基于改进蚁群算法的维吾尔文字图像分割

针对传统蚁群算法在维吾尔文字图像分割时容易产生缺陷和干扰的缺点,提出了一种改进的蚁群算法。该算法首先利用区域蚁群通过聚类中心对图像进行初步搜索和分割;然后再引入边界蚁群通过不同的路径选择信息素和策略更新手法来对图像进行边界补偿搜索;最后利用两种蚁群分别采用不同的路径选择信息素和筻略更新,共同实现对维吾尔文字图像精确分割的目标。实验结果表明,该算法准确分割出维吾尔文字区域,提高了其识别精度。     

中文文本分类中的文本表示因素比较

研究了中文文本分类中的文本表示方法,提出了对中文文本表示因素的分析框架,并通过对3个数据集实验结果的分析,确定了各种文本表示因素对分类效果的影响.直接使用汉字进行划分也可以获得较好的分类效果;简单的不使用很大词库的分词和使用大词库的分词,以及复杂的分词对分类效果影响不大;仅使用01表示特征是否出现也可以获得比较好的分类效果;采用综合了合理的向量取值(如使用合适的归一化算法)可以较大幅度地提高分类准确率等.这些结论为后续的应用提供了指导原则.     

基于信息可视化技术的文本聚类方法研究

信息可视化是信息管理和信息系统的热点研究问题。随着网络技术的发展,充分有效地利用丰富的文本资源成为人们关注的焦点。文本聚类是处理文本的重要方法之一。本文在分析现有文本聚类方法的基础上,结合可视化技术解决该类问题的一般过程,给出了一个基于非线性映射实现的可视化技术进行文本聚类的方法,并通过案例说明该方法的特点,指出它与目前流行方法的不同以及其优势所在。     

刑事案件上诉原因文本挖掘——基于二审文书数据

[目的/意义]从刑事二审案件裁判文书中挖掘上诉理由和相关影响因素,给法院和智慧量刑系统提供相关数据。[方法/过程]以北大法宝网近一年的刑事二审案件裁判文书作为基础数据,用信息抽取、word2vec训练词向量和聚类等文本挖掘方法对文本内容进行挖掘。[结果/结论]在传统的上诉理由之外,发现了基于上诉人自身态度的上诉理由。信息抽取、word2vec训练词向量和聚类等文本挖掘方法可用于裁判文书相关内容挖掘。     

试比较莱斯与纽马克的文本类型翻译理论

凯瑟琳娜。莱斯和彼得。纽马克的文本类型为翻译研究做出了巨大的贡献,通过对二者的文本类型理论的认识、对比和分析,二者的翻译理论在翻译的方法、步骤和翻译批评等方面存在差异,该文进行了详细的读解,二者的文本翻译理论研究为翻译学者提供了新的视角。     

论语篇翻译与教学

语篇是一个理论概念,我们在翻译活动中面临的是语篇。充分认识语篇概念并将其引入翻译教学是非常有益的。     

传统还是"先锋"?--于坚早期诗歌的另一种解读

在中国当代诗歌史上。于坚被称为具有先锋意义的“新生代”诗人。文章从诗学观点、诗歌选材、内容特征及其表现形式等几方面对于坚早期诗歌进行再认识。说明他既在传统之中。又在传统之外。     

基于领域本体的语义文本挖掘研究

为了提高文本挖掘的深度和精度,研究并提出了一种基于领域本体的语义文本挖掘模型.该模型利用语义角色标注进行语义分析,获取概念和概念间的语义关系,提高文本表示的准确度;针对传统的知识挖掘算法不能有效挖掘语义元数据库,设计了一种基于语义的模式挖掘算法挖掘文本深层的语义模式.实验结果表明,该模型能够挖掘文本数据库中的深层语义知识,获取的模式具有很强的潜在应用价值,设计的算法具有很强的适应性和可扩展性.     

Financial information management for university departments,using open-source software

This paper presents a model to analyse the different outcomes generated by the application of Task-Technology Fit (TTF) theory to economic and financial information management in university departments. This model extends that proposed by Goodhue (1995), in two ways: (i) a key role is played by the manager in designing the technology and in performing the task in question. Both of these aspects can be modified, depending on the evaluation made of a series of characteristics (or dimensions) inherent to the model. (ii) The free dissemination of the source code of the application not only allows the transfer of knowledge, but also creates virtual communities which, through collaborative work and the exchange of experiences, can achieve a better fit of the technology to the task at hand. This model has been introduced in several departments at the University of Granada (Spain), and evaluated in terms of the results obtained at both individual and group levels. This evaluation was conducted by means of in-depth interviews with departmental managers.     

基于改进KNN的文本分类方法

本文针对VSM (向量空间模型)中KNN (K最近邻算法)在文本处理环境下的不足,根据SOM (自组织映射神经网络)理论、特征选取和模式聚合理论,提出了一种改进的KNN文本分类方法。应用特征选取和模式聚合理论以降低特征空间维数。传统的VSM模型各维相同的权重并不适应于文本处理的环境,本文提出应用SOM神经网络进行VSM模型各维权重的计算。结合两种改进,有效地降低了向量空间的维数,提高了文本分类的精度和速度。