医学检验仪器领域软构件开发

提出了一种针对医学检验仪器领域的领域软构件开发方法.首先,对特定领域进行分析,建立领域特征模型和领域元模型;然后,根据领域元模型等领域分析结果识别领域软构件;最后,确定构件模型,并对领域构件进行制作和封装.基于这些构件实现了该领域应用系统的开发,结果表明:构件的易用性较好,复用率也较高,系统的开发效率得以提高.     

领域分析方法研究及应用

通过对传统的OOA技术和面向特征的思想在领域分析中优缺点的比较分析,介绍了一种将两者结合的领域分析方法,即基于特征的面向对象领域分析方法。描述了此方法的分析和建模过程,以及所产生的领域模型。采用该方法对集团化企业供应物流领域进行分析与建模,界定了该领域的范围、子领域,建立了采购计划子领域的领域模型。此方法有利于获取领域业务构件,提高软件复用度。     

基于本体的多专业领域知识语义检索系统研究

多专业领域是指由多个专业构成的学科领域,如高速铁路领域由工务工程、牵引供电、动车组、运营管理等专业领域构成.对于多专业领域本体的构建,可以先构建各个专业领域本体,然后根据专业领域之间的关系进行本体集成.面向多专业领域,在本体模型的基础上提出了多专业领域本体模型,并给出了多专业领域本体概念语义相似度计算模型,此模型可作为...     

云南旅游领域知识库的构建

针对领域知识库的构建困难问题,借助于本体论（Ontology）的思想,从大量语料中自动获取领域词汇,提取领域义原,利用知网的概念描述方法来对领域词汇进行描述,从而构建领域知识库。FAQ库查重实例分析表明,领域知识库在领域问题的求解中发挥着重要作用。     

基于词向量的开放文本领域概念识别方法

在领域知识库的构建过程中,领域概念的识别是一项非常重要的步骤。当前基于统计方法仅按词频进行领域概念的识别,而一些较长的重要领域概念恰恰是低频词,因而对低频领域概念识别准确率不高。为了提高低频领域概念的识别准确率,本文提出了一种基于词向量的加权HITS算法。此方法首先将开放文本中的领域概念表示为词向量,然后使用加权HITS算法计算其领域相关度,最终筛选出领域相关度超过一定阈值的领域概念构建领域知识库。实验证明,本文提出的方法与现有方法相比,在领域概念识别的准确率和召回率方面有一定的改进。特别地,该方法将低频领域概念识别召回率提高了10%。     

利用URL-Key领域术语识别方法

首次提出利用URL-Key进行领域术语识别的方法。以URL作为媒介, 借助已知URL-Key的领域性来判断未知领域候选术语的领域性。首先, 借助互联网中已有的人工分类领域URL, 根据URL-Key在各领域汇总使用的频度, 采用基于方差的领域URL-Key识别方法, 构建领域URL-Key词表; 然后, 利用伪反馈技术, 收集候选领域词检索得到的URL结果集, 根据URL结果集构建候选领域术语的URL-Key特征向量; 最后, 利用SVM对候选领域术语进行提取。在4个领域进行实验, 都取得不错的效果。新提出的方法可以有效地解决低频术语识别问题, 为低频术语的识别提供新的思路。     

基于面向对象公共数据模型的领域构件模型及其实现

在领域公共数据模型和领域公共模型存取规范的基础上,设计适当的领域构件模型,实现领域构件的重用和数据共享与软件重用的统一,对石油勘探开发领域具有重要的实际意义。给出了一种基于领域面向对象公共数据模型的领域构件模型,并论述了该模型实现的关键技术,包括领域公共事务对象(CBO)的设计原则与步骤,CBO对公共数据模型的数据存取接口,CBO对领域不同数据源的数据共享和CBO间的数据存取一致性技术等。石油领域构件实现和应用实例说明,利用构件开发模式可以提高软件开发的可靠性和效率。     

简析英语委婉语应用领域

英语中委婉语的使用非常普遍,探讨英语委婉语的使用领域,主要包括日常生活领域;社会政治、经济领域;军事领域;职业领域;教育领域。掌握委婉语的使用领域对学好用好英语大有裨益。     

