簡介：網(wǎng)絡(luò)與信息時(shí)代的到來，數(shù)據(jù)與信息充斥著我們的生活，滲透于各個(gè)領(lǐng)域。同時(shí)，隨著我國辦公自動(dòng)化進(jìn)程不斷推進(jìn)，產(chǎn)生的數(shù)據(jù)越來越多，數(shù)據(jù)庫存儲(chǔ)技術(shù)給這些數(shù)據(jù)提供了規(guī)范化、結(jié)構(gòu)化的管理方式，但是能否將日常產(chǎn)生的數(shù)據(jù)全部規(guī)范為數(shù)據(jù)庫格式，能否從看似有用卻又無法處理的海量數(shù)據(jù)中挖掘與分析出有用的信息，傳統(tǒng)的數(shù)據(jù)庫導(dǎo)入技術(shù)與查詢方式顯然已無法滿足需要，尤其對于文檔類的非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行采集、分析更是成為目前研究的熱點(diǎn)問題。本課題從實(shí)際業(yè)務(wù)需求出發(fā)，針對目前計(jì)算機(jī)軟件產(chǎn)生的各類文檔進(jìn)行采集、存儲(chǔ)、實(shí)體信息提取與分析。結(jié)合實(shí)際工作需要，研發(fā)了“基于非結(jié)構(gòu)化數(shù)據(jù)的抽取與分析系統(tǒng)”軟件。根據(jù)其業(yè)務(wù)應(yīng)用，制定了開發(fā)方案，對技術(shù)難點(diǎn)進(jìn)行了攻堅(jiān)，將日常使用的各類文檔以非二進(jìn)制數(shù)據(jù)形式存入數(shù)據(jù)庫中，完成數(shù)據(jù)的入庫規(guī)整。使用WINDOWSIFILTERAPI來解決對各類不同格式文檔的采集兼容性問題，利用CDO組件解決EMAIL文件的操作難題，效果明顯、方法簡練，將非結(jié)構(gòu)化文檔成功轉(zhuǎn)換為半結(jié)構(gòu)化文檔轉(zhuǎn)換。在此基礎(chǔ)上，利用TQPSPLITAIDLL組件從采集的文檔內(nèi)容中抽取出姓名、地址、電話號碼、汽車牌照、身份證號、銀行卡號、EMAIL地址、URL等有用和關(guān)心的實(shí)體信息，全面實(shí)現(xiàn)數(shù)據(jù)結(jié)構(gòu)化。為了適應(yīng)真實(shí)數(shù)據(jù)與工作環(huán)境，針對海量數(shù)據(jù)的特性，根據(jù)“私有云”中“基礎(chǔ)設(shè)施即服務(wù)”的理念設(shè)計(jì)了分布式處理系統(tǒng)，解決了海量文檔采集與實(shí)體信息提取的難題，實(shí)現(xiàn)了網(wǎng)絡(luò)負(fù)載均衡。并且最終根據(jù)業(yè)務(wù)需求模型對結(jié)構(gòu)化數(shù)據(jù)進(jìn)行分析，以圖形的方式展示了分析結(jié)果，系統(tǒng)中模擬HUSPRING力引導(dǎo)動(dòng)態(tài)布點(diǎn)算法對分析結(jié)果進(jìn)行可視化展示，依照引用力學(xué)原理，有效區(qū)分圖形社團(tuán)，有利于海量信息的展示，增強(qiáng)了最終分析結(jié)果圖形展示可讀性。在系統(tǒng)設(shè)計(jì)與研發(fā)中，應(yīng)用了文檔采集、實(shí)體抽取、分布式計(jì)算、可視化展示等多項(xiàng)技術(shù)，并進(jìn)行了區(qū)分功能模塊的設(shè)計(jì)思路，符合現(xiàn)代軟件開發(fā)標(biāo)準(zhǔn)。研發(fā)成果得到了使用單位的肯定并得到使用單位系統(tǒng)全國裝備，顯著提升了相關(guān)業(yè)務(wù)工作能力。

