基于表征重述的机器文本理解

传统机器翻译系统缺乏联系上下文形成认知的能力,仅根据对应单词的默认含义进行翻译,容易导致语义错误等问题。通过模拟人的表征重述认知过程,提出一种新的机器文本理解与翻译方法。该方法可通过较少的实例对文本进行理解和翻译,避免出现语义理解错误问题,且无需进行繁杂的语法标注。实验表明,该方法可通过引入习得的常识,使翻译出现歧义错误的概率降低到 1%以下,并可标注出不符合常理而又无法找到更好解释的句子。     

关联分析技术在学生成绩分析中的应用

采用VisualBasic对学生管理系统数据仓库进行关联分析,揭示了各科成绩之间的联系,详细描述了关联规则算法及实时优化,分析了使用高维数据结构在关联分析中的优化效果。