新葡京娱乐场-大陆娱乐场开户注册

本發(fā)明公開(kāi)了一種基于不完整文本描述的特定行人檢索方法，主要思想是把用戶不完整的文本描述 轉(zhuǎn)化為一個(gè)屬性向量，然后采用一種屬性完善的算法來(lái)豐富這個(gè)屬性向量的描述能力。在檢索階段，基 于完善后的屬性向量的檢索過(guò)程被分為成對(duì)的兩個(gè)流程：離線處理和在線處理。對(duì)于離線處理，需要訓(xùn) 練幾個(gè)屬性分類器來(lái)檢測(cè)庫(kù)中圖片的屬性；另外，還應(yīng)從屬性向量中學(xué)習(xí)一個(gè)距離度量標(biāo)準(zhǔn)。對(duì)于在線 處理，首先采用線性稀疏重建方法來(lái)完善用戶提供的屬性，然后將離線學(xué)習(xí)得到的距離度量標(biāo)準(zhǔn)運(yùn)用到 完善后的屬性向量中。實(shí)驗(yàn)證明，本發(fā)明的方法在兩個(gè)具有代表性的數(shù)據(jù)集上獲得了優(yōu)越的性能。

本發(fā)明提出了一種基于操作轉(zhuǎn)換的文本編輯實(shí)時(shí)協(xié)同方法，本發(fā)明首先通過(guò)產(chǎn)生的本地操作發(fā)送到 其他站點(diǎn)，然后通過(guò)因果接受找出與該操作具有并發(fā)關(guān)系的操作；對(duì)其進(jìn)行轉(zhuǎn)換得到該操作在該站點(diǎn)的 執(zhí)行形式，并將該操作加入到執(zhí)行隊(duì)列，完成協(xié)同編輯；本發(fā)明能夠支持在網(wǎng)絡(luò)環(huán)境下多用戶實(shí)時(shí)對(duì)同 一文本進(jìn)行協(xié)同編輯；本發(fā)明能夠支持實(shí)時(shí)協(xié)同編輯工作，即所有的用戶最終得到一致的結(jié)果的，并且 結(jié)果是用戶想要的；本發(fā)明應(yīng)用到實(shí)時(shí)協(xié)同編輯中不需要全序控制；不僅能夠做到結(jié)果一致，而

本發(fā)明公開(kāi)了一種基于空間變換的自然場(chǎng)景下文本識(shí)別方法，首先對(duì)訓(xùn)練圖像集中的文本圖像，獲取圖像的文本內(nèi)容，并訓(xùn)練基準(zhǔn)點(diǎn)定位網(wǎng)絡(luò)、圖像預(yù)處理網(wǎng)絡(luò)、圖像編碼器網(wǎng)絡(luò)以及特征解碼器網(wǎng)絡(luò)等網(wǎng)絡(luò)模型；然后利用訓(xùn)練得到的網(wǎng)絡(luò)模型對(duì)待識(shí)別圖像集中圖像進(jìn)行空間變換，得到變換后的待識(shí)別圖像；然后計(jì)算變換后的待識(shí)別圖像的特征向量以及預(yù)測(cè)概率序列，最終獲取圖像識(shí)別的結(jié)果。本發(fā)明方法文本識(shí)別準(zhǔn)確率高，且能夠克服文本排列不規(guī)則等不利因素的影響。

心情搜索，是情感分析和搜索引擎的有機(jī)結(jié)合，在情感分析的基礎(chǔ)上，對(duì)海量微博數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析。用戶可以搜索感興趣的話題，獲知該話題隨著時(shí)間變化大眾情感的變化，獲知公眾對(duì)該話題的主流看法和討論。 技術(shù)實(shí)現(xiàn)：本成果包括情感分析、情感值與關(guān)鍵詞統(tǒng)計(jì)、索引建立和熱點(diǎn)話題提取4大部分。情感分析部分負(fù)責(zé)完成對(duì)文本內(nèi)容進(jìn)行情感分析。情感值與關(guān)鍵詞統(tǒng)計(jì)部分對(duì)情感分析的結(jié)果進(jìn)行統(tǒng)計(jì)，分析每個(gè)話題隨著時(shí)間的推移，各種情感出現(xiàn)頻率的變化，并提取涉及該話題的文本內(nèi)容中的出現(xiàn)頻次最高的關(guān)鍵詞。索引建立部分對(duì)情感值和關(guān)鍵詞統(tǒng)計(jì)數(shù)據(jù)建立索引，便于對(duì)其檢索。熱點(diǎn)話題提取部分對(duì)當(dāng)前的網(wǎng)絡(luò)文本進(jìn)行實(shí)時(shí)分析，發(fā)現(xiàn)大家議論的熱點(diǎn)話題。本發(fā)明在對(duì)網(wǎng)上言論進(jìn)行情感分析的基礎(chǔ)上，分析每個(gè)話題的熱度曲線和網(wǎng)民議論該話題時(shí)提到的關(guān)鍵詞，并實(shí)現(xiàn)話題搜索和熱點(diǎn)話題的提取。市場(chǎng)前景：為特定需求進(jìn)行定制，實(shí)時(shí)分析特定對(duì)象的關(guān)注熱點(diǎn)和情感傾向或特定事件在一段時(shí)間內(nèi)的情感變化趨勢(shì)，可應(yīng)用于需要關(guān)注網(wǎng)上言論的機(jī)構(gòu)或企業(yè)。

本發(fā)明公開(kāi)了一種基于壓縮感知理論的文本數(shù)據(jù)流抽樣方法，包括步驟 1）將文本數(shù)據(jù)流分割成固 定大小的文本片段并通過(guò)向量空間模型表示成矩陣；2）使用壓縮感知理論對(duì)文本數(shù)據(jù)流進(jìn)行空間降維 抽樣；3）計(jì)算降維后每個(gè)文本的信息熵；4）基于文本的信息熵通過(guò)對(duì)數(shù)傾斜時(shí)間（LTT）模型得到抽 樣文本。本發(fā)明面向互聯(lián)網(wǎng)海量的、不斷增加的文本流，通過(guò)更少的存儲(chǔ)消耗來(lái)實(shí)現(xiàn)更快的文本流抽樣 和存儲(chǔ)，在大大降低抽樣文本流規(guī)模的情況下，能夠以全局視角獲得整個(gè)文本流中最有價(jià)

1、自然語(yǔ)言處理，文本信息提取算法。 2、政策知識(shí)圖譜、企業(yè)知識(shí)圖譜。

本發(fā)明公開(kāi)了一種結(jié)合字符級(jí)和字符串級(jí)分類的文本檢測(cè)和識(shí)別方法，在圖像中提取可能屬于同一字符的像素集形成備選字符；濾除不滿足字符幾何特征統(tǒng)計(jì)規(guī)律的備選字符；采用基于字符旋轉(zhuǎn)和尺度不變性特征的字符級(jí)分類器對(duì)備選字符分類，以確定備選字符為某字符的概率；將字符兩兩合并形成初始字符串；計(jì)算兩兩字符串間的相似度，將相似度最高的兩字符串合并成新的字符串，直到?jīng)]有可再合并的字符串；采用基于字符串結(jié)構(gòu)特征的字符串級(jí)分類器對(duì)字符串分類，以確認(rèn)具有語(yǔ)意的字符串；利用待識(shí)別字符為某一字符的概率對(duì)字符串識(shí)別，得到語(yǔ)意文本。本發(fā)明將文本檢測(cè)和識(shí)別過(guò)程作為一個(gè)整體，利用檢測(cè)和識(shí)別的相互作用提高結(jié)果精度，簡(jiǎn)單高效。