簡介：點(diǎn)擊查看更多開放式電子文檔剽竊檢測服務(wù)構(gòu)建技術(shù)研究.pdf精彩內(nèi)容。

簡介：隨著信息化時(shí)代的到來，相互交流的信息內(nèi)容越來越豐富，一個(gè)中文信息文檔中不僅會(huì)含有中文，英文還有各種各樣的公式以及表格和圖形圖像等內(nèi)容。因此，快速而準(zhǔn)確的將信息中各種內(nèi)容輸入到計(jì)算機(jī)是信息處理的一個(gè)關(guān)鍵問題。中文文檔識(shí)別系統(tǒng)就是為了實(shí)現(xiàn)信息的識(shí)別輸入以及轉(zhuǎn)換信息文檔格式而設(shè)計(jì)出的產(chǎn)物。而目前的識(shí)別系統(tǒng)并不能實(shí)現(xiàn)公式的識(shí)別輸入，設(shè)計(jì)一種含有公式識(shí)別功能的中文文檔識(shí)別系統(tǒng)，對信息文檔的處理有著重要的實(shí)用價(jià)值和理論意義。本課題在研究現(xiàn)有字符識(shí)別的理論基礎(chǔ)上，研究并設(shè)計(jì)了一套可以完成公式字符識(shí)別的印刷體中文文檔識(shí)別系統(tǒng)。該系統(tǒng)主要包含版面分析，漢字和公式識(shí)別功能。主要的工作如下首先，在得到原始文檔圖像的預(yù)處理結(jié)果后，利用基于多級別可信度大小和投影特征的版面分析算法，將整個(gè)文檔圖像進(jìn)行版面分析。最終提取出文檔圖像中的文本部分進(jìn)行多字符識(shí)別，即漢字識(shí)別與公式識(shí)別。再次，采用兩次定位公式的方法將漢字識(shí)別作為公式字符最終定位的依據(jù)，并利用連通域分割法將定位出的公式進(jìn)行進(jìn)一步的分割，提取出構(gòu)成公式的單個(gè)字符。利用孔洞數(shù)、網(wǎng)格特征以及穿線特征，采用567個(gè)字符樣本建立字符特征庫，并利用多級分類的思想對單個(gè)公式字符進(jìn)行識(shí)別及屬性判別。根據(jù)單個(gè)字符的識(shí)別結(jié)果，改進(jìn)了基于特征字符的結(jié)構(gòu)分析算法，擴(kuò)充并重新設(shè)計(jì)了7種結(jié)構(gòu)分析子算法，并利用10種WDEQ域，對分析結(jié)果輸出其唯一的一維語法規(guī)則串。最后，將各種算法集成起來并設(shè)計(jì)出一個(gè)完整的中文文檔識(shí)別軟件MYOCR，并通過具體實(shí)例驗(yàn)證了算法的有效性和軟件的優(yōu)越性，而且也得到了較為滿意的識(shí)別率，為以后的進(jìn)一步研究奠定了堅(jiān)實(shí)的基礎(chǔ)。

簡介：該文著重分析了當(dāng)前網(wǎng)絡(luò)方面的IP技術(shù)各種音頻編碼算法實(shí)時(shí)流媒體傳輸技術(shù)實(shí)時(shí)低帶寬音頻流媒體的處理機(jī)制等等針對網(wǎng)絡(luò)實(shí)時(shí)應(yīng)用中諸如客戶端眾多各種多媒體數(shù)據(jù)流量大網(wǎng)絡(luò)狀況差語音交互實(shí)時(shí)性等方面較高的要求提出一種新的實(shí)時(shí)低帶寬音頻流處理算法及相應(yīng)的處理方案該方案借鑒SBCSUBBCODING子帶編碼算法思想將音頻按對人聽覺敏感程度不同劃分為相應(yīng)的頻帶并進(jìn)行相應(yīng)的編碼從而得到較低的編碼率和較好的語音質(zhì)量設(shè)計(jì)了可根據(jù)網(wǎng)絡(luò)狀況進(jìn)行自適應(yīng)的低帶寬音頻處理算法依此算法和方案研制的組件已用于實(shí)時(shí)交互式教學(xué)等系統(tǒng)中

