基于框架理论的应急预案智能匹配方案

针对当下在公共社会领域中突发事件应急预案结构复杂、难以为决策者进行信息筛选、整合的热点问题,设计了一种基于框架理论的应急预案智能匹配方案。该方案以框架方式来存储应急预案,以词频、词性以及词在预案中的位置为权重来提取关键词,利用最小均方误差线性估计来获得关键字权重因子,并采用矢量空间模型来实现预案间的智能匹配。实验结果表明该应急预案智能匹配方案具有较好的应用前景。     

一种用于垃圾邮件过滤的中文关键词匹配算法

根据垃圾邮件过滤技术的现状,分析了常用的传统关键词匹配算法的弱点,在此基础上设计了一种改进     

一种基于同义词的中文关键词提取方法

关键词在自然语言处理的各个领域有着十分重要的意义.对于中文自然语言处理,一词多义和多词一义问题始终是困扰研究人员的一个重大难题.传统的一些基于统计的方法,诸如KEA只是机械地统计了词频,而没有考虑词之间的关系.文中提出了一种基于同义词的中文关键词提取方法SKEA,并建立一阶隐马尔可夫模型进行词义消歧,将文本从稀疏的词空间映射到语义空间,从而实现了文本的降维.同时改进了KEA的位置权重公式,并提出新的关键词特征选取项.最后对SKEA方法和KEA方法进行比较实验,证明SKEA是一种更优秀的中文关键词提取方法.     

基于密度聚类模式的中文新闻网页关键词提取

页没有提供关键词,人工标注关键词代价巨大,并且大多数已有的关键词自动提取算法都需要建立在人工标注的训练集之上,因而难以实用.由于关键词是文章中较重要且主题关联较凝聚的词的集合,因此提出一种基于密度聚类模式的中文新闻网页关键词提取方法,根据词语之间的共现信息,对网页分词后的词语进行聚类,在分析词语关联度的基础上提取出反映新闻主题的关键词.通过大量随机新闻网页实验结果表明,与单纯的TF/IDF(词频和文档频率倒数的乘积)方法相比,此算法召回率平均提高了7.15N,准确率平均提高了7.075%.     

基于平均信息熵的中文问句关键词提取

关键词提取是问答系统中问句分析的重要步骤,它有助于问答系统快速、准确地返回答案。针对现有文献中基于T FIDF等方法在关键词提取准确率及效率方面的不足,提出一种基于平均信息熵的中文问句关键词提取方法。通过加入专业领域词汇,并在停用词过滤的基础上计算问句中每个词的平均信息熵,以词的信息熵值直接体现该词在问句中的重要性;同时在关键词提取过程中,通过设定不同提取比例,并在不同提取比例下观察评价标准值,以最佳提取比例获取更为合适的关键词。实验结果表明,与传统的T FIDF等其他方法相比,该方法的查准率、查全率以及 F1测度值都得到显著提高。     

数字化应急预案的存储模型与生成方法的研究

文章利用XML技术作为预案的存储载体,以国家应急预案框架指南为依据,对文本预案进行有效分解,并给出应急预案存储模型.结合关系数据库技术,提供应急预案的一个良好的数字化方案.利用规则推理和案例推理,对预案的匹配和生成的方法进行研究和设计,并应用于应急平台的构建,实现预案的有效存储和生成.     

关系智能匹配在SNS中的应用

本文从SNS的实际应用出发，针对用户间对关系匹配的切实需求，提出以VSM（向量空间模型）为基础，选取用户的静态属性和动态活动为特征项，并为每个特征项设定其权重策略，最终通过计算用户间的相似度达到智能匹配的效果，提供更好的服务。     

基于离散HMM的非特定人关键词提取语音识别系统

设计了一个基于离散隐含马尔可夫整词模型的非特定人汉语小词表关键词提取语音识 别系统, 提出一种基于对前向、 后向搜索得到的关键词假设做二次识别的置信度策略. 将 该置信度用于关键词提取系统的说话验证, 得到了良好效果.     

基于最长次长匹配分词的一体化中文词法分析

针对当前大多数词法分析系统流水线式处理方式存在的不足,提出一种一体化同步词法分析机制.在最长次长匹配分词的基础上,在切分有向图中增加词性信息和候选未登录词节点,并拓展隐马尔可夫模型,在切分有向图内同步完成分词、歧义消解、未登录词识别和词性标注等词法分析任务.实现了分词与词性标注的一体化、未登录词识别与分词的一体化以及不确定词性未登录词处理的一体化.一体化机制使词法分析中各步骤实现真正意义上的同步完成,充分利用上下文词法信息提高整体精度并保证了系统的高效性,避免了各步骤间的冲突.开放测试表明,系统综合测试的F值为98.03%.     

