检索结果-内蒙古大学图书馆

现代图书情报技术 2014年第1期 72-78页

作者：关晓炟吕学强李卓郑略省北京信息科技大学网络文化与数字传播北京市重点实验室北京100101 北京大学计算语言学研究所北京100871

【目的】解决在用户查询日志中识别机构名的标注语料资源匮乏及信息不对称问题。【方法】提出一种自动构建用户查询日志机构名训练语料的方法,解决目前用户查询日志语料资源匮乏的问题。提出粘合度概念解决信息不对称问题,结合上下文等... 详细信息

【目的】解决在用户查询日志中识别机构名的标注语料资源匮乏及信息不对称问题。【方法】提出一种自动构建用户查询日志机构名训练语料的方法,解决目前用户查询日志语料资源匮乏的问题。提出粘合度概念解决信息不对称问题,结合上下文等信息,采用条件随机场模型进行机构名识别。【结果】该方法在搜狗用户查询日志上的开放测试结果显示,机构名识别的正确率为72.80%,召回率为86.73%,F值为79.16%,比传统机构名识别方法在日志上的F值提高30%。【局限】语料构建方法仅仅是模拟查询日志的特点,但训练模型的误差仍然会大于规范化标注的查询日志语料;机构名表的数据量大小会影响模型对上下文知识学习的完备性。【结论】实验表明该方法应用于用户查询日志中的机构名识别是有效的。

关键词：用户查询日志中文机构名语料构建粘合度条件随机场

来源：评论

学校读者我要写书评

暂无评论

领域本体术语抽取研究

引用

现代图书情报技术 2014年第1期 43-50页

作者：汤青吕学强李卓施水才北京信息科技大学网络文化与数字传播北京市重点实验室北京100101 北京拓尔思信息技术股份有限公司北京100101

【目的】尽可能多地抽取多字词本体术语,以保证本体构建的质量。【方法】提出基于部件扩展的本体术语抽取方法。利用部件的领域聚合性和词性特征,采用领域词频比较的方法抽取部件;考虑术语长度、术语词性构成以及术语内部结合度等因素,... 详细信息

【目的】尽可能多地抽取多字词本体术语,以保证本体构建的质量。【方法】提出基于部件扩展的本体术语抽取方法。利用部件的领域聚合性和词性特征,采用领域词频比较的方法抽取部件;考虑术语长度、术语词性构成以及术语内部结合度等因素,设计合理的扩展规则对部件扩展以形成候选术语;利用上下文关联信息、语境信息从候选术语集中筛选出本体术语。【结果】利用该方法在IT领域实验数据集上进行测试,实验结果准确率为83.5%,召回率为87%,准确率相比Baseline方法要高出2.5个百分点。【局限】部件抽取方法需要借助于平衡语料库,部件的质量直接影响术语抽取效果。【结论】实验结果表明该方法是有效的,对本体学习、本体构建具有积极意义。

关键词：本体术语术语抽取术语部件部件扩展

来源：评论

学校读者我要写书评

暂无评论

一种噪声无关的图像复原算法研究

引用

计算机应用与软件 2014年第5期31卷 191-196页

作者：杨梅吕学强马信龙施水才北京信息科技大学网络文化与数字传播北京市重点实验室北京100101 北京拓尔思信息技术股份有限公司北京100101

目前获取数字图像的方法存在使图像质量明显下降的问题,迫切需要图像复原的方法,对图像进行重建。在已知点扩散函数的情况下,通过摒弃传统的依赖噪声求出增益矩阵的过程,从修复增益矩阵出发,使复原后的图像更接近原始图像。新方法在递... 详细信息

目前获取数字图像的方法存在使图像质量明显下降的问题,迫切需要图像复原的方法,对图像进行重建。在已知点扩散函数的情况下,通过摒弃传统的依赖噪声求出增益矩阵的过程,从修复增益矩阵出发,使复原后的图像更接近原始图像。新方法在递推过程中矫正增益滤波偏大或偏小的现象,从而减少因为缺少噪声信息而产生的误差,而且相较于其他迭代算法,该方法时间复杂度较低。实验结果表明新方法可以有效地保证复原图像质量,并提高效率。

关键词：卡尔曼滤波增益矩阵噪声估计迭代算法噪声

来源：评论

学校读者我要写书评

暂无评论

问答社区问句中多字词表达提取

引用

吉林大学学报（理学版） 2014年第6期52卷 1230-1238页

作者：吴瑞红吕学强李卓舒燕北京信息科技大学网络文化与数字传播北京市重点实验室北京100101 北京拓尔思信息技术股份有限公司北京100101

基于互动问答社区问句中多字词表达和问句理解的关系,提出针对互动问答社区问句进行多字词表达抽取,并基于互动问答社区问句中多字词表达的特点,提出适用于互动问答社区的多字词表达提取方法.该方法在利用互信息和停用词表的方法从问句... 详细信息

