知识分析的直接模型

定义了模拟知识的直接模型，并证明了该模型同Ｋｒｉｐｋｅ结构和Ｆａｇｉｎ的知识结构是等价的，与后两种模型相比，该模型中知识作为基本的，而不是衍生的认知，更适用于自然语言理解和机器翻译等领域。     

基于复杂网络重叠社团发现的微博话题检测

社交媒体话题检测一直是个热点问题,由于社交数据杂乱异构,且具有时效性,语义模糊性等特点,话题检测也是个难点问题.研究利用复杂网络对社交文本数据进行建模,并结合一种基于极大团凝聚层次聚类的重叠社团发现方法实现了社交话题的检测.文本数据建模中,通过自定义突发系数量化话题词,即把话题词看作具有时域分布偏好的关键词,并通过自定义相关系数连接话题词,构建话题网络.为使自定义系数更适用于动态数据环境,实验结合真实数据进行了适应性测试优化系数.文章把采用EAGLE重叠社团发现方法在公开数据集上评测,根据Q函数值显示结果明显优于当前一些重叠社团发现策略,研究对采样的60万条青少年社交数据进行了话题分析并可视化了分析结果.     

基于改进的自适应提升算法的乳腺癌图像识别研究

为解决医疗资源不足、就诊量日增等问题,需设计基于计算机的乳腺癌图像识别模型,更高效地辅助病理医生的临床诊断工作.然而,现有算法多采用单类别特征完成识别,未充分发挥特征之间互补性.该文提出改进的自适应提升算法：在SIFT、Gist、HOG、VGG16特征提取基础上,改进有效区域基因选择(Effective Range Based Gene Selection,ERGS)算法,动态计算特征权重;采用自适应提升算法将弱分类器集成为强分类器,并对其输出的预估概率做ERGS加权,实现多特征融合.实验表明：1) 算法识别精准度达86.24%,较最强基线提高3.82%;2) SIFT、Gist、HOG特征之间具有较强互补性,它们有助于准确刻画乳腺癌图像;3) 阳性图像更易识别.     

基于词序列拼积木模型的图像句子标注研究

用句子标注图像,建立图像与文本间的跨媒体关联,以提升信息检索准确率,改善用户检索交互体验.利用KDES模型抽取图像特征,在多核学习模型中融合出MK-KDES特征,准确刻画图像视觉特性;设计自然语言生成模型:词序列拼积木,评估单词与图像内容的相关性,优选单词,并根据单词间的语义相关性与句法模式约束,将单词组合成N元词序列;把N元词序列输入模板生成句子.结果表明:MK-KDES-1特征聚焦于图像的纹理及形状视觉特性,它是改善句子BLEU-1评分的关键;而单词间的语义相关性与句法模式约束是提升句子BLEU-2评分的重要前提.      

汉语句法的分段循环分析策略

定义了治语的分段语法，并根据自然语言的分段循环结构，提出了汉语的分段循环分析策略，它的基本思想是确定语言的一组基本范畴，其相应的句法规则段及其之间的优先关系，对于每个句法规则段，分别依次采用改进的Ｋｉｌｂｕｒｙ算法，它的优点在于分析过程中的项目集比较小，而且避免了无用分析树的产生，从而大大提高了分析效率。     

混合分层抽样统计与贝叶斯个性化排序的旅游景点推荐模型研究

传统协同过滤推荐模型仅处理稀疏的评分数据,未深入挖掘用户及对象的潜在语义,且用户喜好信息也未充分利用.围绕旅游景点推荐这一热点问题,提出全新的混合分层抽样统计与贝叶斯个性化排序的推荐模型：采用分层抽样统计及主观赋值评价法刻画用户旅游喜好;基于矩阵分解算法(Matrix Factorization,简称MF)分析用户及对象(景点)的潜在语义,运用贝叶斯个性化排序算法(Bayesian Personalized Ranking,简称BPR)对推荐模型进行优化;综合用户旅游喜好信息及BPR优化结果,生成混合推荐列表.在新的“Wisdom Tourism”数据集上进行仿真实验.实验表明：推荐模型的RMSE、MAE、F1值较最强基线分别提升16.59%、10.05%、5.04%;相比于分层抽样统计方法,BPR算法在推荐过程中发挥更显著的作用.