中文搜索引擎中的分词技术研究

分词模块是中文搜索引擎的一个重要组成部分,针对分词提出了一种最短路径与共首字歧义词概率的比较相结合的方法,首先寻找最短路径.如果最短路径不只一条,就比较共首字歧义词概率,选择概率较大的一条路径,效果非常明显.对未登录词识别提出了一种改进的移动窗口算法,在单字序列中移动窗口,并记录状态来寻找新词,能够识别大部分的未登录词.     

基于百度热搜新闻词的社会风险事件5W提取研究

当今中国处于经济转型升级的关键时期,社会主要矛盾发生了历史性变化,社会风险事件发生的频率比以往更高,危害社会稳定.将公众在线的搜索和关注数据映射为潜在的社会风险事件,如何有效地自动标注风险事件以及直观、清晰地描述社会风险事件是本文关注的重点.本文尝试定义风险事件的5W框架来结构化的描述社会风险,包括地点(where)、时间(when)、人物(who)、原因(why)和发生内容(what).风险事件的5W抽取可转化为不同的机器学习任务,包括命名实体识别、风险分类以及关键词抽取.依据5W的抽取任务进而探索有效的抽取方法.通过对风险事件5W的自动抽取,将现实中社会风险这种wicked问题转化为结构化问题进行分析,为研究社会风险提供一个新的视角,对政府部门进行舆情分析与风险监测具有重要意义.     

深度学习中文命名实体识别研究综述

针对目前中文命名实体识别研究集中在输入文本的特征的提取,且输入的嵌入表示直接影响模型的性能这一特点,从背景知识、研究现状和未来发展等方面对中文命名实体识别的研究展开全面的调查．回顾了命名实体识别的发展进程,解释中文命名实体识别的研究难点,归纳不同的研究方法,分为基于字的模型、基于词的模型和基于字-词的模型;介绍目前中文命名实体识别的主流数据集、标注方法和评价指标,从不同角度分析了各数据集的特点;讨论了近几年深度学习技术在中文命名实体识别中的最新研究进展,介绍各分类下具有代表性的模型及性能对比,分析性能优劣原因;总结了中文命名实体识别当下所面临的一些挑战,讨论了未来更具有研究价值的方向,促进中文命名实体识别的进一步发展．     

融合粗糙数据推理的卷积记忆网络文本情感分析

为解决现有情感分类算法在特征提取中缺乏对语义关联规则的运用,以及在分词后产生大量与情感预测无关的词,导致挖掘出的特征不具代表性的问题。提出一种融合粗糙数据推理的卷积记忆网络情感分析模型。首先,通过上下文信息使用粗糙数据推理获得文本的情感词集Word2Vec词向量表示,并融合FastText词向量来改进特征向量嵌入层;其次,使用卷积神经网络(convolutional neural network, CNN)拼接双向长短期记忆网络(bi-directional long short-term memory, BiLSTM)提取更深层次的情感特征;最后,加入Attention机制计算权重,筛选显著重要特征。在两个数据集上的实验结果显示,该模型的情感分类准确率与F₁值最高可达到84.66%和85.1%,较基线模型中的最高值分别高出2.04%和3.1%,有效提升了情感分类的预测能力。     

哲学存在问题与含有存在谓词的语言框架

卡尔纳普的内问题与外问题的区分,尽管在概念上有效地把科学断定与形而上学承诺隔离开来,其结果却使传统哲学失去可能的理论意义。托马森和雅布罗分别从实在论和虚构主义角度,力图表明即使在卡尔纳普框架下,也可使哲学存在问题有理论意义。但是,托马森方案没有做到其想做的,而雅布罗方案至多只是指出了一种可能方向,而对于怎样做并没有说明,或只有误导的说明。为使形而上学在卡尔纳普框架下有理论意义,需要放弃卡尔纳普经验主义的有意义性标准,且需要一种带有被哲学解释的存在谓词的语言系统,使它表达为这个系统中的内问题。     

基于k密集近邻算法的局部Fisher向量编码方法

在基于视觉词包模型的图像分类方法中,Fisher向量编码是常用的图像表示方法之一.该方法利用每一个特征关于所有高斯子模型似然函数的梯度信息来构建图像表达.而在编码过程中,每一个特征都会被投影到所有的高斯子模型上并进行编码,同时子模型之间的内在差异也未被考虑,这些不足削弱了Fisher向量的表达能力.为此,提出一种基于k密集近邻算法的局部Fisher向量编码方法.在编码过程中该方法引入局部性约束原则,并利用图像特征空间中高斯子模型间的拓扑结构差异.在多个数据集上进行测试,结果表明改进方法能够有效提升分类的准确率.     

我国高层管理团队领域研究热点可视化分析

高层管理团队(TMT)作为企业创新和发展的重要力量,受到国内外研究的关注和重视。以中国知网(CNKI)收录的高层管理团队相关文献为研究对象,使用Bibexcel、Ucinet 6. 0等软件进行共词分析和社会网络分析,总结出我国学者在TMT领域的五大研究热点:TMT的理论发展、TMT运作、TMT激励、TMT结果变量和情境变量,探讨我国高层管理团队新的研究趋势。研究表明:随着中国企业界女性领导力量的崛起以及可持续性发展的要求,女性高管和企业社会责任是未来研究的两大方向。     

张惠言词学研究述论

张惠言是常州词派的创始宗祖,学界对他的词学研究经历了三个阶段:清中后期至民国,以传统的印象式批评为主,但已基本涉及到了张惠言词学研究的主要方面,为后世研究奠定了基础。建国后至20世纪80年代,研究较为沉寂,多为对张惠言词学的宏观把握,但也为后续研究的繁荣打开了局面。自20世纪90年代后,张惠言词学成为研究热点,囊括了词史地位、词学思想、词作以及《词选》等诸多方面,在研究的广度与深度上皆取得了显著的突破。对张惠言词学的认识存在诸多差异,如何看待他在文学发展中的意义与影响,依然值得继续争鸣。     

横绝六合:论稼轩词雄豪博大的空间感

稼轩词的文本空间,有着"横绝六合"的极致艺术表现。首先,辛弃疾十分善于打造开放式的阔大空间场景,"千里""万里"和具有概括性的地理空间名词是其常用的空间描写素材,具有博大的格局;其次,辛弃疾常以英雄气质去抒写抗金报国这一重大时代主题,使其词作的文本空间中充溢着雄豪的气象,足以支撑博大的空间格局。此外,辛弃疾对文本空间的打造并非一味使大,而是能于豪迈中见精致,亦能以精致寓豪迈。辛弃疾对文本空间的打造,常常是大气魄、大主题与大景象、大场面的结合,因而其规模之宏大,于词史中无人能及。     

基于动态知识库搜索引擎的技术

“词的不匹配”是全文信息检索中存在的一个基本问题．为解决此问题,已提出过一些查询扩展方法．现提出一种新的基于动态知识库的搜索引擎原型——DKIRS检索系统．它利用用户检索的结果及用户的反馈信息动态地构造知识库,然后基于知识库对初始查询进行扩展,再利用扩展后的查询进行信息检索。