簡介：產(chǎn)品數(shù)據(jù)管理PRODUCTDATAMANAGEMENT，PDM是一門在產(chǎn)品開發(fā)環(huán)境中成長和發(fā)展起來的新技術(shù)，用于管理所有與產(chǎn)品相關(guān)的信息和過程。它能夠有力地促進(jìn)新產(chǎn)品的設(shè)計(jì)和開發(fā)，縮短產(chǎn)品上市的時(shí)間，是推動(dòng)企業(yè)重構(gòu)與信息化建設(shè)的主要技術(shù)措施之一，也是企業(yè)提高自身競爭力的重要手段。文檔管理是產(chǎn)品數(shù)據(jù)管理的一個(gè)組成重要部分。使用計(jì)算機(jī)網(wǎng)絡(luò)化管理文檔不僅能夠解決企業(yè)所面臨的文檔存放和管理的難題，實(shí)現(xiàn)部門間文檔信息的快速傳輸，化千里為咫尺，縮短產(chǎn)品的設(shè)計(jì)周期；而且能夠解決產(chǎn)品數(shù)據(jù)交流的“信息化孤島”問題，改善文檔管理模式，提高工作效率，對制造業(yè)信息化具有極大的推動(dòng)作用。為了提高文檔信息處理的水平，滿足產(chǎn)品的文檔查詢、瀏覽、信息共享以及版本管理等功能需求，本文在對基于WEB的產(chǎn)品數(shù)據(jù)管理系統(tǒng)中文檔管理研究的基礎(chǔ)上，采用先進(jìn)的BS架構(gòu)及技術(shù)，用MICROSOFTSQLSERVER2000為后臺(tái)數(shù)據(jù)庫設(shè)計(jì)并實(shí)現(xiàn)了適合中小型企業(yè)的PDM系統(tǒng)中文檔管理模塊，主要內(nèi)容有1分析產(chǎn)品數(shù)據(jù)管理的發(fā)展現(xiàn)狀及發(fā)展趨勢，以及良好的產(chǎn)品數(shù)據(jù)管理的重要性；通過對中小型企業(yè)信息化現(xiàn)狀的調(diào)查總結(jié)，分析傳統(tǒng)計(jì)算機(jī)系統(tǒng)CS模式的局限性，提出基于BS模式的PDM系統(tǒng)設(shè)計(jì)思路及方法。2通過對PDM各個(gè)功能模塊的分析和研究，確定了基于WEB環(huán)境的PDM系統(tǒng)的總體結(jié)構(gòu)，并利用統(tǒng)一建模語言UNIFIEDMODELINGLANGUAGE，UML對其中的文檔管理模塊進(jìn)行功能分析及詳細(xì)設(shè)計(jì)，設(shè)計(jì)中特別考慮了信息安全的要求，對其進(jìn)行了安全設(shè)計(jì)。3利用面向?qū)ο蠹夹g(shù)和快速應(yīng)用指導(dǎo)原則GUIDELINESFRAPIDAPPLICATIONENGINEERING，GRAPPLE實(shí)現(xiàn)了WEBPDM系統(tǒng)中文檔管理子系統(tǒng)原型，該原型實(shí)現(xiàn)了系統(tǒng)的用戶管理、文檔的瀏覽、上傳、下載以及文檔的版本管理等功能。

