Word中＂邮件合并＂功能的研究与应用

邮件合并是word中一项使用方便而又不为常人所知的高级功能，利用该功能可以方便地将数据表中的各行数据批量转成格式化的word文档，进而大大提高工作效率。“邮件合并”需要制作的数量比较大且文档内容可分为固定不变的部分和变化的部分，变化的内容来自数据表中含有标题行的数据记录表。     

巧用word“版本”功能加密

“版本”是word2000/XP提供的一个实用功能。它可以让我们把文档保存成不同的“版本”,以便日后查看与修改。我们还可以     

在Word文档中插入CAD图形的简易实现方法

本文简要分析了cad中图形和word中图形格式的区别,介绍了在如何在Word文档中插入CAD图形的方法。     

生僻汉字计算机录入方法研究

在进行文字编辑时我们经常会遇到生僻汉字录入计算机和word文档难的问题,本文将生僻汉字分为两类分别列举不同的解决方案,对于GBK包括的生僻汉字,我们可以用支持GBK大字符集的输入法录入;对于GBK以外的生僻汉字,我们可以用插入自造字字库,word组字,True Type造字程序造字和画图工具造字四种录入,同时还提供了三种可以使含有生僻汉字的文档正常显示和打印的方法.     

一种加权词向量的混合网络文本情感分析方法

针对文本中关键信息被忽略以及分类准确率不高的问题,提出一种加权word2vec的卷积神经网络(CNN)与ATT-BiGRU混合神经网络情感分析模型.由于word2vec生成的词向量无法突出文本关键词的作用,因此引入词频-逆文档频率(TF-IDF)算法计算词汇权重值.然后,将加权运算后的词向量输入CNN与ATT-BiGR...     

邮件合并在制作学生成绩单中的应用

本人利用邮件合并功能，将所需数据合并到word文档中即可一次性制作好学生成绩单，该项应用效果良好，工作效率高，值得推广。     

写个“福”字贺新年

新年到,家家都要贴"福"字。今天,我们就来开动脑筋,用word文档自己制作一个喜庆的倒"福"字。启动"绘图"工具栏     

基于Tika语义分析的文档标题提取研究

随着Web的爆炸性增长,更精确的内容检索受到广泛关注.文档的语义信息提取是内容检索中的关键问题.Tika是近年来出现的一个用来获取文档语义的一个工具软件,支持HTML、PDF、word、PPT、mht等众多格式的文档语义提取.给出了用Tika实现文档元信息提取以及文档内容提取的编程调用方法;分析了Tika进行语义提取中的一些缺陷,并针对文档标题的提取处理给出了纠正解决方案,从而为基于语义的资源检索和全文内容检索提供更为准确的信息表达.     

基于Tika语义分析的文档内容检索服务研究

介绍了利用Lucene结合Tika实现站点内容的全文检索设计的编程过程。用Tika获取文档的元数据以及文档内容的文本提取。用Lucene实现文档的索引创建和检索服务,结合实例详细分析了Lucene API的具体使用特点。利用Spring MVC实现搜索服务的Web访问处理。可对网站的HTML、PDF、word、PPT、mht等各种类型的文档提供统一的内容检索服务。在该论文研究基础上可建立个性化的内容搜索服务系统。     

基于word文档数据挖掘与互联网检索技术及实现

目前,WORD文档已经成为现代企事业单位办公的重要文件存储格式。随着互联网的高速发展,单位的政务公开、网上办公的需求越来越大,网站建设成为信息共享的重要技术手段,如何把电脑中的word文档重新整合,能够在短时间内发布到网络上,已经成为网站建设的重要课题之一,本文着力解决如何将计算机中的WORD文档转换成数据库并生成检索页面的技术问题。     

一个基于Dublin Core元数据的超文本查询引擎

传统的WEB查询是基于HTML文档中的全文信息的，只要文档中包含某一待查询的词语，文档就会被选中，而不管该单词在文档中的作用和地位如何．提出了一种基于文档的Dublin Core元数据的查询方法，首先从HTML文档中提取出相应的Dublin Core元数据放入索引库中．当用户提出查询请求时，在索引库查找与用户请求相匹配的文档条目，然后将它们返回给用户．由于元数据是对文档资源的精确描述，因此这种查询方法得到的文档具有较高的相关性，避免了出现大量无关的查询结果．     

采用相关反馈和文档相似度的维吾尔语检索词加权方法

针对维吾尔语Web文档的有效检索问题,提出一种基于相关反馈和文档相似度的检索词加权方法.首先,对维吾尔语文档进行预处理,获得相应的词干集.然后,当用户输入多个检索词时,执行初始检索,并基于局部相关反馈思想提取出排名靠前的N个文档.接着,利用TF-IDF算法计算检索词与反馈文档之间的词频相似度,通过余弦距离计算文档之间的相似度,并以此对检索词进行两次加权.最后,根据加权后的检索词进行文档检索.实验结果表明:该方法能够准确地检索出用户所需的文档,并将其靠前排序.     

