网页制作及上传方法研究

讨论了一种网页制作及上传服务器方法,采用微软办公软件Office制作完整的网页,网页可以包含文字、表格、图片等多种对象．采用多文件上传方法上传网页文件及其所插入的图片等对象．在实际应用中具有更大的灵活性．     

《仓央嘉措情歌》的用词风格统计研究

文章基于语料库的统计方法,以仓央嘉措的124首情歌为研究对象,确定词汇切分原则,建立了情歌语料库以及藏汉对照分词库,从诗篇包含的词条数量分布、诗句包含的词条数量分布和词汇的频度和频率三方面对《情歌》在语言艺术方面的成就进行了量化研究,也为藏族文学研究提供了一种新的研究方法和手段.     

Pro/ENGINEER文件的转换

以文件导出的模式,介绍了将pro/ENGINEER文件转换为AutoCAD文件和输出到MicrosoftWord文件的方法,并举例说明了如何将pro/ENGINEER图档导出,以便在AutoCAD格式中处理或将其在MicrosoftWord文件中显示     

巧用Word2000

介绍了Word2000的一些常用的、独特的功能及其使用技巧，包括中文校对、中文简繁体转换、“大容量”的剪贴板、特大字和特小字的书写、中英文互译、自动保存和为文档设置密码以及即点即输功能。     

Word和Excel在图书馆信息宣传中的应用

信息宣传应符合读者“求近、求方便”的心理,文章对某高校图书馆应用Word和Excel进行信息宣传的方案作了介绍。     

基于Word2vector的文本特征化表示方法

针对基于词语统计的特征化表示无法有效提取文本的词义特征的问题,提出一种基于上下文关系的文本特征化表示方法。该方法利用Word2vector提取词义特征,获得词向量;再对词向量进行“最优适应度划分”的聚类,并根据聚类结果将词语替代表示为聚类质心;根据质心及其所代表的词语的词频,构成词向量聚类质心频率模型（semantic frequency-inverse document frequency,SF-IDF）,用于特征化表示文本。在不依赖语义规则的情况下,分别以路透社文本集Reuter-21578、维基百科（extensible markup language,XML）数据为文本数据集,采用神经网络语言模型（neural network language model,NNLM）算法进行文本分类实验,并采用F1-measure标准进行样本分类的效果评估,词向量聚类质心频率模型SF-IDF（semantic frequency-inverse document frequency,SF-IDF）向量与现有技术中词频-逆向文件频率（term frequency-inverse document frequency,TF-IDF）向量的分类效果对比,与TF IDF模型进行对比实验;在Reuter 21578数据集上平均准确率由原有的57.1%提高到63.3%,在Wikipedia XML数据集上平均准确率由原有的48.7%提高到59.2%。SF-IDF模型可适用于现行的基于特征向量的信息检索算法,且较TF-IDF模型有更高的文本相似性分析效率,可提升文本分类准确率。     

语言学语域的学术词汇表与术语词汇表

通过对56万余字的语言学语料用AntConc 3.5.8等软件进行统计,创建了包括469个词的语言学学术词汇表(Linguistic Academic Word List, LAWL)和包括338个词的语言学术语词汇表(Linguistic Terminological Word List, LTWL)。LAWL是排除了通用词汇表(GSL)和通用学术词汇表(AWL)之后的专门学科词汇。LTWL不必排除通用词汇表和通用学术词汇表,所以除了与LAWL有265个词交叉之外,还包括GSL和AWL的73个词。     

利用VBA在 Word中实现自动排版功能

在深入分析Microsoft Word排版软件内在功能的基础上，利用Word中附带的VBA功能开发了一个可以自动对Word的文档内容实现多种复杂格式自动排版的插件，给出了一种扩展Word功能的途径和方法，实现了自动排版；以字典排版为例，解决了在同一段落中含有多种复杂格式文字符号的文档排版问题，而且给出了分析实现方法并介绍了具体排版实例程序。     

针对虚拟人的文本情感语义分析

为了使个性化虚拟人更加形象生动,能根据用户输入的文本做出表情动作,运用自然语言处理技术对中文和英文文本进行语义和分类处理,分析出动作和情感信息。采用潜在语义方法从文本中提取出动作语义信息,利用hownet计算词汇相似度,使用K最近邻方法将文本情感信息分为6类:愤怒、厌恶、恐惧、喜悦、悲伤和惊讶。实验结果为:语料文本分类准确率为87.5%,系统能从用户输入的文本中提取出情感、动作信息,使虚拟人做出相应表情变化。     

基于Word2Vec和决策树的故障定位技术

利用Word2Vec方法对Java源代码进行深层语义编码,生成文件级和行级的语义向量,并将其用作输入数据来训练决策树模型,以实现精确的文件级别和行级别故障定位,优化故障检测过程,构建一个综合文件级别与行级别分析的高效故障定位框架. 实验结果表明：该模型在各项目中的故障定位准确率均高于83%.