CiLin Expansion and Its Application to Word Sense Disambiguation

40000 new entries are added to CiLin in knowledge engineering. Statistics are presented about the sense ambiguity of Chinese words in CiLin. An automatic solution is proposed for the problem of Chinese sense disambiguation, which utilizes the heuristics of part-of-speech tagging and Naive Bayesy classification based on a partially disambiguated corpus.     

基于散列技术的快速子串归并算法

用统计方法研究东西方语言的多词单元问题和东方语言的未登录词问题时需要删除同频子串(子串归并)．传统的子串归并算法时间复杂度为O(n^2),在大规模语料库的处理中效率低下．提出一种基于散列技术的时间复杂度为O(n^2)的子串归并算法,并用数学方法证明其与O(n^2)复杂度的算法等价,即输入相同时输出也相同．不同规模语料上的实验结果表明新算法能够大大缩短子串归并所需时间,适用于大规模语料库的处理．     

高温高压高产井DST过程中井底流压及井口回压的计算

DST测试期间,为了完成测试任务,通常通过油套环空加压的方式来控制井下不同目的的测试工具。对于高温高压高产井,由于地层压力高,环空使用的液体的密度可能比较高,而测试管柱内,液体组分比较复杂不能简单的使用原油的密度进行计算。为了防止测试管柱的挤毁,文中提出了使用不同油嘴下的井口压力值,测试产量,关井压力恢复过程中的井口压力以及流体性质计算测试期间井底流压,测试管柱内外压,以及防止测试管柱被挤毁而需要施加的最小的井口回压的计算公式。通过使用A油田2口井的DST的测试数据,进行了验证,公式的精度可以满足现场作业的要求。     

词与短语的模糊界限分析

词与短语的模糊界限表现为两种现象:某一语言形式不是典型的词或短语,出现了“中间地带”;在发展过程中,语言形式在词与短语间变化,转化期间的跨越界限是模糊的。从结构讲,词(主要是复合词)和短语的概念结构有共同之处,都有核心成分与边缘成分,但也有不同之处。可从概念的三个主要功能入手,分析词和短语在归类、推理和叠加方面的不同表现,来确定某一语言成分的属性。     

S12交换机EC7.4版用户分组

从源的分析、字冠分析、任务单元定义3个方面,阐述了S12交换机EC7.4版的用户分组问题。     

基于文献计量的中文科技新词探讨

文章以中国知网的中文学术文献数据库为基础,利用词频统计,结合时间参数,对中文科技新词做了探讨。文章认为,高被引论文的关键词包含了专业领域的重要中文科技名词。统计结果表明,大部分高被引论文为基金论文。由于基金论文在全部论文中所占比例较低,因此,不需要考虑全部新论文,只要对其中基金论文的关键词做词频统计,就有助于发现大部分重要中文科技新词。这样,既减少了工作量,也减少了盲目性。此项工作对科研工作者和术语工作者有一定帮助。     

构建单字词表识别未登录词的方法

针对目前中文分词技术主要依赖于常用词词典,而词典对未登录词识别率较低的问题,提出一种用双词典识别未登录词的方法,即构建一个常用词词典和一个单字词词典,二者相互结合进行分词,有效解决了对未登录词识别效率偏低的问题.实验表明,采用构建单字词表法对未登录词的识别准确率可达90%以上.     

基于KNN的Android智能手机微信取证方法

针对微信数据多,无法从中快速找到与案件相关数据的问题,提出了一种基于KNN(k-nearest neighbor)算法的Android智能手机微信取证方法。引入词语相似度计算会话间的距离,将微信会话表示成特征词的向量,用KNN算法对会话进行分类,迅速找到与犯罪有关的聊天内容,并通过实验验证了该方法的可行性与准确性。     

非线性方程数值解法的研究

本文主要是介绍非线性方程的数值解法,通过对牛顿迭代法、二分法和弦截法的实例化求解,分析并得出其一般性适用情况.由于非线性方程在科学计算中的广泛应用,使其对处理科学、工程问题以及相关的数值计算问题具有一定的启发意义.     

基于网页特征的特征词提取技术

特征词提取是一项提炼整个web页面内容的实用技术,同时也为文本分类,信息抽取应用提供了技术支持.在web页面内容上,利用段落间语义关系划分出网页内容的篇章结构,并以此为基础使用网页的元数据和特殊标签,设计了一个特征词的加权函数,综合考虑了词频、词长和位置因子,最后,实验对比了各类位置因子对系统的贡献度.实验结果表明,改进方法的F1值比传统的TFIDF提取技术提高了15.5%,其中,位置因子中的标题,关键词和摘要因素对系统的贡献最大.