基于互动问答社区问句中多字词表达和问句理解的关系,提出针对互动问答社区问句进行多字词表达抽取,并基于互动问答社区问句中多字词表达的特点,提出适用于互动问答社区的多字词表达提取方法.该方法在利用互信息和停用词表的方法从问句中抽取候选多字词表达的基础上,将候选多字词表达分为正确串、残缺串、冗余串和错误串4类,借助搜索引擎对查询串的优化和候选多字词表达在互联网上的检索结果,设计候选多字词表达校正方法,实现对多字词表达的提取.以新浪爱问知识人问题库中的问句进行实验,结果表明,多字词表达抽取的准确率、召回率和F值分别达到84%,52%和0.64,验证了该方法的有效性.

关键词：多字词表达问句理解互信息搜索引擎

来源：评论

学校读者我要写书评

暂无评论

Logistic视频字幕增强模型

引用

中国图象图形学报 2014年第5期19卷 683-692页

作者：李钦瑞吕学强李卓刘坤北京信息科技大学网络文化与数字传播北京市重点实验室北京100101 北京拓尔思信息技术股份有限公司北京100101

目的为提高复杂背景下的视频字幕在光学字符识别(OCR)中的识别率,需要对提取的视频字幕进行有效地字幕增强。首次将Logistic模型应用到视频字幕增强中,提出了基于Logistic模型的融合多帧信息的视频字幕增强方法。方法对字幕进行检测与跟... 详细信息

目的为提高复杂背景下的视频字幕在光学字符识别(OCR)中的识别率,需要对提取的视频字幕进行有效地字幕增强。首次将Logistic模型应用到视频字幕增强中,提出了基于Logistic模型的融合多帧信息的视频字幕增强方法。方法对字幕进行检测与跟踪,将出现在连续多帧中的同一字幕片段进行对齐;通过分析字幕片段在多帧中信息,提出字幕背景在时域上的变化特征、背景和字幕文本的固有特征,并将3个特征进行量化与融合,构建适用于字幕增强的Logistic模型,实现对视频字幕的增强。结果对含阴影或描边效果的特殊复杂背景字幕、普通复杂背景字幕、单一背景字幕分别进行实验,增强后的字幕在OCR软件中的识别正确率分别为81.76%、97.13%、98.19%,与对比方法比较均有一定的提高。结论实验结果表明,本文方法既可以降低字幕背景的复杂度,又可以提高字幕背景与文本的对比度,从而可以对复杂背景和单一背景下的视频字幕进行有效地增强。

关键词：复杂背景字幕增强 Logistic模型字幕检测与跟踪时域特征

来源：评论

学校读者我要写书评

暂无评论

智能文档操作界面的UIML描述方法

引用

计算机工程与应用 2014年第15期50卷 59-64页

作者：施运梅李宁刘旭红北京信息科技大学计算机学院北京100101 数字出版技术国家重点实验室(筹) 北京100871

从智能文档的概念产生开始到现在,出现了不同的相关产品和研究成果,但是它们在灵活性、可重用性、跨平台等方面存在缺陷。针对这些问题,建立了基于UIML的智能文档模型,模型采用MVC架构,应用用户界面描述语言UIML描述智能文档的操作界面... 详细信息

从智能文档的概念产生开始到现在,出现了不同的相关产品和研究成果,但是它们在灵活性、可重用性、跨平台等方面存在缺陷。针对这些问题,建立了基于UIML的智能文档模型,模型采用MVC架构,应用用户界面描述语言UIML描述智能文档的操作界面。解析器解析UIML文档,获得界面控件信息及事件响应,并生成动态操作界面。基于模型,建立了一个原型系统,对系统进行了用例测试,测试结果验证了模型的可行性和正确性。

关键词：智能文档用户界面用户界面描述语言(UIML) 模型-视图-控制器(MVC)

来源：评论

学校读者我要写书评

暂无评论

专利文献中关键词抽取方法的改进

引用

情报杂志 2014年第12期33卷 36-40页

作者：刘峰吴瑞红徐川吕学强公安部第一研究所北京100048 北京信息科技大学网络文化与数字传播北京市重点实验室北京100101

专利关键词是对专利文献的高度概括,正确提取专利文献中的关键词对于专利文献的分类、标引、聚类等具有重要意义。结合专利文献的特点,在目前已有方法的基础上,提出了专利文献中领域公共词提取方法、词素加权方法以及并列结构惩罚的方法... 详细信息

