Windows95下进程间通信的探讨

探讨和研究在Ｗｉｎｄｏｗｓ９５环境下３２位应用程序可以使用的网络ＤＤＥ、Ｗｉｎｄｏｗｓ Ｓｏｃｋｅｔｓ和命名管道等方式的实现方法,并比较这两种方法的特点和适应范围。     

基于多源知识的中文微博命名实体链接

命名实体在文本中是承载信息的重要单元,而微博作为一种分享简短实时信息的社交网络平台,其文本长度短、不规范,而且常有新词出现,这就需要对其命名实体进行准确的理解,以提高对文本信息的正确分析。提出了基于多源知识的中文微博命名实体链接,把同义词词典、百科资源等知识与词袋模型相结合实现命名实体的链接。在NLP&CC2013中文微博实体链接评测数据集进行了实验,获得微平均准确率为92.97%,与NLP&CC2013中文实体链接评测最好的评测结果相比,提高了两个百分点。     

《两岸科技常用词典》中的台湾名处理

《两岸科技常用词典》是一部由大陆和台湾合编的、涵盖30个学科领域的科技类工具书。其中两岸的差异名词占总数的19%。经分析,这些差异体现在人名或地名译名差别、对外来科技名词翻译方式不同、使用字母词方面不同、双方汉字用词习惯、修订名词的力度和步伐不同导致的差异等方面。因此,对台湾名词的鉴别与使用也成为编纂该词典的难点之一。具体处理时,对于一个大陆名比对出多个台湾名的情况,通过同名优先原则、释义匹配原则、学科匹配原则来确定;对于比对出不符合释义的单个台湾名和没有比对出台湾名的词,通过与台湾专家不断沟通来商定。     

基于半监督学习的多源异构数据治理

为实现不同数据管理系统之间的互通,提出一种基于半监督学习算法的多源异构数据治理框架,并由此设计、实现和测试了一套非结构化数据与结构化数据的自动化对齐方法。利用命名实体识别（NER）技术,将非结构化数据转化为结构化数据,再分别利用基于字符串相似度的方法和基于监督学习的方法,对结构化数据进行模式匹配;通过半监督学习方法,在结构化数据与数据库记录实体之间进行实体匹配与融合;利用自然语言处理（NLP）技术及深度学习方法,对融合后的数据集进行缺失值填补。结果表明：在论文数据集和视频元数据集上进行对齐处理后,两者的F1值分别达到89.70%及96.50%;在不同属性上进行缺失值填补后,整体填补准确率达到78%以上,大大优于基线方法的准确率。     

面向网络文本的中文产品命名实体识别

分析电子数码领域的产品命名实体识别的难点和特点,提出了一种基于知识库的最大熵模型的产品命名实体识别方法,实现了从中文网络文本中抽取产品命名实体.实验表明,该系统在电子数码领域中能较好地识别出产品命名实体,对产品命名实体的F1值识别性能达到86.91%.     

智能生态网络:知识驱动的未来价值互联网基础设施

未来互联网内容知识化、知识价值化、价值网络化、网络生态化、生态智能化的发展趋势已经越来越显著.针对传统IP互联网架构僵化、内容感知能力弱、多构架/多网络融合能力差、控制调度灵活性低、内生安全与信任维护机制缺失、服务质量模式单一、评价指标及方法落后等不足,创新性地提出智能生态网络（intelligent eco networking,IEN）.IEN基于虚拟化、可编程设备、软硬结合的技术路线,改进信息中心网络构架构,综合分布式人工智能分析决策与区块链共识计算技术,考量存储、计算与带宽网络资源成本/效益指标,构建层次化、智能化、语义化的新型智联网络构架.IEN向后兼容IP协议,向前演进面向跨域、边缘重点场景的命名（或标识）与IP融合异质计算寻址的多模态网络协议,叠加内容、身份鉴授权与多方可信激励机制,增强网络资源分配模型和优化评价体系.通过内容语义检测与身份可信鉴授权,IEN能坚持安全可控与开放包容并重,旨在形成一个高扩展、动态适应、多目标优化的网络基础设施,砥砺探索新一代产业化、经济化、生态化未来互联网,奠定一个开放与共享、协同互惠的智能生态网络.     

一种基于面的拓扑元素永久命名及辨识方法

通过对面的合并、分割拓扑结构演化和设计意图的分析,提出和实现一个基于面的拓扑元素新的命名和辨识方法.该命名方法采用基于面拓扑结构演化的动态命名和可变长字符串编码,将造型过程中面复杂的拓扑变化简单地通过一个可变长字符串编码描述;设置特征引用拓扑元素的实名和虚名,基于命名编码子集操作和特征拓扑相关性分析,辨识特征引用拓扑元素;并将边元素引用统一按基于面的命名和辨识方法处理.该法较好地实现了参数化特征造型中拓扑结构变化情况下拓扑元素的辩识,并成功应用于自主版权的基于历史和特征的造型软件系统--JhSolid中.     

实体类别信息增强的命名实体识别算法

中文命名实体识别（named entity recognition, NER）字符级别模型会忽略句子中词语的信息,为此提出了一种基于知识图谱中实体类别信息增强的中文NER方法。首先,使用分词工具对训练集进行分词,选出所有可能的词语构建词表;其次,利用通用知识图谱检索词表中实体的类别信息,并以简单有效的方式构建与字符相关的词集,根据词集中实体对应的类别信息生成实体类别信息集合;最后,采用词嵌入的方法将类别信息的集合转换成嵌入与字符嵌入拼接,以此丰富嵌入层生成的特征。所提出的方法可以作为嵌入层扩充特征多样性的模块使用,也可与多种编码器-解码器的模型结合使用。在微软亚洲研究院提出的中文NER数据集上的实验展现了该模型的优越性,相较于双向长短期记忆网络与双向长短期记忆网络+条件随机场模型,在评价指标F1上分别提升了11.00%与3.09%,从而验证了知识图谱中实体的类别信息对中文NER增强的有效性。     

基于分层标注的中文嵌套命名实体识别

中文命名实体识别在中文信息处理中扮演着重要的角色. 在中文信息文本中, 许多命名实体内部包含着嵌套实体. 然而, 已有研究大多聚焦在非嵌套实体识别, 无法充分捕获嵌套实体之间的边界信息. 采用分层标注方式进行嵌套命名实体识别(nested named entity recognition, NNER), 将每层的实体识别解析为一个单独的任务, 并通过Gate过滤机制来促进层级之间的信息交换. 利用公开的1998年《人民日报》NNER语料进行了多组实验, 验证了模型的有效性. 实验结果表明, 在不使用外部资源词典信息的情况下, 该方法在《人民日报》数据集上的F1值达到了91.41%, 有效提高了中文嵌套命名实体识别的效果.     

基于接口可靠性的命名数据网络概率转发策略

面对现有签名算法计算复杂度高与节点计算资源有限的矛盾,命名数据网络节点在流量较大的场合,无法完成所有接收数据包的签名校验工作,导致内容污染成为其重要的安全隐患之一.针对该问题,提出一种基于节点接口可靠性的概率转发策略.节点对接收数据包尽力校验,根据接口的成功校验概率评估接口可靠性,进而以此为依据设置每一接口的转发概率,将用户请求的兴趣包尽可能转发至可靠的上游节点或源服务器.仿真结果表明,在网络整体污染较轻的场景下,相比于等概率随机转发策略,本策略能有效地对抗内容污染.