基于SVM的多类文本分类研究

基于统计学习理论．构建了SVM文本分类模型，并给出了模型参数的100自动选择算法，解决了以往参数靠经验确定的弊端。传统的文本分类系统不能处理一篇文档同属多类别的情形，论文将该情形归结为多类文本分类问题，提出二叉决策树SVM模型，并就农业机械化工程文档进行了实证分析。结果表明，该算法具有较好的分类效果。     

组织学习建模研究

组织学习是组织克服发展障碍，实现能力提升的重要手段。各学派对组织学习的研究中都提出了自己的建模方式，文章试图通过综述目前主流的建模分类，通过对模型起点与定性结构的分析，指出组织学习系统建设的重点由组织内部以知识增加为基础的建模转变为以组织绩效提升为基础的建模。     

基于量子自组织网络的Web文本自动分类方法

针对Web信息挖掘中的文本自动分类问题,提出了一种基于模糊特征向量和量子自组织特征映射网络的分类方法.该方法在特征提取时充分考虑了特征项在文档中的Web位置信息,构造出模糊特征向量,使自动分类原则更接近手工分类方法.     

基于对象型分类引导方式激发高校学生学习动力方法解析

随着经济的快速发展、科学水平的不断提高,学习的重要性日益凸显,让高校学生在大学期间养成良好的学习习惯是教育工作者共同努力的方向,也是服务于“终身学习”这一目标的应有作为。但现阶段大学生学习动力不足现象日益凸显,不爱学习、不会学习的学生人数日益增加,为了解决这一问题,提出了基于对象型分类引导方式的学习动力激发方法,将理论与实践相结合、教育脉络与引导思路相统一,在实践中取得了良好成效。     

基于增量学习的图书文本分类方法

[目的/意义]旨在解决传统图书文本人工分类耗时耗力的问题,以及深度学习算法无法良好处理更新图书文本资源的分类问题.[方法/过程]提出了一种基于增量学习的图书文本分类方法,先利用现有图书资源创建标准文本分类模型,再采用增量学习方法修改模型,使其能够不断地帮助模型学习到新增的图书类别.[结果/结论]研究实验表明,增量式图书...     

统计学习在图像分类中的应用研究综述

在基于图像内容的分析与理解领域图像分类技术是近些年来的研究热点,在景物自动识别、机器人等领域有着重要的应用。本文介绍了统计学习与图像分类的基本原理,讨论了在图像分类中常用的一些统计学习算法,并对其依据生成式学习和判别式学习进行系统阐释。     

多层次文本分类法的模型构建及实验分析——以进出口商品归类问题为例

【目的/意义】政府机构的数据规模在数字时代得到了空前的增长,这也为多类目政务数据的自动化处理工 作带来了挑战。在此背景下,本文通过引入多层次文本分类方法,对进出口商品的自动归类问题进行了探索。【方 法/过程】基于HS编码的层次结构,构建了一个包含三个层次的分类模型,通过逐层判别进而累加的方式进行文本 分类;同时,对SVM与TextRNN等算法的分类效果进行了对比。【结果/结论】多层次分类模型对于解决商品归类问 题的总体效果较好;在数据充分的情况下,TextRNN 比 SVM 的效果相对较好（第 1 层 93.00%>92.90%,第 2 层 96.46%>96.38%）,而在学习不充分的环境下,SVM具有较大优势（第3层92.49%<95.92%）;SVM取得了85.88%的最 佳叠加正确率。【创新/局限】本研究尝试基于多层次分类方法解决商品自动归类问题,但数据规模及应用场景仍有 待拓展。     

加强对学生英语学习策略的指导

教师在英语教学中不仅要传授学生知识,更重要的是要使学生掌握如何学得更多的知识。本文就如何加强对学生英语学习策略的指导,从情感策略、认知策略、调控策略、交际策略等方面进行了探讨。     

BP神经网络在网页自动分类中的应用

针对信息挖掘中的网页自动分类问题,提出了一种基于向量空间模型和并联BP网络的分类方法。该网络由并行连接的多个子网络组成,每个子网络负责一类模式特征的提取,多个子网并行处理所有模式,将分类结果在总输出层表现出来。以因特网上旅游网页分类为例验证了该方法的有效性。     

中文文本分类反馈学习研究

本文依据反馈学习的思想和支持向量机分类算法,在分析中文文本分类过程的基础上,给出了基于反馈学习的中文文本分类模型,通过实验研究了反馈学习对中文文本分类模型性能的影响.结果表明,反馈学习对分类性能的提高有明显作用,它是对实时变化信息的有效解决方法.     

文本知识的自动分类方法初探

本文结合运用信息管理和人工智能的原理与技术，探讨了文本知识的自动分类方法，包括：自动归类与聚类方法、基于实例的学习分类方法和基于特征值的元学习方法。     

组织学习定义分类框架研究

创设科学的组织学习定义分类框架,是结束组织学习定义界定歧义状态的有效手段.在对目前组织学习定义分类框架进行评述的基础上,提出了学习维度视角的组织学习定义分类框架.在该框架下,所有的组织学习定义被分成单维度组织学习定义和多维度组织学习定义两大基本类别.     