专利关键词是对专利文献的高度概括,正确提取专利文献中的关键词对于专利文献的分类、标引、聚类等具有重要意义。结合专利文献的特点,在目前已有方法的基础上,提出了专利文献中领域公共词提取方法、词素加权方法以及并列结构惩罚的方法,将其应用到专利文献关键词抽取中。在过滤公共词的基础上,综合运用词在文献中出现的位置、词频、词素和并列结构计算词对文献主题的影响度,抽取专利文献中的关键词。实验结果表明,在抽取关键词个数为5-9个时,所提方法优于局部加权TF-IDF方法,验证了所提方法的有效性。

关键词：专利文献专利关键词关键词抽取公共词

来源：评论

学校读者我要写书评

暂无评论

领域本体术语的抽取方法研究

引用

情报学报 2014年第2期33卷 167-174页

作者：张雷瀚吕学强李卓徐丽萍北京信息科技大学网络文化与数字传播北京市重点实验室北京100101 北京城市系统工程研究中心北京100044

领域术语是本体构建的基本要素，自动获取高质量的领域术语是构建领域本体的基础。本文提出一种多策略融合的领域术语抽取方法。分析领域术语的语法结构及统计特征，构造术语抽取的逆向词性规则和领域专用停用词表；利用PATTree术语抽... 详细信息

领域术语是本体构建的基本要素，自动获取高质量的领域术语是构建领域本体的基础。本文提出一种多策略融合的领域术语抽取方法。分析领域术语的语法结构及统计特征，构造术语抽取的逆向词性规则和领域专用停用词表；利用PATTree术语抽取模型和C-value方法获取候选术语；借鉴TF—IDF及参照语料对比思想，从单个文档和领域文档集两个层面计算术语领域度，并依据术语领域度的大小筛选得到领域术语。在经济类语料上的实验结果显示：领域术语的top-100、top-500和top-1500准确率分别达到了94.00％、85.20％和78.47％，与baseline相比，分别提高5％、4.8％和6.2％。

关键词：本体构建术语抽取逆向词性规则参照语料术语领域度

来源：评论

学校读者我要写书评

暂无评论

基于极性词典的中文微博客情感分类

引用

计算机应用与软件 2014年第1期31卷 34-37,126页

作者：王勇吕学强姬连春肖诗斌北京信息科技大学网络文化与数字传播北京市重点实验室北京100101 新华网络股份有限公司北京100101

微博客是近年来自然语言处理领域研究的热点。主要针对中文微博客中的情感分类展开研究。结合网络新词和基础情感词,同时考虑了情感词的极性情感强弱,构建四个词典,分别是基础情感词典、表情符号词典、否定词词典和双重否定词词典;在情... 详细信息

微博客是近年来自然语言处理领域研究的热点。主要针对中文微博客中的情感分类展开研究。结合网络新词和基础情感词,同时考虑了情感词的极性情感强弱,构建四个词典,分别是基础情感词典、表情符号词典、否定词词典和双重否定词词典;在情感词典的基础上,融合汉语语言学特征和微博情感表达特征,提出一种新的基于极性词典的情感分类方法。实验准确率达到82.2%。实验结果表明,提出的方法可以对中文微博进行较好的情感分类,有一定的应用价值。

关键词：微博客情感分类词典语言学特征

来源：评论

学校读者我要写书评

暂无评论

基于ARMA建模的MEMS陀螺随机误差补偿改进算法研究

引用

传感器世界 2014年第5期20卷 7-13页

作者：陈明明高国伟毕新磊潘宏生北京信息科技大学信息获取与与检测实验室北京100101

基于MEMS技术生产的MEMS器件,具有体积小、重量轻、成本低、耐冲击性、高可靠性等特点,它被广泛应用于动态水平测量装置当中。但是由于外界环境的干扰,MEMS器件的测量精度一直难以达到实际应用水平。分析了在动态水平测量当中影响MEMS... 详细信息

基于MEMS技术生产的MEMS器件,具有体积小、重量轻、成本低、耐冲击性、高可靠性等特点,它被广泛应用于动态水平测量装置当中。但是由于外界环境的干扰,MEMS器件的测量精度一直难以达到实际应用水平。分析了在动态水平测量当中影响MEMS器件测量精度的各种因素之后,提出了一种基于ARMA模型的针对MEMS陀螺器件随机误差补偿的改进型算法。以某型号的陀螺的随机误差为研究对象进行实验验证,结果表明,MEMS陀螺的测量精度在滤波之后有了明显的提高。经过改进后的卡尔曼滤波器和引入自适应渐消因子的卡尔曼滤波器,在静态环境下,它们的误差标准差分别降为原始误差的3.75%和4.8%,动态环境下的滤波精度也得到有效提高。证明该方法是可行的和有效的,具有较大的工程实践意义。

关键词： ARMA模型功率谱估计自适应渐消因子卡尔曼滤波

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：