一种文本讨论线索的自动获取方法

介绍了一种基于知识库的方式获取文本中讨论线索的方法.该方法根据文本出现的控制词与概念网中各个概念的关联,找出文本以及文本中各个段落的主题概念,并通过对概念网中的概念进行关系计算,获取文本的讨论线索,较好地避免了因文本叙述方式的不同以及指代的存在而带来的影响.实验结果显示,该方法对文本主题识别的准确率达82%,对段落主题识别的准确率达70%.     

智能建筑中火灾自动报警系统的设计

火灾自动报警系统(FAS)在现代智能建筑中起着极其重要的安全保障作用。概述了智能建筑中火灾自动报警系统的设计要点，并对火灾自动报警系统形式的选择、火灾探测器及手动火灾报警按钮的设计作了详细的论述，最后，提出智能建筑火灾自动报警系统的信息网络化设想。     

沈从文:精神家园的守望者--试论《边城》的艺术美

《边城》是中国现代作家沈从文的著名的代表作，与其它小说不同的是，作者用散文式的笔调。描绘了湘西小城如诗如画的自然风光、宁静和谐的风土人情，展现给读者一个充满艺术美感的“善”的天地，赞美了湘西人民淳朴自然的人性美，留给后人一片永恒的“精神家园”。     

一种基于压缩的全文本数据库倒排索引方法

文本信息数量的飞速增长给传统的信息检索技术带来了新的挑战。在目前有关信息检索技术的研究中,全文本数据库上的索引压缩技术是一项新的研究领域。这种技术能够使得查找文本具有更快的速度,并且能够节省磁盘空间,所以该技术具有较高的理论研究意义和良好的应用前景。提出了一个基于数据压缩的全文本数据库倒排索引结构,并在此结构上设计出了一些查找算法来获得更好的查找性。     

浅谈火灾自动报警系统的设计

火灾自动报警及消防联动系统的设计质量。直接关系到建筑物消防安全的水平。设计人员应努力提高设计的整体质量,以便充分发挥火灾自动报警及消防联动系统的作用，防止和减少火灾危害，保护人身和财产安全。     

作为一种小说类型的家族小说(中)

家族小说是一种有特殊规范的小说类型,它的题材内容具有特指性,常描写一个或几个家族的生活及家族成员间的关系;所叙故事,具有相当的时间跨度;其形式主要是长篇小说;叙事模式,有叙写家族由有序-无序-衰败的主流模式和叙写家族的"兴旺"史的非主流模式;情节母题主要包括"家族与性"两个方面;人物形象主要包括作为家族支柱的男性形象与作为家族附庸的女性形象.家族小说往往蕴涵了伦理文化、制度文化、风俗文化的内容和特征.     

基于文本分类的农业种植信息集成推荐方法研究

目前网络上存在着海量的农业信息,但是对于广大农民来说信息得不到有效的利用,迫切需要对信息进行集成推荐.针对网络上的农业种植方面的文本信息进行了深入研究,该系统首先利用爬虫技术自动地爬取海量农业种植信息,经清洗整理后构建数据集语料库.其次利用机器学习中KNN方法找到每个样本的k近邻对文章进行聚类,通过TF-IDF方法提取出关键词并构造词频矩阵,然后从文本中构建特征向量,进而对相似文档进行分类,最后将加权值经排序后的结果推荐给用户.该系统实现了对农业文本进行准确的自动分类以及自动提取出文章摘要,并对相似文章进行推荐展示的效果.     

非平行文本下基于变分自编码器和辅助分类器生成对抗网络的语音转换

提出了1种基于变分自编码器和辅助分类器生成对抗网络的语音转换方法,实现了非平行文本条件下多对多的高质量语音转换.在该方法中,利用辅助分类器生成对抗网络替代基于变分自编码器和生成对抗网络模型中的Wasserstein生成对抗网络.由于辅助分类器生成对抗网络将特征样本的类别标签作为辅助信息,其鉴别器不仅能预测样本真假,还能预测生成样本所属的类别,从而提高了生成对抗网络的生成效果.充分的客观和主观评价表明:本文提出的方法明显优于基准模型,在显著改善语音质量的同时也有效提升了说话人个性的相似度.     

用于文本分类的快速KNN算法

KNN(k Nearest Neighbor)算法是一种简单、有效、非参数的文本分类方法.传统的KNN方法有着样本相似度计算量大的明显缺陷,使其在具有大量高维样本的文本分类中缺乏实用性.提出了一种快速查找精确的k个最近邻的TKNN(Tree-k-Nearest-Neighbor)算法,该算法建立一棵用于查找的树,加速k个最近邻的查找.首先以整个样本集合中心为基准,按照距离中心的距离将所有样本进行排序,并等分L组,作为根结点的孩子,每个孩子以同样方式处理,直到每组样本数量在[k,2k]间为止.根据这棵树查找k个最近邻,减小了查找范围,极大地降低了相似度计算量.     

一种改进的中文分词歧义消除算法研究

随着信息技术的飞快发展,今天的互联网上信息已成爆炸式增长,文本挖掘技术成为目前研究的热点.文章概述了中文分词的算法,通过介绍歧义存在的种类,分析了分词结果歧义性存在的必然性;在中文分词基础上,提出了一种采用"动词优先"的歧义消除算法,使分词结果最大程度地消除歧义,从而提高了分词的精度,为文本挖掘之后的环节打下了基础.