随着Internet上信息量的飞速增长,成千上万的网上文档需要分类以方便用户的浏览和获取。因此文档的自动分类工作已经越来越受到重视,一些相应的分类方法也应运而生。但其中很少有涉及到"层次化"的分类领域,且绝大多数方法仅仅返回单个分类结果。文中,我们提出了一种新的文档自动分类方法:MRHC(Multicategory ReturnedAlgorithmforHierarchicalClassification)。该方法着眼于层次化的分类技术,并在适当的情况下为文档返回多个分类结果。该方法中结合了特征削减和增量学习技术以便提高分类性能。最后,为了更加准确、客观的评价分类结果,提出了一种新的评估方法:LEP(Length of Error Path)。实验结果表明,提出的分类方法响应时间短,分类准确度高,具有较强的实用性。
Agent结构的建立是Agent研究的重要内容.尝试着结合BDI结构和情境演算的优点,提出了一个能够刻画Agent的多种特征,尤其是自主性的智能体结构AASC(Agent architecture based on situation calculus).此结构既能表示Agent的信念、目标、...
详细信息
Agent结构的建立是Agent研究的重要内容.尝试着结合BDI结构和情境演算的优点,提出了一个能够刻画Agent的多种特征,尤其是自主性的智能体结构AASC(Agent architecture based on situation calculus).此结构既能表示Agent的信念、目标、策略等心智状态,又能进行行动推理和规划,为解释Agent的自主性、建构不同类型的Agent提供了统一的平台.
提出了一种意向驱动式面向agent程序设计语言——AOPLID(agent-oriented programming language with intention driver).该语言基于开放式情景演算OSC(open situation calculus),吸收了GOLOG的合理成分,加入对信念、意向、能力、策略等a...
详细信息
提出了一种意向驱动式面向agent程序设计语言——AOPLID(agent-oriented programming language with intention driver).该语言基于开放式情景演算OSC(open situation calculus),吸收了GOLOG的合理成分,加入对信念、意向、能力、策略等agent心智成分的处理,使用信念修正原语处理通信交互以及事件响应等外因行动,并采用了一种新颖的离线规划和在线执行相结合的运行方式,从而解决了GOLOG语言在应用于面向agent程序设计时不能有效地描述处理agent心智状态,无法处理外因行动等问题.给出了AOPLID语言语法结构,基于OSC的AOPLID程序语义以及AOPLID程序实例.
暂无评论