新葡京娱乐场-大陆娱乐场开户注册

成果描述：多屬性文本自適應(yīng)系 統(tǒng)主要實(shí)現(xiàn)對每個未 知屬性的通信實(shí)體進(jìn) 行屬性標(biāo)注的功能。 主要分為兩個過程， 即訓(xùn)練過程和預(yù)測過 程。 在訓(xùn)練過程中，系統(tǒng) 根據(jù)用戶提供的已經(jīng) 具有屬性的數(shù)據(jù)集、 用戶選擇的分類算法 所對應(yīng)的參數(shù)進(jìn)行訓(xùn) 練，得到訓(xùn)練模型。 在預(yù)測過程中，系統(tǒng) 根據(jù)用戶選擇的訓(xùn)練 模型對未知屬性的數(shù) 據(jù)集中的每個實(shí)體進(jìn) 行屬性標(biāo)注，并得到 標(biāo)注過屬性的數(shù)據(jù)集 。（注：在訓(xùn)練過程 中，用戶可以使用在 訓(xùn)練數(shù)據(jù)集上進(jìn)行交 叉驗(yàn)證的方法獲得在 固定參數(shù)和分類算法 下模型對未知樣本預(yù) 測的性能的大致估計 。）市場前景分析：隨著互聯(lián)網(wǎng)的迅速發(fā) 展，Web頁面上的信 息量呈指數(shù)級急劇增 長，如何快速、準(zhǔn)確 地從海量數(shù)據(jù)中抽取 出用戶真正需要的信 息已經(jīng)成為互聯(lián)網(wǎng)對 科研工作者提出的嚴(yán) 峻挑戰(zhàn)。 屬性標(biāo)注能夠?qū)⒕W(wǎng)頁 非結(jié)構(gòu)化文本內(nèi)容轉(zhuǎn) 化為結(jié)構(gòu)化的屬性數(shù) 據(jù)，方便用戶查詢和 進(jìn)一步分析使用；其 作為信息抽取的關(guān)鍵 一步，對提高信息抽 取的性能方面也具有 重要意義。與同類成果相比的優(yōu)勢分析：包括訓(xùn)練和預(yù)測兩個 過程，實(shí)現(xiàn)對不同數(shù) 據(jù)集的自適應(yīng)性屬性 標(biāo)注； 特征選擇功能，可以 在訓(xùn)練模型時，選擇 出對區(qū)分?jǐn)?shù)據(jù)類別更 有用的特征詞，這樣 ，可以降低實(shí)體所對 應(yīng)屬性的維度，從而 ，減少占用的內(nèi)容空 間，提高計算效率； 交叉驗(yàn)證功能，幫助 我們在訓(xùn)練階段，就 可以了解參數(shù)和算法 的選擇，對屬性標(biāo)注 時準(zhǔn)確性的影響； 生成報告功能，可以 在訓(xùn)練階段的交叉驗(yàn) 證結(jié)束后，產(chǎn)生一個 訓(xùn)練階段的報告，幫 助用戶更好地記錄實(shí) 驗(yàn)數(shù)據(jù)、參數(shù)、時間 和準(zhǔn)確性等信息； 評估功能，比較模型 標(biāo)注結(jié)果與樣本真實(shí) 標(biāo)簽的一致性、差異 性，以評價一個模型 的好壞。

多屬性文本自適應(yīng)系統(tǒng)主要實(shí)現(xiàn)對每個未知屬性的通信實(shí)體進(jìn)行屬性標(biāo)注的功能。 主要分為兩個過程， 即訓(xùn)練過程和預(yù)測過 程。 在訓(xùn)練過程中，系統(tǒng) 根據(jù)用戶提供的已經(jīng) 具有屬性的數(shù)據(jù)集、 用戶選擇的分類算法 所對應(yīng)的參數(shù)進(jìn)行訓(xùn) 練，得到訓(xùn)練模型。 在預(yù)測過程中，系統(tǒng) 根據(jù)用戶選擇的訓(xùn)練 模型對未知屬性的數(shù) 據(jù)集中的每個實(shí)體進(jìn) 行屬性標(biāo)注，并得到 標(biāo)注過屬性的數(shù)據(jù)集 。（注：在訓(xùn)練過程 中，用戶可以使用在 訓(xùn)練數(shù)據(jù)集上進(jìn)行交 叉驗(yàn)證的方法獲得在 固定參數(shù)和分類算法 下模型對未知樣本預(yù) 測的性能的大致估計 。）