簡介：隨著互聯(lián)網(wǎng)技術(shù)的高速發(fā)展，越來越多的數(shù)字產(chǎn)品通過網(wǎng)絡(luò)進(jìn)行傳播。這在給用戶帶來極大便利的同時(shí)，也帶來了相應(yīng)的信息安全隱患。如何采取相應(yīng)的措施保護(hù)作者的版權(quán)，如何保證用戶得到的產(chǎn)品信息的正確性和完整性，是一個(gè)亟待解決的問題。在這種背景下，數(shù)字水印技術(shù)應(yīng)運(yùn)而生。在眾多類型的多媒體數(shù)據(jù)中，文檔圖像的傳播、拷貝更加容易，而文檔圖像在許多情況下往往又比普通圖像具有更高的價(jià)值。但是由于種種原因，目前針對文檔圖像的數(shù)字水印算法并不是很多，并且都有魯棒性不好，水印嵌入容量小的缺點(diǎn)。文檔圖像由于其自身的特點(diǎn)，和普通圖像有很大的區(qū)別，很多適用于普通圖像的水印算法針對文檔圖像并不適用。文檔圖像識(shí)別的對象包括多種類型，本文提出的算法主要是針對漢字文本變換后的圖像格式。本文提出的水印算法是在文檔圖像空間域通過改變文檔中的每個(gè)字符的灰度值來達(dá)到嵌入水印的目的，本文嵌入的水印圖像是一條余弦波。由于文檔圖像具有行塊穩(wěn)定，字符特征明顯，二值特征咀顯，文本一致等特性，使得通過改變文檔字符灰度值的方法來嵌入水印具有很大的可行性。由于本文算法通過改變每個(gè)字符的灰度值來實(shí)現(xiàn)水印嵌入，所以在嵌入水印之前必須對圖像進(jìn)行一定的預(yù)處理，預(yù)處理包括二值化，去噪，傾斜校正和字符分割等?；诖?，本文首先認(rèn)真分析和研究了數(shù)字水印的基礎(chǔ)知識(shí)和相關(guān)理論，介紹了數(shù)字水印的概念，基本框架，分類，算法，評價(jià)標(biāo)準(zhǔn)和所受的攻擊等，使讀者對數(shù)字水印的基本知識(shí)有一個(gè)總體的了解并特別介紹了文本數(shù)字水印。然后，詳細(xì)分析了文檔圖像的特點(diǎn)，并對文檔圖像的預(yù)處理知識(shí)做了一個(gè)詳細(xì)的介紹，接著，提出本文的水印嵌入算法和檢測算法。任何算法是否可行都要經(jīng)過實(shí)驗(yàn)的驗(yàn)證，本文針對文檔圖像遭受的各種攻擊，給出了一定的實(shí)驗(yàn)，并分析了里面的數(shù)據(jù)，通過實(shí)驗(yàn)結(jié)果和理論分析可知本算法對各種壓縮，剪切，噪音攻擊具有較高的魯棒性，并且提取水印不需要原始圖像，該算法可用于文檔圖像的版權(quán)認(rèn)證。當(dāng)然本文提出的算法也有很多待改進(jìn)之處，例如水印嵌入容量不是很大，對于字符較少的文檔圖像，此算法效果不理想，尤其對空白文檔圖像，不能適用此算法。文檔圖像作為一種特殊的圖像載體在社會(huì)日益進(jìn)步的今天起著越來越重要的作用，盡管文檔圖像數(shù)字水印技術(shù)目前還是一個(gè)不完全成熟的技術(shù)，但是我們有理由相信，它是一個(gè)極具潛力的研究方向。隨著人們對文檔圖像數(shù)字水印技術(shù)的重視，文檔圖像數(shù)字水印會(huì)有更加光明的前景。

