函数式语言中赋值语句（之二）

为了能够较好地处理函数式程序设计语言中的I/O问题,通过采用Monad方法将I/O加入到函数式程序设计语言中,来保持函数式程序设计语言的优点,本文探讨了在函数式I/O系统中加入赋值操作与其引用透明性的问题。     

甘肃小檗属植物分类检索表

经查阅有关小檗属分类的文献及标本,结合多年野外调查采集的资料,初步整理出甘肃小檗属植物41种4变种,并以检索表的形式对其进行了分组和分种鉴定,同时记载了种的分布。     

基于NSCT与压缩感知的红外影像融合

针对红外和可见光图像在融合过程中存在质量低下、信息缺失、边缘细节不突出等问题,提出一种基于非下采样轮廓波变换(non-subsampled contourlet transform,NSCT)与稀疏表示的压缩感知图像融合重构算法.首先利用NSCT进行源图像分解,得到相应的高频子带和低频子带图像;然后针对高频子带部分,利...     

一种新的彩色图像特征提取方法及其应用

介绍了一种新的彩色图像亮度特征、彩色特征及梯度特征的提取方法，并应用这种方法对珍珠图像进行分割，取得良好效果．     

基于数据加密技术网上办公系统的研究

首先分析当前比较流行的数字签名算法,着重介绍MD5与RSA算法,讨论如何对两者的优点加以利用,如何通过互补避免两者的缺点所带来的一系列问题,以及如何在利用两者的同时加入一些控制因素,加强数据在网上办公系统传输中的安全性.接着讨论数字签名在电子公文中的实现与应用,利用发送方与接受方之间比较严密的应答协议,克服了单纯利用数字签名带来的弊端,介绍了如何利用两者的优势互补再配合科学的封装机制,利用传送协议实现包含数字签名的公文在网上安全传输,并且提供了一种有效的认证机制,接着介绍电子公章在公文流转中的软件方案.通过对BMP图像数据位的读写分析,结合公文流转的特点以及MD5加密算法,实现用户对电子公文的加盖公章操作.对网上办公系统进行研究分析,创建了一套安全的网上公文流转方案,结合公文审批、申请等网上办公的方法,利用前面讨论的安全机制,完成了基于数据加密技术的网上办公系统.最后对这套网上办公系统的源文件的注册加密技术展开讨论,从而实现对文件的底层保护,避免程序文件被破解而产生的整个办公系统的安全问题.     

面向终端的移动用户行为可视化分析

该文面向移动门户网站设计实现了一个日志数据统计与挖掘系统,给出了实时的访问用户日志数据与获取的用户群体的网络行为数据的关联机制,实现了定性描述该机制的终端发售事件捕捉功能,建立了用户群体点击预制入口转化率提取模型,用以描述关联效率和价值,并得到了用户群体访问行为的分布。研究工作将为相关运营商提供有益的参考。     

基于Att-BiGRU-CRF模型的中文文本情感分析

基于注意力机制(attention)的神经网络模型在自然语言处理的情感分析任务中至关重要.针对目前情感分析任务中现有神经网络模型耗时长、准确率低、特征提取不充分等问题,本文提出了基于注意力机制结合条件随机场(conditional random field,CRF)和双向门控循环神经网络(bidirectional g...     

基于XLNet的中文文本情感分析

针对Word2vec等静态词向量模型不能解决一词多义、传统情感分析模型不能同时提取文本的全局和局部信息问题,本文提出了结合广义自回归预训练语言模型(XLNet)的文本情感分析模型。首先利用XLNet表示文本特征,然后利用卷积神经网络提取文本向量的局部特征,再利用双向门控循环单元提取文本的更深层次上下文信息,最后引入注意力机制,根据特征的重要性赋予特征不同的权重,并进行文本情感极性分析。仿真实验中将本文模型与5种常用的情感分析模型进行对比,验证了模型的准确率和优越性。     

跨库检索系统检索效率影响因素辨析

通过分析跨库检索系统的基本原理与步骤,从理论上探讨了跨库检索系统检索效率的影响因素,并提出了改进措施。     

一种基于词嵌入模型和卷积神经网络的简化文本分类方法

自然语言处理（Natural Language Processing,NLP）可分为自然语言理解（Natural Language Understanding,NLU）和自然语言生成（Natural Language Generation,NLG）两大类子任务。预训练语言模型和神经语言模型在自然语言理解的整个流程中占据重要地位。本文梳理了文本预训练语言模型的发展流程,并分析当下主流的预训练语言模型以及深度学习模型的不足,基于经典预训练语言模型（Word2Vec）和卷积神经网络分类模型（CNN）,提出一种简化的文本分类模型（Simplified CNN）,在多个情感分析（Sentiment Analysis,SA）基准数据集上进行实验测试,实验结果表明,在文本分类任务上,简单网络可以得到与复杂网络相媲美的分类效果并且运行时间优于复杂网络,与传统的分类模型相比较,在分类效果上表现出了优势。