一种混合的中文分词算法

给出了一种将基于统计与基于词典方法融合而成的混合中文分词方法,利用统计方法进行词典的动态扩展,克服了基于词典算法对"完全词典"的依赖;利用词典对统计的一些参数进行估计,避免了以往靠实验得到这些参数的不确定性,同时将RMM算法与统计算法结合起来.最后通过仿真说明该混合算法比传统的基于词典和基于统计的方法更有效.     

基于STC的中文文本聚类算法

提出了一种文档聚类方法,对用户的检索结果中类似的文档进行聚类,提供目录结构,辅助用户浏览检索结果．首先分析了现有的文本聚类方法,讨论了它们的优势和不足,然后提出了基于后缀树的中文文本聚类算法,并详细描述了该算法的原理和构造使用过程,及在算法实现的过程中遇到的关键问题及解决方案．     

面向项目的企业知识管理方法研究

从项目管理的角度对企业的知识管理方法进行了研究,指出了在项目执行过程中知识管理的重要性。建立了面向项目的企业知识管理方法体系,对企业项目管理和战略发展具有重要意义。     

高校精品课程知识管理中的分词和标引

分词是汉语文献处理的第一步.目前,在多种分词算法中正向最大匹配算法最为简洁、易于实现、日常应用也最为广泛.我们主要运用理论知识剖析算法中的优缺点,着重研究这种分词算法切分词语的速度,并进一步优化和改进这种分词算法,提出可行性改进方案,最终提高算法切分词语的效率和准确率.高校精品课程的知识管理可以尝试采用基于词表的最大匹配法进行分词,可建立有关词表.在此基础上,可提出一套高校精品课程知识管理的标引方法.     

中文分词技术研究

随着网络信息资源呈指数级增长,我们已经进入了信息化时代,信息技术已渗透到我们社会生活的方方面面。中文文本分词技术作为中文信息处理中的重要环节,其作用就显得越来越重要。对中文分词的必要性、存在的困难进行了综述,并分析了几种分词方法的原理、特点和算法实现。     

求解常微分方程初值问题的自适应算法

在综合ＣＷＧｅａｒＷ Ｈ Ｅｎｒｉｇｈ，Ｔ ＥＨｕｌｌ，Ｂ Ｍ Ｆｅｌｌｉｎ和Ａ Ｅ Ｓｅｄｇｅｗｉｃｈ等人提出的一系列求解常微分方程初值问题的方法的基础上，给出了一收敛速度快，精度高，计算稳定的自适应算法。     

面向知识管理的知识供应流研究

在知识需求的基础上，提出了五元组知识供应流模型。根据活动和个人知识需求的不同，提出了预定义知识供应和运行时知识供应的概念，并抽取出6种知识供应流模式，最后研究了知识供应流的建立和实例化方法。给出了某制造型企业的运用实例。实例证明，提出的知识供应流理论能够有效促进企业知识的共享和积累。     

面向虚拟企业的知识管理浅析

虚拟企业是适应知识经济时代的新型组织形式,突破了传统企业的界限,实现了在全球范围内对资源进行动态配置和资源优化。本文对虚拟企业如何实施知识管理问题,通过对根据虚拟企业的特点和虚拟企业知识管理的特点进行研究,提出相对应策略。     

基于统计的云搜索中文分词算法

针对当前云搜索系统中中文分词仅仅采用简单的正向匹配最大算法和逆向最大匹配算法容易产生歧义的问题,提出了采用平均最大分词算法分词,并用最小分词偏离标准差消除歧义的方法进行云搜索系统的中文分词。经过测试,该算法明显优于正向最大匹配算法和逆向最大匹配算法。     

基于自适应算法的电力系统可靠性评估

针对电力系统可靠性评估中Monte Carlo方法存在的计算效率低下的问题,提出应用自适应算法对系统状态进行概率分析。该算法采用变分运算分析和区间拟合的方法,实现在最优密度函数下抽样,降低计算方差。应用该方法对IEEE-RTS标准系统的发电部分进行了可靠性评估,并与采用常规抽样方法和重要抽样方法的评估结果做了比较,表明该算法在保证计算精度的前提下分别减少了87%和68%的抽样次数,对大型电力系统可靠性评估具有实用价值。     