簡介：在動(dòng)態(tài)文檔集環(huán)境中，索引的組織方式需要在檢索效率和更新效率上進(jìn)行調(diào)節(jié)與折衷。為了提高索引效率，索引的索引項(xiàng)數(shù)據(jù)用拉鏈方式分塊存放，但會(huì)降低檢索效率；反之亦然。索引模型的設(shè)計(jì)往往圍繞索引和檢索效率的平衡；傳統(tǒng)索引模型中為了優(yōu)先保證檢索效率，將索引更新的實(shí)時(shí)性放在一個(gè)次要的位置，但文本檢索系統(tǒng)應(yīng)用環(huán)境的日益多樣化，對檢索的實(shí)時(shí)性提出了新的要求。本文研究大規(guī)模文本在線索引的構(gòu)造方法，在動(dòng)態(tài)文檔集環(huán)境中，系統(tǒng)在構(gòu)建倒排索引的同時(shí)提供檢索服務(wù)，動(dòng)態(tài)文檔集中的文檔更新可以及時(shí)在索引庫中同步更新；通過索引維護(hù)策略的研究和對比，本文設(shè)計(jì)了一個(gè)優(yōu)化的索引模型，在保證檢索效率的前提下，使索引系統(tǒng)的實(shí)時(shí)性有了很大提高；提出了一種基于完全樹的在線索引構(gòu)建方法，利用完全樹的特征控制索引合并過程，以減少索引合并代價(jià)，同時(shí)可以調(diào)節(jié)索引和檢索的性能平衡，與以前方法相比，具有更高的性能和更好的規(guī)?？蓴U(kuò)展性，并在理論和實(shí)驗(yàn)中驗(yàn)證了這種索引維護(hù)方法的高效性。以此索引模型實(shí)現(xiàn)的系統(tǒng)為平臺(tái)，進(jìn)行了索引與檢索的效率平衡、檢索性能預(yù)測的相關(guān)實(shí)驗(yàn)，研究索引和檢索這兩個(gè)指標(biāo)在動(dòng)態(tài)文檔集中的平衡關(guān)系，對比了幾種檢索性能預(yù)測方法的效果和效率，通過對檢索前查詢預(yù)測機(jī)制的分析，為系統(tǒng)在檢索模型上的擴(kuò)展提供了實(shí)驗(yàn)分析和平臺(tái)。

簡介：獨(dú)創(chuàng)性聲明本人聲明所呈交的論文是我個(gè)人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得的研究成果。盡我所知，除了文中特別加以標(biāo)注和致謝的地方外，論文中不包含其他人已經(jīng)發(fā)表或撰寫的研究成果，也不包含為獲得江西財(cái)經(jīng)大學(xué)或其他教育機(jī)構(gòu)的學(xué)位或證書所使用過的材料。與我一同工作的同志對本研究所做的任何貢獻(xiàn)均已在論文中作了明確的說明并表示了謝意。簽名奎皇星日期出簽名翌壘生日期蘭坐墜馮關(guān)于論文使用授權(quán)的說明本人完全了解江西財(cái)經(jīng)大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定，即學(xué)校有權(quán)保留送交論文的復(fù)印件，允許論文被查閱和借閱；學(xué)校可以公布論文的全部或部分內(nèi)容，可以采用影印、縮印或其他復(fù)制手段保存論文。保密的論文在解密后遵守此規(guī)定張埤導(dǎo)臌絲整魄業(yè)‘?！馲ML文檔搜索中的查詢處理技術(shù)研究RESEARCHONQUERYPROCESSINGTECHNIQUESINXMLKEYWORDSEARCH劉喜平二OO年六月哪8川9Ⅲ5哪6刪3肼8“I劓●__■腳Y