一种多源领域自适应命名实体识别方法

领域自适应是解决低资源问题的一种通用方式，可应用于各种自然语言处理的任务中.当前针对命名实体识别(named entity recognition, NER)任务的领域自适应研究通常从单一的源领域迁移到目标领域，在目标领域和源领域相近的情况下，这种方式能够取得较好的识别效果，但是在目标领域与源领域相关度不高的情况下，单一领域迁移方式存在很大的局限性.针对这一问题，提出一种融合多源领域贡献度加权的自适应NER模型(multi-domain adaptation NER model based on importance weighting, MDAIW).1)通过多个领域的知识迁移来提升目标领域的实体识别性能；2)根据不同领域及其领域内样本对目标领域的重要性，计算领域贡献度；3)将领域贡献度引入到NER模型中，以此来实现更好的模型领域适应性.最终在多个目标领域上进行实验，性能皆优于当前性能最好的方法，验证了模型的有效性.     

基于共享表示的跨领域中文模糊限制语识别

为充分利用源领域的标注数据,减少目标领域的标注代价,提出一种基于共享表示的跨领域模糊限制语识别方法.该方法利用双向长短期记忆网络,通过参数共享机制交替地学习源领域和目标领域的训练数据,同时引入对抗学习,把各领域私有特征从共享特征中剥离,从而获得不同领域间的共享语义表示.在中文生物医学和维基百科两个领域上的实验表明,基于共享表示的方法在跨领域中文模糊限制语识别性能上明显优于基于实例和基于特征的迁移学习方法.     

网络环境下集体智慧领域知识模型构建

为促进学习者的长时记忆和对知识的主动建构,通过阐述领域知识模型主要建模标准,提出了领域知识模型建构参考规范,并以联通主义学习理论为指导,关注学习者个体行为、主动参与及学习者共同参与生成的集体智慧在领域模型构建中的重要作用。由个体领域知识模型构建出发,将个体领域知识模型聚合为集体领域知识模型,实现知识点与知识点间的联结,集体领域知识模型又影响个体领域知识模型,实现个体领域知识模型的优化,进而完成领域模型的构建与优化,对“个人”与“集体”知识体系的建设具有很强的借鉴和指导意义。     

基于集成深度迁移学习的多源跨领域情感分类

传统的跨领域情感分类往往是实现单一源领域到目标领域的情感迁移,而在现实情况下,往往存在多个源领域的数据。文章从参数迁移和集成学习的角度,提出了一种基于集成深度迁移学习的多源跨领域文本情感分类方法。首先,使用字符向量增强的深度卷积神经网络模型,在单个源领域上训练情感分类模型,然后通过模型迁移的手段,实现源领域的情感知识到目标领域的迁移。通过深度特征抽取和模型迁移,有效提升了跨领域的特征表示能力。为了充分利用所有源领域信息,我们采用集成学习框架对训练好的迁移学习模型进行集成。通过在Amazon多领域的评论数据集上进行实验,验证了文章提出的框架对跨领域情感分类的正确率有一定提升。     

一种基于基准词的跨领域文本倾向性计算方法

常用的基于特征表达的跨领域文本倾向性分析的基本思想是通过统计的方法对源领域和目标领域的数据进行特征对齐,再根据特征间关联构建目标领域的分类器。从词汇倾向性计算入手,提出了一种基于领域基准词表的跨领域倾向性计算的方法。与传统的词汇倾向性计算方法不同的是,该方法在构建基准词表时,同时考虑词性和领域信息,在计算倾向性时,根据词汇当前的词性和领域信息采用相应的领域基准词表进行计算。实验结果表明:与传统的跨领域倾向性分析算法相比,虽然该方法在准确率上的优势不明显,但可以不依赖源领域和目标领域文本数据;与传统的基于基准词表的倾向性计算方法相比,该方法能够大幅提高倾向性分析的准确率。     

面向特征的领域分析及其在数据采集器领域中的研究

自上而下地进行领域分析,建立领域模型,通过领域设计建立面向特定领域的软件构架,是更有效、更具意义的软件复用途径。美国卡尼基梅隆大学软件工程研究所提出的面向特征的领域分析方法FODA(Feature-Oriented Domain Analysis)主要针对特定领域进行共性和个性的研究,抽取领域模型,并建立适合于领域复用的软件构架。本文在详细研究货物流通领域,如物流配送、仓库管理、销售管理系统的基础上,运用面向特征的领域分析方法,并在分析过程中引入了加以扩展的用例模型,分析其共性和变化性需求,提炼出数据采集器的领域模型,使系统具有良好的可扩充性、可复用性,极大地提高了设计软件系统的效率。     