一、項(xiàng)目進(jìn)展 創(chuàng)意計劃階段 二、負(fù)責(zé)人及成員 姓名 學(xué)院/所學(xué)專業(yè) 入學(xué)/畢業(yè)時間 學(xué)號 陳泳岐 計科院/計算機(jī)科學(xué)與技術(shù) 2019.9/2023.6 201931061097 三、指導(dǎo)教師 姓名 學(xué)院/所學(xué)專業(yè) 職務(wù)/職稱 研究方向 楊云 計科院/軟件工程 講師 數(shù)據(jù)庫應(yīng)用 四、項(xiàng)目簡介 本次研究主要是在“智慧政務(wù)”等網(wǎng)絡(luò)留言平臺的基礎(chǔ)之上對大量留言數(shù)據(jù)進(jìn)行分類、提取熱度并對留言的回復(fù)情況進(jìn)行質(zhì)量評價，構(gòu)建出基于機(jī)器學(xué)習(xí)的自然語言處理平臺的一系列算法實(shí)現(xiàn)。主要包括三種算法，分別對應(yīng)于政務(wù)留言中的三個痛點(diǎn)問題。留言分類算法主要是用來將不同留言進(jìn)行分類和標(biāo)簽，再分別發(fā)送到對應(yīng)部門，問題處理之后，留言回復(fù)質(zhì)量評價算法將官方人員的回復(fù)質(zhì)量進(jìn)行采集與評價，判斷單位人員對留言的處理情況。留言熱點(diǎn)計算算法能夠抽取每個留言的主題并生成相應(yīng)的關(guān)鍵詞展示給政務(wù)人員。

本發(fā)明涉及計算機(jī)技術(shù)領(lǐng)域，提供一種文本分類方法與設(shè)備，所述方法包括：S1，利用基于關(guān)鍵詞庫擴(kuò)充的特征選擇規(guī)則，確定各目標(biāo)文本的特征詞集合；S2，利用基于特征詞類內(nèi)均勻度和特征詞類間區(qū)分度的權(quán)重計算公式，計算所述特征詞集合中各特征詞的權(quán)重；S3，利用最大權(quán)重融合算法，對同一目標(biāo)文本的特征詞在不同文本類別中的權(quán)重進(jìn)行權(quán)重融合運(yùn)算，構(gòu)建目標(biāo)文本特征向量；S4，基于所述目標(biāo)文本特征向量，利用多標(biāo)記分類模型對所述目標(biāo)文本進(jìn)行分類。本發(fā)明提供的一種文本分類方法與設(shè)備，能夠有效提高文本信息表達(dá)的準(zhǔn)確性、提高模型構(gòu)建的效率，確保準(zhǔn)確高效地對文本信息進(jìn)行多標(biāo)記分類。

成果描述：互聯(lián)網(wǎng)文本內(nèi)容主題 概念漂移檢測系統(tǒng)， 通過分析數(shù)據(jù)集中的 所有文檔數(shù)據(jù)的潛在 語義關(guān)系，提取出它 們之間的潛在語義主 題標(biāo)示，通過評估參 數(shù)的方法，將生成的 主題時序關(guān)系用數(shù)據(jù) 的形式表示出來，并 以此為依據(jù)主動發(fā)現(xiàn) 待預(yù)測數(shù)據(jù)集中主題 的轉(zhuǎn)變與轉(zhuǎn)化現(xiàn)象， 并提供給用戶這一主 題轉(zhuǎn)移過程。市場前景分析：點(diǎn)。基于這些特點(diǎn)， 流數(shù)據(jù)的處理和分析 面臨巨大的挑戰(zhàn)，是 當(dāng)前數(shù)據(jù)挖掘領(lǐng)域研 究的熱點(diǎn)。 分類是數(shù)據(jù)挖掘領(lǐng)域 的重要課題，當(dāng)前流 數(shù)據(jù)分類問題面臨的 主要挑戰(zhàn)之一就是概 念漂移問題，即數(shù)據(jù) 中學(xué)習(xí)的概念（從屬 性到類別的映射）是 隨時變化的。 通過對互聯(lián)網(wǎng)中文本 內(nèi)容的主題概念漂移 進(jìn)行檢測，對于正確 分類互聯(lián)網(wǎng)文本等方 面具有重要的意義。與同類成果相比的優(yōu)勢分析：能夠?qū)⑸傻闹黝}時 序關(guān)系用數(shù)據(jù)的形式 表示出來，方便用戶 查看； 可以動態(tài)調(diào)整評估參 數(shù)，以實(shí)現(xiàn)對不同數(shù) 據(jù)集的自適應(yīng)性分析； 可以將評估參數(shù)值與 發(fā)生概念漂移的主題 中心相關(guān)聯(lián)，主動探 測出主題發(fā)生變化的 過程。