记忆英文单词窍门

本文针对英语初学者在学习英语过程中常遇到的记忆单词的问题，根据多年学习和教学的经验，提供了几点记忆单词的方法或窍门。只要掌握了记忆单词的方法或窍门，对单词的学习才有一定的帮助。     

浅谈日语敬语的分类与使用

敬语是在交际活动中根据地位的高低、长幼、亲疏等关系,为表示自己的谦逊和教养以及对他人的尊重或礼貌而使用的语言表达形式。日语中敬语系统非常发达、完备。由于敬语的使用,使得公众场合下的日语就显得十分典雅。但由于其过于繁复的语法又使得敬语的学习非常困难。对于中国日语学习者来说,日语中敬语的学习更是一道难以逾越的障碍,     

无标记数据学习及其在图像检索中的应用

机器学习的应用中,通常存在大量的未标记示例,对这些数据进行标记是昂贵和耗时的。与传统的监督学习不同,基于无标记数据的学习能同时在少量的已标记数据和大量的未标记数据上进行学习,从而提高学习的性能,已成为目前机器学习领域中的一个研究热点。分析了基于无标记数据的学习适用基于内容的图像检索的原因,并阐述了相关研究的进展情况。     

基于BERT的领域本体分类关系自动识别研究

【目的/意义】实现对领域本体分类关系的自动学习识别,解决领域本体知识框架结构体系的自动化构建问 题。【方法/过程】通过对领域本体分类关系自动识别的国内外研究现状及存在问题进行分析总结,以当前开源的先 进的深度学习文本预训练模型BERT为基础,研究构建了基于BERT的领域本体分类关系自动识别模型,并以资源 环境学科领域为例进行了实验研究和评估分析。【结果/结论】基于BERT构建的分类模型能够实现对领域本体分类 关系的自动识别,识别方法和流程具有极大地通用性和可移植性,识别精度比传统方法有了较大提升。【创新/局 限】微调与泛化了BERT,提高了领域本体分类关系识别模型的通用性和精度。但由于受分类标注语料的质量限 制,模型精度尚未达到峰值,有待进一步优化提升。     

小样本条件下的半监督遥感影像分类方法研究

遥感图像监督分类需要充足精确的标注数据训练分类器,然而数据标注需要人工参与,很多任务难以及时获得符合要求的监督信息,不利于影像分类。半监督学习是一种利用少量标注数据和大量未标注数据共同训练分类器的机器学习方法,能从机理上减少人工参与,提高效率。本文引入一种半监督方法——平方损失互信息归一化模型(squared-loss mutual information regularization,SMIR)实现遥感图像分类。实验结果表明,在小样本监督信息的条件下,SMIR能够利用标注数据与未标注数据,直接构建多类分类器,其影像分类结果优于经典的支持向量机(support vector machine,SVM)方法。     

科研动态搜索引擎的自动分类方法研究

随着搜索引擎应用的不断深入,人们对搜索引擎的个性化需求越来越多,对搜索结果的要求也越来越越高,如何实现高精准的垂直领域信息搜索和推荐是目前搜索领域所面临的难题。科研动态是科研工作者非常关心的信息,为提供更高效精准的科研动态信息,本文将基于半监督的分类方法用于科研动态信息的自动分类,用于科研动态搜索引擎系统,实现科研动态信息按用户需求精准搜索和推送,通过实例验证分类方法的有效性。     

基于自然语言处理和深度学习的建设工程合同智能分类方法研究

当前建设工程合同管理工作量大,长期依赖人工审核和主观经验,为改变合同审查依赖主观经验的现状,进一步探索和实现合同条款智能识别和智能审核,尝试引入基于深度学习（DL）的自然语言处理（NLP）技术,提出一种建设工程合同智能分类方法。首先,设计合同智能分类方案,分别采用卷积神经网络（CNN）、长短期记忆网络（LSTM）和融合模型进行计算实验;其次,将CNN和LSTM模型用于合同文本特征提取和合同文本分类中,通过融合两个神经网络以提升分类模型的性能指标。结果显示,精确率和召回率的调和平均数（F1值）最高的为融合模型,其次是LSTM模型,CNN模型最低。相较于基于机器学习的其他同类研究,基于NLP和DL的建设工程合同分类融合模型能够提高合同文本分类任务的效果,实现对大规模数据量的施工、勘察、监理等不同类型合同的准确识别以及快速分类和归档。     

实体语义关系分类及应用研究

[目的/意义]实体语义关系分类是信息抽取重要任务之一，将非结构化文本转化成结构化知识，是构建领域本体、知识图谱、开发问答系统、信息检索系统的基础工作。[方法/过程]本文详细梳理了实体语义关系分类的发展历程，从技术方法、应用领域两方面回顾和总结了近5年国内外的最新研究成果，并指出了研究的不足及未来的研究方向。[结果/结论]热门的深度学习方法抛弃了传统浅层机器学习方法繁琐的特征工程，自动学习文本特征，实验发现，在神经网络模型中融入词法、句法特征、引入注意力机制能有效提升关系分类性能。