簡(jiǎn)介：網(wǎng)絡(luò)的飛速發(fā)展使得對(duì)高質(zhì)量的WEB文本信息檢索的需求變得空前的迫切。而要提高檢索系統(tǒng)的性能，除了改進(jìn)和提高檢索方法的性能，還必須加強(qiáng)對(duì)主題相關(guān)信息的收集和加工，以獲得有效的檢索資源。本文對(duì)面向用戶興趣文檔的主題相關(guān)信息的智能檢索進(jìn)行了研究，其宗旨是進(jìn)一步提高WEB信息檢索的服務(wù)質(zhì)量，主要內(nèi)容包括事件相關(guān)文檔的檢索和事件重要信息的抽取與集成。取得了以下一些研究成果第一、提出了一種自動(dòng)獲取事件框架的方法。首先，建立災(zāi)難性事件的統(tǒng)一框架；然后在統(tǒng)一框架的基礎(chǔ)上使用BOOTSTRAPPING方法獲取關(guān)鍵詞；最后通過(guò)對(duì)相關(guān)句子進(jìn)行聚類得到最終的框架知識(shí)結(jié)構(gòu)。將框架應(yīng)用到與主題相關(guān)檢索有效地降低其他事件的干擾，使事件相關(guān)文檔的檢索性能明顯提高。第二、實(shí)現(xiàn)了一個(gè)事件關(guān)鍵信息的抽取與集成系統(tǒng)，本系統(tǒng)具有如下特色（1）在進(jìn)行事件抽取時(shí)，首先利用句型模板構(gòu)造抽取規(guī)則，然后直接從經(jīng)過(guò)基本短語(yǔ)識(shí)別、時(shí)間短語(yǔ)和空間短語(yǔ)識(shí)別和規(guī)范化處理的文本中抽取事件信息，從而跳過(guò)了深層句法分析，降低了實(shí)現(xiàn)系統(tǒng)的難度；（2）利用框架間的相似性，提高資源重用度。（3）利用事件的規(guī)范化的時(shí)空信息關(guān)聯(lián)不同文檔中的同一事件，實(shí)現(xiàn)了事件合并，并提出按時(shí)間流順序的線索性文件抽取的輸出方式。第三，系統(tǒng)地分析了中文機(jī)構(gòu)名的特點(diǎn)與命名實(shí)體識(shí)別在機(jī)構(gòu)名識(shí)別上的諸多難點(diǎn)，提出統(tǒng)計(jì)和規(guī)則相結(jié)合的中文機(jī)構(gòu)名識(shí)別法。即采用統(tǒng)計(jì)的方法在訓(xùn)練語(yǔ)料庫(kù)中獲取機(jī)構(gòu)名知識(shí)庫(kù)，然后根據(jù)機(jī)構(gòu)名特點(diǎn)設(shè)計(jì)了機(jī)構(gòu)名識(shí)別的規(guī)則。在統(tǒng)計(jì)與規(guī)則的結(jié)合下獲得了較好的機(jī)構(gòu)名識(shí)別效果。第四，本文集成了災(zāi)難性事件信息檢索和信息抽取系統(tǒng)。將信息檢索與信息抽取結(jié)合起來(lái)為用戶提供更精確、更容易閱讀的信息服務(wù)。