基于登录词邻接关系的双条件概率的领域术语抽取算法

领域词典作为中文信息处理的基础,在各个领域都有着重要的应用.而人工构建领域词典不仅工作量大,而且缺乏时效性.因此,自动构建领域词典成为目前研究的重点,而构建领域词典的关键是从领域语料中自动抽取领域术语.本文以金融领域作为切入点,提出了根据登录词前后邻接关系计算邻接词之间的双条件概率自动识别领域术语.实验证明,本文提出的算法不仅能够有效地提取新术语,同时在小语料和低词频情况下也能取得较好的效果.     

基于单词领域特征敏感的多领域神经机器翻译

鉴于现有基于单词的领域特征学习方法在领域识别上的精度较低,为提高领域判别和提供准确的翻译,提出一种单词级别的领域特征敏感学习机制,包括两方面:1)编码器端的上下文特征编码,为了扩展单词级别的领域特征学习范围,引入卷积神经网络,并行提取不同大小窗口的词串作为单词的上下文特征;2)强化的领域特征学习,设计基于多层感知机的领域判别器模块,增强从单词上下文特征中获取更准确领域比例的学习能力,提升单词的领域判别准确率。在多领域UM-Corpus英–汉和OPUS英–法翻译任务中的实验结果显示,所提方法平均BLEU值分别超过强基线模型0.82和1.06,单词的领域判别准确率比基线模型分别提升10.07%和18.06%。对实验结果的进一步分析表明,所提翻译模型性能的提升得益于所提出的单词领域特征敏感的学习机制。     

一种基于领域语义相关性挖掘的迁移学习方法

针对基于特征的迁移学习方法 TPLSA只考虑领域共享主题而忽略领域独有主题的不足,提出一种基于领域语义相关性挖掘的迁移学习方法.首先,挖掘领域共享主题与独有主题;然后,构造新特征空间,将源领域、目标领域文本在新特征空间中进行表示;最后,在新特征空间中对目标领域的文本进行分类.实验结果表明该方法具有优越性.     

一种快速的基于特征选择的跨领域情感分类方法

已有的跨领域情感分类方法多通过抽取公共特征空间或建立领域特定特征间的映射关系来消减领域间的差异性,由于不考虑特征情感区分力的差异,使得公共特征空间及特征映射的求解往往不准确。具有高区分力的特征对于文本情感分类具有重要的意义,但标记的缺失使得已有的特征选择方法难以应用。文章基于特征选择方法,提出一种快速的跨领域情感分类方法(cross-domain sentiment classification based on feature selection,CSFS),构建源领域特征与目标领域特征的词共现矩阵,基于该矩阵对目标领域特征的情感区分力进行评估,在目标领域中选择出其中具有高情感区分力的特征;再利用源领域信息计算目标领域特征的情感语义大小,从而构建目标领域分类器。实验结果表明,该方法在保证准确率的前提下,大大提高了跨领域分类的效率。     

电子政务领域工程的子领域划分策略

电子政务是一个覆盖面广、应用环境复杂的应用领域 ,对其实施领域工程具有内在的复杂性。文章从分析电子政务领域的特点入手 ,提出了子领域划分对电子政务领域工程的必要性和划分原则 ,并在此基础上对电子政务进行了纵向和横向的子领域划分     

基于关联规则和语义规则的本体概念提取研究

为解决基于非结构化文本的中文领域本体概念提取效率和准确率不理想的问题, 提出了一种基于关联规则和语义规则的领域本体概念提取方法。利用领域一致性和相关性检查以及关联规则分别获取候选概念和关系集合, 计算候选概念在领域术语关系中的深度和广度, 利用深度和广度信息反馈概念隶属度的思想, 定量分析术语与领域的隶属程度, 进行本体概念的领域隶属度检查, 完成领域本体概念的提取。实验结果表明, 该方法提高了领域本体概念的提取效率和准确率, 具有可行性和合理性, 领域本体概念的提取准确率提高了12%左右。