基于中文自由文本击键特征的自动欺骗检测模型

研究表明欺骗行为在一定程度上会影响用户击键模式的变化.在互联网社交应用领域,通过击键特征对欺骗行为的检测对网络信息安全建设具有重要意义.然而,现有的欺骗行为检测模型侵入性强,实时性差等问题,限制了其在互联网社交应用领域的应用.针对以上问题,本研究设计了一个实验从短文本中收集了广泛的用户击键特征(单键特征、内容特征、双键特征),分别采用遗传算法(GA)和支撑向量机(SVM)完成特征选择和模型建立,开发出一个用以预测用户欺骗行为的模型(GA-SVM).研究结果表明:该模型能够有效地检测出用户的欺骗行为,获得82.86%的分类准确率;三类击键特征对欺骗行为的检测都有贡献.此外,欺骗者认知负荷和心理压力对击键模式影响也被探讨.     

基于多类特征池化的文本分类算法

文本分类是文本挖掘的一个内容,在信息检索、邮件过滤、网页分类等领域有着广泛的应用价值。目前文本分类算法在特征表示上的信息仍然不足,对此本文提出了基于多种特征池化的文本分类算法。在该算法中,本文首先对分词后的文本采用skip-gram模型获取词向量,然后对整个文本的词向量进行多种池化,最后将多种池化的特征作为一个整体输入到Softmax回归模型中得到文本的类别信息。通过对复旦大学所提供的文本分类语料库(复旦)测试语料的实验,该结果表明本文所给出的多种特征池化方法能够提高文本分类的准确率,说明了本文算法的有效性。     

默声音符编码文本输入方法

人们希望语音输入能够取代键盘,成为计算机文本输入的最主要方式.但语音输入在噪声环境中准确率低,且会泄露输入信息,也会影响他人.本文提出默声音符编码文本输入方法,该方法选择默声音中容易发声、容易精准识别且彼此间容易区分的少数几个音素作为默声音符(silent voice symbol),对各种字符进行编码.类似摩尔斯电码,用户只需要记住编码方式,就可以通过读默声音符准确地实现文本输入.实验证明提出的方法有潜力替代键盘在各种环境下完成文本输入任务.     

基于粗糙集与支持向量机的Web文本分类

Web文本分类是Web数据挖掘的一个重要研究方向,它是在通过经验数据训练得到的分类体系下,根据网页的文本内容自动判别网页类别的过程,本文提出一种综合粗糙集与支持向量机的Web文本分类模型,利用粗糙集的属性约简方法,减少支持向量机训练数据的维数,提高Web文本分类的性能与效率．     

2008年浙江省高等数学（微积分）文专组竞赛试题评析

本文评析了2008年浙江省高等数学微积分竞赛文专组试题中的一些典型题目,以飨读者。     

基于条件随机场的中文自动文摘系统

提出了一种基于条件随机场的中文自动文摘方法.用条件随机场来建立词性标注模型.在文摘句抽取时,引入了关键词抽取技术抽取文摘句.在生成文摘时,采用了基于规则的方法去除文摘中的冗余信息,使最后生成的文摘更具有可读性.实例表明该方法能够适应于许多领域,得到了很好的应用效果.     

基于数据挖掘的传媒信息安全系统

随着网络的发展,越来越多的广播电视信息由模拟转为数字,传媒信息安全问题迫在眉睫,是亟待解决的问题.本文采用文本分类技术,设计了一种新的文本分类模型,并应用该传媒信息安全系统,从而减少系统的误报率和漏报率,实验结果表明,该算法具有较高的分类精度和效率.     

也谈《话语分析》

话语分析作为一门新型的学科,与其它语言学分科如语义学、认知语言学、功能语言学、语用学等相结合,研究语篇和话语的隐性意义。Brown＆Yule合著的《话语分析》系统地论述了该学科的理论和方法,为之后的话语分析开了一扇新窗。     

Automatic patent document summarization for collaborative knowledge systems and services

Engineering and research teams often develop new products and technologies by referring to inventions described in patent databases. Efficient patent analysis builds R&D knowledge, reduces new product development time, increases market success, and reduces potential patent infringement. Thus, it is beneficial to automatically and systematically extract information from patent documents in order to improve knowledge sharing and collaboration among R&D team members. In this research, patents are summarized using a combined ontology based and TF-IDF concept clustering approach. The ontology captures the general knowledge and core meaning of patents in a given domain. Then, the proposed methodology extracts, clusters, and integrates the content of a patent to derive a summary and a cluster tree diagram of key terms. Patents from the International Patent Classification (IPC) codes B25C, B25D, B25F (categories for power hand tools) and B24B, C09G and H011 (categories for chemical mechanical polishing) are used as case studies to evaluate the compression ratio, retention ratio, and classification accuracy of the summarization results. The evaluation uses statistics to represent the summary generation and its compression ratio, the ontology based keyword extraction retention ratio, and the summary classification accuracy. The results show that the ontology based approach yields about the same compression ratio as previous non-ontology based research but yields on average an 11% improvement for the retention ratio and a 14% improvement for classification accuracy.     

基于知网的文本标注

知网（英文名称HowNet）是一个以汉语和英语的词语所代表的概念为描述对象,以揭示概念与概念之间以及概念所具有的属性之间的关系为基本内容的常识知识库,本论文以知网中的知识词典为资源,以两篇真实文本为示例,研究基于知网的文本标注,以探讨知网知识在中文信息处理中的作用。