基于人工智能的主观题自动评分算法实现

针对网络考试系统中主观题自动评分面临的困难和问题,将人工智能中中文自然语言理解的研究成果(空间向量模型、分词算法等)应用于网络考试中对主观题答案(包括标准答案和考生答案)的"理解"过程中,并在此基础上提出了将基于矢量空间模型的文本矢量特征匹配算法应用于计算机对考生答卷进行自动评判的过程中.实验测试数据表明,所提出的算法具有一定应用前景.     

基于原子任务的应急预案评价

为了进一步提高应急预案的质量,提出了一种基于原子任务的应急预案评价方法。根据项目管理理论,对应急响应进行任务分解,确定出原子任务。以原子任务为基础,引入充分性、可达性和可操作性概念,对应急预案的有效性进行评价。其中充分性用来描述原子任务对整个应急响应的充分程度;引入交通系统可达性的定义用来描述能够完成救援任务的机会和便利程度;引入"5W1H评价法"描述预案的可操作性。并将充分性、可达性和可操作性的乘积定义为应急预案有效性,实现对应急预案的整体评价。最后,使用某机场的应急预案实例,对该方法进行了应用研究。结果表明该方法可以发现应急预案中存在的缺陷,为完善应急预案提供依据。     

突发性水污染事件应急预案的可视化平台研究

分析应急预案可视化的必要性和可行性,并结合水污染应急业务流程和需求提出应急预案可视化方案.通过对应急预案进行结构化表示,结合GIS对各种地理数据和业务属性数据进行综合、分析、管理,以EV-Globe空间服务平台为基础,利用面向对象编程技术、三维建模技术以及三维可视化技术等,实现了应急预案可视化平台,该平台实现了预案的可视化表达以及预案效果推演等功能.     

基于相邻词的中文关键词自动抽取

文档关键词概括了文档的主题和内容,在信息检索、文本分类、文本聚类等领域有着重要应用.在总结前人研究成果的基础上,提出了一种基于相邻词的中文关键词自动抽取算法.在对50篇学术论文自动抽取关键词的实验中,采用精确匹配的评价获得了38.9%的精度和34.9%的召回率,采用近似匹配的评价获得了70.7%的精度和68.8%的召回率,能够为进一步的研究提供帮助.     

基于前景理论与理想解法的应急预案评估模型

为对突发事件救援确定最优应急预案、提高救援效率。通过选取全面性、时效性、经济性、可操作性四个指标,基于前景理论以及TOPSIS法对应急预案优劣排序。首先,专家根据打分标准给出各指标下预案的属性值,并利用Shapley值集结指标;其次,利用直觉模糊熵计算各专家权重值,确定最优方案。以选择最优的应急预案为例,结果表明方法的可行性与实用性。     

基于学生模型BOSM的智能组卷算法

为满足自适应性和个性化教学的要求，设计一个学生模型BOSM，然后给出基于BOSM的智能组卷算法。算法根据知识点掌握程度值确定测试知识点权值以及难度系数等参数，实现根据测试知识点权值从题库中抽取满足要求的试题。试验表明该算法运行效果良好。     

基于语义的汉语文献主题词提取算法研究

为了适应信息时代的迅速发展,提高从汉语文献中自动提取主题词的准确率,给出一种基于语义理解的汉语文献主题词自动提取算法模型.该模型以中文文本为处理对象,结合领域背景,构建概念语义网络作为分词词典和知识库,用概念之间的联系和匹配取代传统的字面匹配,克服了仅局限于表面形式的缺陷;把自然语言处理从目前基于关键词层面提高到基于知识的层面,从而在概念层次上理解文献主题,突破了传统的关键词匹配的局限,在一定程度上解决了词汇差异问题.该方法能对自然语言进行某种程度的语义理解,利用领域知识来实现主题词的规范标引.实验表明,采用本方法对测试文档进行主题词提取的准确率可达到71.03%,与传统方法相比提高了近1.87倍.     

基于向量空间模型的中文网页主题特征项抽取

为解决中文网页主题特征项抽取不精确的问题, 对中文网页的主题特征项抽取算法进行了研究。网页的主题特征项抽取是主题网络爬虫进行网页相关度计算的基础, 结合主题网页的二分类情况对目前常用的文本特征项加权方法TF-IDF(Term Frequency-Inverse Document Frequency)进行了改进, 在此基础上结合网页的半结构化特征, 综合考虑特征项的位置信息及其包含的信息量, 提出了一种线性特征项加权计算方法。经实验验证, 该方法可有效提高主题网页的召回率和准确率。     

基于安全韧性理念的高校应急管理模型与对策

随着高等教育普及率的提高,高校突发事件应急管理的脆弱性不断暴露,提高高校应急管理能力迫在眉睫.此研究将安全韧性管理理论与高校突发事件的应急管理紧密结合,依据突发事件链理论,构建了以高校突发事件、高校承灾体与安全韧性管理理论为三要素的高校应急韧性管理模型.韧性管理概念下的高校应急管理突破常规,为高校防灾减灾提供新思路.