Web服务语义标注方法

为了对W eb服务语义信息进行描述,提出了一种W eb服务语义标注方法。以现有的W eb服务描述语言(W SDL)文件为基础,充分利用W SDL中XM L schem a的语义信息与本体实体的相似性,从W SDL文件中抽取语义信息,并利用实体之间的名称相似度与结构相似度进行语义标注,生成基于OW L-S的W eb服务语义描述。用该方法对多个领域的W eb服务进行了语义标注,标注正确率在92.5%以上,较好地解决了W eb服务的语义标注问题。     

辐射环境领域XML Schema建模

从我国辐射环境领域数据管理的需要出发,参考国际上相关领域的最新进展,将XML Schema技术应用于辐射环境领域数据模型的创建,并应用于实际的核辐射数据库管理系统中.     

基于优化层次聚类的文档逻辑结构抽取

半结构化文档的逻辑结构自动发现可以改善文档的浏览方式,提高文档内容构件的复用性,有效克服了半结构化文档难于利用的弱点。该文将文档处理对象扩展到结构松散的文档实例,提出了基于优化层次聚类的文档逻辑结构抽取算法——CEDLS。算法首先对文档逻辑结构标志性信息进行识别与特征提取,并根据逻辑结构抽取的特点对传统的层次聚类分析方法进行改进,使获得的分类结果适用于CEDLS算法的逻辑层次归纳策略。最终以上海证券所的年报为测试集进行实验,通过与传统的方法进行比较,证明了这种算法在容错性能和正确率方面的优越性。     

Chinese Statistical Parser Based on Semantic Dependencies

IntroductionMuch recent research on statistical parsers hasfocused on English.English has a large syntacticcorpus,the English UPenn Treebank.Everysentence in this corpus corresponds to a syntacticstructure[1] .Many kinds of parsers for Englishhave been developed based on this corpus[2 4 ] .Thestructure of the Chinese language is quite differentfrom English and there have been only a fewefforts to build syntactic corpora in recent years.Two syntactic corpora were just announced in2 0 0 0 ,t…     

科学发展统全局五大亮点看榆炼

2007年,陕西延长石油集团榆林炼油厂以学发展观统揽全局,紧紧围绕生产建设这条主线,创新工作思路,全年各项经济指标均超额完成,企业管理呈现五大发展特色。     

基于Bayesian决策的本体缓存

为了解决在语义W eb信息处理中本体的频繁存取造成的性能问题,提出基于B ayes ian决策理论的本体缓存模型。该模型有效利用本体的语义性和本体的存取日志来抽取特征向量(包括语义特征、存取特征和类型特征),通过B ayes ian决策理论指导在本地缓存频繁使用的本体,并通过机器学习优化缓存模型,提高本体概念和实例缓存命中率。本体的有效缓存减少了本体网络访问的开销,实验表明,采用该本体缓存模型后,原型系统的本体访问速度在G auss分布的本体访问概率下提高了25%左右。     

汉语句法分析系统CSAS

本文介绍了作者研制的汉语句法分析系统CSAS的算法、知识表达以及系统结构。     

儿童的歌者——冰心泰戈尔比较谈

冰心对儿童的颂赞受到印度文学巨子泰戈尔的影响,这是人所共知的。两位诗人都是那样钟情于儿童,以满怀的热爱歌唱儿童的世界。但是在以往的研究中人们更多的注意了冰心拿来的胆识和气度,忽略了她所以拿来的原因。即使探究原因,也往往强调五四时代的作用,而淡化了两位诗人思想和创作发生共鸣的一些内在根源。冰心曾说,泰戈尔的“宇宙和个人的灵中间有一大调和”的信仰,他的存蓄与发挥“天然的美感”的诗词,“都渗入我的脑海中,和我原来的‘不能言说’的思想,一缕缕的合成琴弦,奏出     

Entire Solution Path for Support Vector Machine for Positive and Unlabeled Classification

Support vector machines(SVMs)aim to find an optimal separating hyper-plane that maximizes separation between two classes of training examples(more precisely,maximizes the margin between the two classes of examples).The choice of the cost parameter for training the SVM model is always a critical issue.This analysis studies how the cost parameter determines the hyper-plane;especially for classifications using only positive data and unlabeled data.An algorithm is given for the entire solution path by choosi...