中文电子文档的数学公式定位研究

区别于传统基于图像和西文文档的公式定位方法, 针对中文电子文档的特点, 提出一种基于机器学习和规则相结合的独立公式和内嵌公式的定位方法。设计了适合中文文档的页面分行策略和词块划分规则; 选择适合中文文档的公式特征和机器学习算法; 针对公式定位中的过分割问题, 提出行合并与词块合并等后处理手段。实验结果表明, 该方法可以有效地从中文电子文档中自动定位公式区域。此外, 构建了公开可用的中文数据集, 以促进不同数学公式定位方法间的相互比较及性能评估。     

基于双向编码器表示模型和注意力机制的食品安全命名实体识别

针对于目前传统的命名实体识别模型在食品案件纠纷裁判文书领域的准确率不足的问题,在双向长短时记忆网络的基础上提出一种基于双向编码器表示模型(bidirectional encoder representations from transformers,Bert)和注意力机制的命名实体识别模型.模型通过Bert层进行字向量预训练,根据上下文语意生成字向量,字向量序列输入双向长短期记忆网络(bi-directional long short-term memory,BiLSTM)层和Attention层提取语义特征,再通过条件随机场(conditional random field,CRF)层预测并输出字的最优标签序列,最终得到食品案件纠纷裁判文书中的实体.实验表明,该模型在食品纠纷法律文书上面的准确率和F1值分别达到了92.56％和90.25％,准确率相较于目前应用最多的BiLSTM-CRF模型提升了6.76％.Bert-BiL-STM-Attention-CRF模型通过对字向量的预训练,充分结合上下文语意,能够有效克服传统命名实体识别模型丢失字的多义性的问题,提高了食品案件纠纷裁判文书领域命名实体识别的准确率.     

基于语境关联的Web信息过滤算法

设计一个文本过滤实验 ,首先从语料库的词频统计结果中挖掘出词频的二元关联度 ,然后用一个Hop field网络将词频的二元关联关系转化为语境关联关系 ,训练语言单位在整个上下文环境下的权重 ,并建立用户模板 .该算法改善了词频特征提取算法与文本上下文环境的匹配状况 ,实验结果表明 ,对专业性Web文档的过滤可达到更高的精确度     

支持多语言的自然语言倒序分词最大成词算法

提出一种支持多语言的分词算法,该算法可以按照以下层次来理解：首先,对不同编码的源词库文件编码转换,生成Unicode编码的源词库文件;然后,用Unicode编码的词库文件生成Unicode词库索引;最后,将待分词的自然语句转换成Unicode编码的语句并按照索引倒序分词。该算法已经用C＋＋语言实现,基于此算法实现的分析系统能够自动探测词库的更新并确定是否需要更新索引,能够支持多种编码方式,其编码转换和分词代码与平台无关,分词效率在9MB/s以上,正确率在90%以上。     

Fuzzy集论用于情报检索的一个模型及其实现

本文将文献检索策略建立在Fuzzy集论上,并根据n阶词联系矩阵蕴含的检索策略实行检索。给出一个文献型情报检索系统及其在DJS1153计算机上实现的过程。     

楚竹简札记二则

在上博简《鲍叔牙与隰朋之谏》中的"悒"一词,根据字形分析、音韵考证以及古文献查证,其应为一连绵词,表示愤恨,但是为了行文押韵,把"悒"写成"悒"的形式。另外,郭店简《唐虞之道》中,"圣"字的几个怪异形体都是因省简笔划而造成的。     

基于内容信息过滤的智能Agent及其实现

本设计并实现了一个基于内容信息过滤的智能Agent：CuteSeareher．它能够根据用户提交的示例档，采用机器学习的方法对用户的兴趣进行建模．并通过与www上的搜索引擎相互作用，自动查找用户所需的信息．在两个方面解决了现有过滤系统在学习方法方面的不足：第一，采用了概念推理网解决词组分割问题；第二，使用基于协同演化的遗传算法解决档的特征抽取问题．测试表明它可以有效地帮助用户在www上搜索信息．     

基于语义特征扩展的知识库增量引文推荐算法

将知识库增量引文推荐(cumulative citation recommendation, CCR)任务分解为3个基本的关键问题:针对知识库某一实体名的查询扩展;针对文档和实体的特征提取;基于线性和非线性相结合的分类模型。提出了基于语义词典(DBpedia)与词向量(word embedding)相结合的方法进行查询扩展,以及利用LDA和ESA两种算法对文档进行特征提取,最终通过线性逻辑回归与非线性随机森林相融合的分类算法实现CCR算法。与基线系统相比,该方法在TREC KBA2014评测数据上的试验结果的F1平均提升了14.7%,表明本文设计的方法能够较好地解决引文推荐问题。