一种基于语词的分词方法

提出了一种基于语词的分词系统 ,设计了相应的分词词典 .该分词词典支持词条首字Hash查找和标准的不限词条长度的二分查找算法 ,并应用于全文检索中 .结果分析表明 ,此分词系统无论是在检索速度上 ,还是在歧义处理上都有很大的改进     

自适应抗噪声送话器算法

DSP芯片结合复杂的数字信号处理算法可构成高性能的自适应抗噪声送话器，自适应信号处理算法对送话器的通信质量是至关重要的。主要研究了几种常见的自适应噪声抵消算法，并通过理论分析，提出了变步长的并行LMS算法作为抗噪声送话器的自适应滤波算法。给出了该算法的实现步骤，同时通过变换算法的特性参数进行MATLAB仿真研究，证明了该算法的先进性。     

列车控制问题的计算分析及自适应算法

在对原有算法分析的基础之上指出其导致计算不能执行下去的原因并给出参数的下界,提出一种自适应的算法,并得到满意的实验结果.     

中文文本分类技术比较研究

文本分类中特征选择、权重计算及分类算法三个阶段中都存在一些经典方法,在实际的中文文本分类任务中,如何从各阶段不同方法的组合中找到一个好的组合成为值得研究的问题。比较研究中文文本分类中各阶段经典方法的不同组合对分类效果的影响结果表明:采用CHI特征选择方法、TFIDF权重计算方法及SVM分类方法的组合为最佳组合。     

一种基于后缀数组的无词典分词方法

提出一种基于后缀数组的无词典分词算法. 该算法通过后缀数组和利用散列表获得汉字的结合模式, 通过置信度筛选词. 实验表明, 在无需词典和语料库的前提下, 该算法能够快速准确地抽取文档中的中、 高频词. 适用于对词条频度敏感、 对计算速度要求高的中文信息处理.     

优化PI控制的自适应主动队列管理算法

主动队列管理算法是解决网络拥塞问题的研究热点,在分析基于控制论的PI主动队列管理算法存在缺陷的基础上,提出了具有自适应特性的ONPI算法,该算法通过引入新的参数设置办法来改善网络的性能。经仿真软件ns2实验证明,新算法能快速地收敛队列、保证队列的稳定性和自适应性。     

一种基于窗口技术的中文文本自动校对方法

首先对现有的中文文本自动校对技术进行了分类研究，并在此基础上，结合二元语法模型、散串技术和校对候选矩阵方法，提出了一种基于窗口技术的校对方法。该方法先利用词间字接续方法和散串技术来定位疑错窗口，然后在疑错窗口内，依据由可信度增量构建的校对候选集对窗口内的疑错字串进行最终的定错和纠错。     

消解中文三字长交集型分词歧义的算法

汉语自动分词在中文信息处理现实应用中占据着十分重要的位置。三字长交集型分词歧义是分词歧义的主要类型之一,在真实文本中的出现频率相当高。提出了一种针对这种分词歧义的消解算法,回避了训练代价比较高昂的词性信息而仅仅利用了词的概率信息及某些具有特定性质的常用字集合。从一个６０万字的汉语语料库中抽取出全部不同的三字长交集型分词歧义共５３６７个作为测试样本。实验结果表明,该算法的消解正确率达到了９２．０７％,基本可以满足实用型中文信息处理系统的需要。     

基于LSTM-Attention的中文新闻文本分类

经典的LSTM分类模型,一种是利用LSTM最后时刻的输出作为高一级的表示,而另一种是将所有时刻的LSTM输出求平均作为高一级的表示.这两种表示都存在一定的缺陷,第一种缺失了前面的输出信息,另一种没有体现每个时刻输出信息的不同重要程度.为了解决此问题,引入Attention机制,对LSTM模型进行改进,设计了LSTM-Attention模型.实验结果表明:LSTM分类模型比传统的机器学习方法分类效果更好,而引入Attention机制后的LSTM模型相比于经典的文本分类模型,分类效果也有了一定程度的提升.     

试论复杂适应系统与企业管理研究的创新发展

随着社会经济的飞速发展 ,企业的运行环境发生了巨大变化 ,原有的企业管理理论显得越来越陈旧 ,无法适应实际企业管理的要求。为此 ,人们正在尝试方方面面的努力 ,已经取得了许多可喜的成果。例如 ,如果我们把企业看作复杂适应系统去研究 ,以新的视角透视老的企业管理问题 ,就会得出许多以前无法得到的、有益的研究结论 ,这些研究结论对指导企业的实际运行具有一定的现实意义