簡介：本論文將向讀者介紹國內(nèi)外學(xué)術(shù)界美國印第安人宗教問題研究的基本狀況并進(jìn)行一些評論。其中包括國外學(xué)界對美國印第安人宗教問題的研究相關(guān)資料性文獻(xiàn)、美國印第安人宗教研究的專門論著、美國印第安人宗教特點(diǎn)研究的專著、美國印第安人宗教問題研究的相關(guān)論文、美國印第安人宗教問題研究的基本特點(diǎn)國內(nèi)學(xué)界對美國印第安人宗教問題的研究國內(nèi)學(xué)術(shù)界關(guān)于美國印第安人宗教問題研究的論著、國內(nèi)學(xué)術(shù)界關(guān)于美國印第安人宗教問題研究的論文、國內(nèi)學(xué)術(shù)界關(guān)于美國印第安人宗教問題研究的基本特征最后本論文對美國印第安人宗教問題研究中的幾個(gè)重要問題進(jìn)行評述其中包括美國印第安人宗教信仰狀況研究、美國印第安人宗教信仰特點(diǎn)研究、美國印第安人宗教信仰立法問題研究、美國印第安人皈依基督教問題研究等。

簡介：學(xué)校代號10524學(xué)號12009143分類號密級碩士學(xué)位論文劉乃和學(xué)術(shù)研究學(xué)位申請人姓名梁潤萍培養(yǎng)單位民族學(xué)與社會(huì)學(xué)學(xué)院導(dǎo)師姓名及職稱趙慶偉教授學(xué)科專業(yè)歷史文獻(xiàn)學(xué)研究方向社會(huì)文化史論文提交日期2012年3月25日AREVIEWOFACADEMICRESEARCHONLIUNAIHEBYLIANGRUNPINGATHESISSUBMITTEDINPARTIALSATISFACTIONOFTHEREQUIREMENTSFTHEDEGREEOFMASTEROFHISTYINHISTICALLITERATUREINTHEGRADUATESCHOOLOFSOUTHCENTRALUNIVERSITYFNATIONALITIESSUPERVISPROFESSZHAOQINGWEIJUNE，2012

簡介：該文從原始XML數(shù)據(jù)庫的角度出發(fā)選用文檔對象模型DOCUMENTOBJECTMODEL作為邏輯結(jié)構(gòu)并利用自主開發(fā)的對象關(guān)系數(shù)據(jù)庫OSCARV4實(shí)現(xiàn)文檔對象模型的持久化根據(jù)XML文檔的結(jié)構(gòu)信息而不是其文檔類型定義DTD以及SCHEMA來構(gòu)造數(shù)據(jù)庫中的模式很好地解決了半結(jié)構(gòu)數(shù)據(jù)模式的靈活性、非強(qiáng)制性與數(shù)據(jù)庫模式的固定性、強(qiáng)制性之間的矛盾同時(shí)用戶對文檔對象的操作行為用數(shù)據(jù)庫中的存儲(chǔ)過程來實(shí)現(xiàn)這種嘗試既適應(yīng)于以文檔為中心的應(yīng)用又可支持傳統(tǒng)的數(shù)據(jù)管理它的意義還在于解決了文檔對象模型在內(nèi)存展開時(shí)受到的局限大文檔的解析結(jié)果不必完全放在內(nèi)存中可放置在數(shù)據(jù)庫中應(yīng)用需要的部分可透明地置換到內(nèi)存中此外該文還討論了相關(guān)的查詢轉(zhuǎn)換實(shí)現(xiàn)過程該文更側(cè)重于數(shù)據(jù)庫服務(wù)器端的實(shí)現(xiàn)工作

