基于机器阅读理解的商品属性识别

属性抽取的目标是从非结构化文本中抽取与文本实体相关的属性和属性值，然而在电商场景下基于序列标注的模型缺少应对大规模属性抽取任务的可扩展性和可泛化性能力。本文提出基于阅读理解的商品属性抽取模型，通过额外加入问句来强化模型对属性的理解，结合双仿射注意力机制捕获问句和文本之间的语义特征，进一步提高模型的抽取性能。本文在电商数据集上对不同类型问句和不同解码器进行了对比实验，结果表明本文提出的方法优于多个基线模型，相较于OpenTag和SUOpenTag模型，属性抽取的F1值分别提升7.70%和3.26%，未登录词识别的F1值分别提升15.51%和8.12%。     

数据仓库中的数据集成

首先提出了数据仓库中数据集成的一个总体框架;然后探讨了数据集成在数据仓库设计方案中的作用、所要解决的问题、工作流程等;最后,介绍作者依据这一框架所开发的"铁路货票信息综合利用系统数据仓库解决方案"的数据集成工具DWE-DI.     

XML在Web文本抽取中的应用

作为互联网的新技术,XML的应用非常广泛,利用XML技术实现Web数据挖掘,可以根据用户的不同需求,将现有的Web页面中符合用户的有用信息抽取出来。本文综合HTML、XML技术,采用Java语言编程.具体实现了对股票信息的文本抽取。通过追踪某股票不同时刻的价格,实现了对指定股票的报价查询,根据设定自动地从Web上查找股票价格的信息,并通过浏览器呈现给用户。     

基于预训练模型和混合神经网络的医疗实体关系抽取

医疗文本具有实体密度高、句式冗长等特点,简单的神经网络方法不能很好地捕获其语义特征,因此提出一种基于预训练模型的混合神经网络方法。首先使用预训练模型获取动态词向量,并提取实体标记特征;然后通过双向长短期记忆网络获取医疗文本的上下文特征,同时使用卷积神经网络获取文本的局部特征;再使用注意力机制对序列特征进行加权,获取文本全局语义特征;最后将实体标记特征与全局语义特征融合,并通过分类器得到抽取结果。在医疗领域数据集上的实体关系抽取实验结果表明,新提出的混合神经网络模型的性能比主流模型均有提升,说明这种多特征融合的方式可以提升实体关系抽取的效果。     

空间听觉与虚拟听觉空间的计算机仿真

一些科学工作者对人类以及动物听觉的自由声场至耳膜的传递函数进行了测量,他们发现在宽带信号激励的情况下,不同频率分量之间的幅度差异是与声源的方向有关的,这一发现已被用于展现“真实”的三维听觉,称作虚拟听觉空间仿真。     

基于选区的彩色图像抽取和融合算法研究

给出了一种利用图像中定义的选择区域（选区），从复杂背景中尽可能保持原样地提取出所关心图像的图像抽取方法；同时还介绍了如何对抽出的图像进行融合设置，进行看似自然的、无缝的融合；另外对算法的应用过程进行了适当的描述，作出算法的实际使用情况说明．     

提升KPCA方法特征抽取效率的算法设计

在PCA基础上发展出的KPCA方法能抽取样本的非线性特征分量。然而, 基于KPCA的特征抽取需计算所有训练样本与待抽取特征的样本间的核函数, 因此, 训练集的大小制约着特征抽取的效率。为了提高效率，假设特征空间中变换轴可由一部分训练样本(节点)线性表出，并设计了改进的KPCA算法(IKPCA)。该算法抽取某样本特征时，只需计算该样本与节点间的核函数即可。实验结果显示，IKPCA在对应较好性能的同时，具有明显的效率上的优势。     

一种基于属性抽取与整合的Petri网模型

将感觉神经检测机制融合于Petri网中，提出了一种新的基于属性抽取与整合的感觉神经检测Petri网模型，使得Petri网更加适合于对神经思维的描述，提高了系统的智能行为。     

一种基于粗糙集的文本分类规则抽取方法

随着文本数据库的日益增大，寻找新的文本数据处理方法变得十分紧迫。本文将粗糙集理论应用于文本自动分类的规则提取，提出了基于粗糙集理论的文本分类方法。把文本特征项的权值进行离散化处理后，作为规则的条件属性，文本所属的类别用作决策属性，构造决策表，然后通过决策表的知识约简算法提取出文本的分类规则。实验结果表明，该方法提取规则的分类正确率较高，分类速度较快。     

二维磁性纳米结构材料的Monte Carlo模拟

运用Monte Carlo模拟方法，通过分折系统自旋序参数与温度的变化关系了解纳米结构材料磁性的特征．计算模拟结果表明，磁性纳米材料具有比同等大小和平均密度的单晶低的居里温度，且在相变过程中往往会出现一些亚稳态．研究结果提供了一种解析金属纳米结构材料特性的重要方法．