互聯(lián)網(wǎng)文本內(nèi)容主題 概念漂移檢測系統(tǒng)， 通過分析數(shù)據(jù)集中的 所有文檔數(shù)據(jù)的潛在 語義關(guān)系，提取出它 們之間的潛在語義主 題標(biāo)示，通過評估參 數(shù)的方法，將生成的 主題時序關(guān)系用數(shù)據(jù) 的形式表示出來，并 以此為依據(jù)主動發(fā)現(xiàn) 待預(yù)測數(shù)據(jù)集中主題 的轉(zhuǎn)變與轉(zhuǎn)化現(xiàn)象， 并提供給用戶這一主 題轉(zhuǎn)移過程。

成果描述：本軟件面向文本，對知識單元關(guān)聯(lián)關(guān)系進(jìn)行挖掘，從而實(shí)現(xiàn)對海量數(shù)據(jù)信息的合理利用。現(xiàn)在已經(jīng)能夠根據(jù)文本挖掘出文本所含知識單元對的對應(yīng)關(guān)系，實(shí)現(xiàn)了從海量信息中的知識關(guān)系提取。市場前景分析：隨著計算機(jī)網(wǎng)絡(luò)的迅速發(fā)展和日益普及，因特網(wǎng)上的信息以指數(shù)增長。信息時代帶來了海量的數(shù)字化文本，日益積累的數(shù)據(jù)使得信息的獲取越來越困難。人們的時間和精力是有限的，面對如此巨大的數(shù)字資源，無法從大量數(shù)據(jù)中迅速而準(zhǔn)確地找到有用的信息，因而需要自動化的抽取工具，來幫助人們檢索海量數(shù)據(jù)。與同類成果相比的優(yōu)勢分析：本軟件相對于其他同類成果，自動化程度更高，挖掘關(guān)系的正確性有相對提高，對海量數(shù)據(jù)中知識單元關(guān)系的挖掘有很大的用處。

本軟件面向文本，對知識單元關(guān)聯(lián)關(guān)系進(jìn)行挖掘，從而實(shí)現(xiàn)對海量數(shù)據(jù)信息的合理利用。現(xiàn)在已經(jīng)能夠根據(jù)文本挖掘出文本所含知識單元對的對應(yīng)關(guān)系，實(shí)現(xiàn)了從海量信息中的知識關(guān)系提取。

  這項(xiàng)研究以現(xiàn)有證券市場識別可疑交易的方法為基礎(chǔ)，提出利用信息分析技術(shù)和常識知識推理能力，進(jìn)行市場新聞的文本分析，并過濾可疑交易的數(shù)量。文中所提出的算法解決了交易線索和信息線索之間的關(guān)系識別和深層挖掘的問題。在技術(shù)指標(biāo)測試，數(shù)據(jù)可靠性測試和用戶體驗(yàn)測試之下，該原型系統(tǒng)均表現(xiàn)良好。

本發(fā)明公開了一種基于全卷積網(wǎng)絡(luò)的多方向文本檢測方法，首先獲取訓(xùn)練數(shù)據(jù)集中的文本塊，并訓(xùn)練全卷積網(wǎng)絡(luò)模型；然后利用訓(xùn)練好的全卷積網(wǎng)絡(luò)模型對測試數(shù)據(jù)集中的圖片進(jìn)行檢測，獲取文本塊；然后提取文本塊的字符成分，并根據(jù)字符成分的位置信息估算圖像中的候選文本條位置；最后訓(xùn)練針對文本條中字符成分的全卷積網(wǎng)絡(luò)模型，利用訓(xùn)練好的模型對候選文本條進(jìn)行檢測，獲取其中的字符成分，根據(jù)字符成分過濾掉不需要的文本條，得到圖像中文本條的位置。本發(fā)明方法文本檢測方法檢測率高，且能夠克服光照、遮擋、模糊等不利因素的影響。