簡介：XML技術(shù)的發(fā)展越來越受到人們的關(guān)注越來越多的公司利用XML技術(shù)在基于WEB服務(wù)的電子商務(wù)活動(dòng)中傳送結(jié)構(gòu)化的數(shù)據(jù)其安全性研究變得越來越重要XML文檔中存儲(chǔ)的數(shù)據(jù)具有高度結(jié)構(gòu)化的特點(diǎn)對這些結(jié)構(gòu)化數(shù)據(jù)進(jìn)行部分簽名和部分加密既能保證數(shù)據(jù)的安全性又能具有很好的靈活性為滿足這種需求該文對XML加密和簽名技術(shù)進(jìn)行研究數(shù)據(jù)簽名和加密可以保證數(shù)據(jù)的完整性、真實(shí)性、身份確認(rèn)和不可否認(rèn)性而利用XML加密和簽名技術(shù)能提供更大的靈活性可以對部分?jǐn)?shù)據(jù)進(jìn)行簽名和加密或者對一個(gè)XML文檔實(shí)現(xiàn)多重簽名和加密該文首先介紹了XML技術(shù)及數(shù)據(jù)加密和數(shù)據(jù)簽名的密碼學(xué)基礎(chǔ)重點(diǎn)介紹了PKI加密的原理和JAVA加密體系結(jié)構(gòu)然后針對XML數(shù)據(jù)的結(jié)構(gòu)化程度高的特點(diǎn)研究了能夠?qū)Κ?dú)立的XML數(shù)據(jù)元素實(shí)現(xiàn)簽名和加密的方案最后使用JAVA語言根據(jù)方案設(shè)計(jì)出能夠?qū)崿F(xiàn)XML簽名和加密的應(yīng)用程序

簡介：WEB技術(shù)的飛速發(fā)展使得全球信息的傳遞和共享日益增多，如何利用信息檢索技術(shù)在網(wǎng)絡(luò)資源中高效地發(fā)現(xiàn)和使用有價(jià)值信息一直都是行業(yè)的焦點(diǎn)。隨著網(wǎng)絡(luò)和信息技術(shù)的發(fā)展，網(wǎng)絡(luò)中的信息量呈幾何級數(shù)增長，數(shù)據(jù)的種類也呈多樣化和混合化，對信息表示和數(shù)據(jù)交換標(biāo)準(zhǔn)的要求也越來越高。XML作為一種自描述，可擴(kuò)展的半結(jié)構(gòu)化標(biāo)記語言，它實(shí)現(xiàn)了內(nèi)容、結(jié)構(gòu)和表現(xiàn)三者的分離，越來越多的數(shù)據(jù)開始使用XML進(jìn)行描述、存儲(chǔ)和交換，已經(jīng)逐漸取代HTML成為WEB數(shù)據(jù)表現(xiàn)、存儲(chǔ)和交換的標(biāo)準(zhǔn)。在這種情況下，面向XML的信息檢索已經(jīng)成為信息檢索領(lǐng)域的研究熱點(diǎn)之一。對于網(wǎng)絡(luò)中海量的XML數(shù)據(jù)，不同的用戶在不同場合需要不同的檢索技術(shù)。目前對于大規(guī)模XML文檔的檢索，通常以XML元素為檢索單元，只返回符合條件的文檔片斷，這種方法可以提高檢索精度，但判斷符合檢索條件片斷的粒度卻很困難。而對于海量的小規(guī)模XML文檔，文檔本身比較短小，如果只返回文檔中個(gè)別片斷，經(jīng)常會(huì)出現(xiàn)提供信息量小、信息不完整以至于不能滿足用戶要求的情況。因此，借鑒WEB搜索，對于以XML整篇文檔為檢索單元的檢索方式研究是很有意義的。本文在前人工作的基礎(chǔ)上，針對XML的半結(jié)構(gòu)化特點(diǎn)，從檢索技術(shù)、數(shù)學(xué)模型、相關(guān)查詢方式等方面研究了已有的技術(shù)和手段，就現(xiàn)有XML檢索技術(shù)中存在的問題，給出一個(gè)面向海量小規(guī)模XML文檔融合路徑約束的XML檢索方案。