满足问题求解

隐私安全的分布式约束满足问题(distributed constraint satisfaction problem,DisCSP)求解算法可以很好地满足信息敏感的分布式组合求解问题的需要,为了获得更好的求解效率,提出了一种基于权值加密的隐私安全DisCSP的求解算法,对DisCSP问题中的约束基于不同的隐私权值进行加密求解;不需要增加额外的agent进行隐私约束的一致性检查,实现分布式的安全求解策略;对于可能出现的推理信息,用随机选择策略来避免信息泄漏.试验表明,该算法可以减少信息的传递量和计算的复杂性,因而具有更好的求解效率.     

用户序列行为分析研究与应用综述

随着信息技术的高速发展,各行业的信息系统近年来收集了海量数据,这些海量数据中包含大量与用户行为相关的信息,且数据量还在以指数级增长.及时、精确地从这些海量信息中发现有用的知识,挖掘出用户行为数据背后隐含的模式,能够帮助企业制定市场战略,留住已有的用户或者吸引新的用户,进而帮助企业在市场竞争中取得先机.而用户的行为数据往往都是具有序列性质的,用户的兴趣爱好也会随着时间不断变化.因此,综合序列特点的用户行为分析成为一个重要的研究课题.论文对近些年来基于用户序列行为分析的研究与应用进展进行综述,并对其数据格式、问题定义、关键技术、应用场景等进行详细介绍、比较和分析.最后,对基于用户序列行为分析的研究与应用在未来的发展趋势进行探讨和展望.     

基于实向量输入的角分类前向神经网络研究

快速分类是在线信息检索研究者关注的热点 .角分类前向神经网络是一类快速分类神经网络 .给出了一个新型的由两种神经元混合构成的神经网络 ,定义了相应的网络拓扑、学习算法和动力学行为 .分析表明 ,该网络的学习的时间复杂度是线性的 .实验表明 ,与二值神经元构成的神经网络相比 ,该网络在满足快速分类要求的同时 ,其分类准确率有显著的提高     

一种改进的XML枝匹配算法

针对TwigStack,TJFast,TwigVersion等XML枝匹配算法没有考虑返回结果冗余的问题,在比较这些代表性算法返回无冗余目标数据的时间性能的基础上,提出了一种改进的XML枝匹配算法——AdvancedTwigVersion.实验结果表明,该算法具有较好的性能.