創(chuàng)新點(diǎn)包括為使用戶更加容易且準(zhǔn)確的表達(dá)查詢需求，提出帶有XPATH形式路徑約束的關(guān)鍵字作為提交用戶查詢請求的方式；同時(shí)提出了一種新的融合路徑約束的檢索排序模型，該模型主要針對目前信息檢索領(lǐng)域流行的向量空間模型進(jìn)行研究與改進(jìn)，充分利用XML文檔的結(jié)構(gòu)層次特性，將自然語言領(lǐng)域非常成熟的NGRAM思想應(yīng)用于路徑約束匹配計(jì)算用以獲得文檔同用戶查詢的相關(guān)度。該檢索方案在準(zhǔn)確表達(dá)用戶查詢需求的基礎(chǔ)上又充分利用XML文檔的路徑約束來計(jì)算文檔同用戶查詢的相關(guān)度，提升了用戶對小規(guī)模XML文檔的檢索效果。

簡介：隨著信息時(shí)代的來臨數(shù)字信息已經(jīng)成為人類最重要的資源紙質(zhì)文檔的電子化、數(shù)字化處理已成發(fā)展趨勢據(jù)統(tǒng)計(jì)世界各國僅商務(wù)表格每年錄入費(fèi)用就高達(dá)1300億元尤其在辦公自動(dòng)化逐漸轉(zhuǎn)向數(shù)字化辦公的今天數(shù)據(jù)錄入及加工方式和手段的落后已經(jīng)成為制約計(jì)算機(jī)應(yīng)用發(fā)展的瓶頸本論文開發(fā)了高速文檔自動(dòng)錄入設(shè)備主要工作包括1、分析文檔錄入機(jī)的基本原理文檔錄入機(jī)有兩種工作模式一種是表格的OCR識(shí)別另一種是文檔灰度圖像的掃描錄入本論文根據(jù)它們各自的特點(diǎn)分別介紹了它們的工作原理并在系統(tǒng)設(shè)計(jì)中得以實(shí)現(xiàn)2、研究編碼技術(shù)在錄入機(jī)中的應(yīng)用采用一定的算法對采樣點(diǎn)進(jìn)行無損壓縮后既可以減少數(shù)據(jù)傳輸時(shí)間又減少了PC機(jī)的工作量從整體上提高了文檔錄入機(jī)的速度3、在接口方面采用了USB接口電路方面文檔錄入機(jī)的控制電路和USB接口電路是整個(gè)系統(tǒng)設(shè)計(jì)的重點(diǎn)而USB與文檔錄入機(jī)的信號采集共用數(shù)據(jù)線和地址線因此數(shù)據(jù)和地址總線仲裁是設(shè)計(jì)的難點(diǎn)編程方面充分利用USB的多個(gè)管道使握手信號與采集數(shù)據(jù)相互配合可大幅提高傳輸速度從而提高文檔錄入機(jī)的整體性能

簡介：我們提出了一種基于NGRAM的大規(guī)模中文文檔自動(dòng)聚類方法該方法將自動(dòng)聚類首次引入中文文檔語義信息組織中繞開了切詞、語法分析等復(fù)雜的語言學(xué)問題該研究可應(yīng)用于網(wǎng)絡(luò)信息超鏈的自動(dòng)生成、信息檢索、信息過濾、自動(dòng)分類訓(xùn)練文檔集的構(gòu)造以及無需詞典的交叉語言檢索中論文第一部分論述了自動(dòng)分類與自動(dòng)聚類的概念、簡要介紹和比較了現(xiàn)有的著名自動(dòng)分類算法與自動(dòng)聚類算法論文第二、三部分是該文的重點(diǎn)第二部分具體、深入的介紹了什么是NGRAM、在進(jìn)行聚類前所必需的預(yù)處理過程和方法、KMA聚類算法的原理和步驟、ENGRAMMES系統(tǒng)的功能和使用方法第三部分則在第二部分的基礎(chǔ)上詳細(xì)描述了實(shí)驗(yàn)數(shù)據(jù)源和實(shí)驗(yàn)過程并通過分類和表格的形式展示了實(shí)驗(yàn)所得的全部數(shù)據(jù)