簡(jiǎn)介：點(diǎn)擊查看更多基于密度方法的XML文檔聚類研究.pdf精彩內(nèi)容。

簡(jiǎn)介：掃描文檔圖像已經(jīng)成為電子政務(wù)中辦公文檔、數(shù)字圖書(shū)館中圖書(shū)資料等媒體信息的主要表現(xiàn)形式，如何對(duì)其進(jìn)行高比率壓縮已成一個(gè)迫切需要研究的問(wèn)題。本文作者提出了掃描文檔圖像處理與壓縮的總體流程并設(shè)計(jì)了掃描文檔圖像壓縮和解壓縮的系統(tǒng)，重點(diǎn)對(duì)其關(guān)鍵技術(shù)及其壓縮處理系統(tǒng)進(jìn)行了研究。其主要工作包括如下首先，對(duì)掃描文檔圖像其本身特征進(jìn)行了研究與分析，指出了掃描文檔圖像壓縮處理系統(tǒng)應(yīng)具備的功能特性。在圖像壓縮之前對(duì)圖像進(jìn)行一系列預(yù)處理，能夠獲得更好的圖像視覺(jué)效果。預(yù)處理方法主要包括有背景去噪和文字增強(qiáng)等。第二，提出了一種基于興趣域的掃描文檔圖像的壓縮與處理方法，在壓縮之前先對(duì)圖像進(jìn)行分割，將一幅圖像分成兩個(gè)層文本層和插圖層。把分割出來(lái)的文本層作為興趣域，插圖層則相應(yīng)的為非興趣域，然后針對(duì)掃描文檔圖像本身的特性對(duì)各層進(jìn)行壓縮與解壓縮，以求達(dá)到比通用圖像壓縮算法更高的壓縮比。第三，分別對(duì)文本層和插圖層進(jìn)行壓縮，壓縮采用的方法依次為亞抽樣、小波變換、零樹(shù)編碼和算術(shù)熵編碼；解壓縮過(guò)程為算術(shù)熵解碼、零樹(shù)解碼、小波逆變換和圖像平滑。第四，壓縮數(shù)據(jù)傳輸時(shí)采用了一種特殊的漸進(jìn)傳輸方法，根據(jù)用戶需要分兩次傳輸，可有效的降低對(duì)傳輸帶寬的要求。第五，相應(yīng)于壓縮方案，對(duì)解壓獲得的重建圖像進(jìn)行后處理，主要包括圖像平滑放大和圖像效果增強(qiáng)。最后，開(kāi)發(fā)了實(shí)現(xiàn)上述內(nèi)容的軟件，做到了理論與實(shí)踐相結(jié)合。本文研究的思想、方法和實(shí)現(xiàn)技術(shù)絕大多數(shù)都可以在數(shù)字圖書(shū)館和基于網(wǎng)絡(luò)的電子政務(wù)中直接應(yīng)用。該論文的主要?jiǎng)?chuàng)新點(diǎn)有兩個(gè)一個(gè)是在圖像壓縮之前采用了圖像分割的方法，有利于更好的針對(duì)圖像的自身特點(diǎn)對(duì)之進(jìn)行有效的壓縮；另一個(gè)是采用了一種結(jié)合興趣域和漸進(jìn)傳輸?shù)膾呙栉臋n圖像的壓縮和傳輸方法，使得圖像的壓縮比和傳輸性能達(dá)到最好的平衡。

簡(jiǎn)介：隨著網(wǎng)絡(luò)技術(shù)的飛速發(fā)展，信息大量膨脹和聚集，XMLEXTENSIBLEMARKUPLANGUAGE作為一種常用的數(shù)據(jù)交換和傳輸標(biāo)準(zhǔn)，蘊(yùn)含了豐富的信息。因此，對(duì)XML，文檔的挖掘已經(jīng)成為WEB挖掘一個(gè)新的研究熱點(diǎn)。本文重點(diǎn)對(duì)XML文檔分類方法進(jìn)行了研究。XML文檔的結(jié)構(gòu)特征是XML文檔分類區(qū)別于文本分類的一個(gè)重要方面，這使很多成熟的文本分類算法無(wú)法應(yīng)用到XML文檔分類中。因此，本文重點(diǎn)對(duì)XML文檔的結(jié)構(gòu)特征進(jìn)行了研究。首先，給出一種頻率。路徑模型來(lái)表示XML文檔的結(jié)構(gòu)，該模型中不但保存了節(jié)點(diǎn)的標(biāo)簽信息，同時(shí)統(tǒng)計(jì)了相同路徑出現(xiàn)的頻率，使得在保證不丟失有效信息的前提下大大減小了原來(lái)路徑模型的規(guī)模。其次，在頻率路徑模型的基礎(chǔ)上，給出一種帶位置權(quán)重的基于路徑的XML文檔結(jié)構(gòu)相似度計(jì)算方法WLCSWEIGHTEDLONGESTCOMMONSUBSEQUENCE。該方法在路徑匹配時(shí)，使用最長(zhǎng)公共子序列方法，能夠捕捉到現(xiàn)有路徑匹配方法漏掉的有效信息；在進(jìn)行路徑相似度計(jì)算時(shí)，引入位置權(quán)重向量，將路徑節(jié)點(diǎn)的位置信息考慮在內(nèi)。通過(guò)在真實(shí)數(shù)據(jù)集上做實(shí)驗(yàn)表明WLCS方法召回率和準(zhǔn)確率均高于當(dāng)前存在的基于路徑計(jì)算相似度的方法。再次，基于頻率路徑模型給出一種新的XML文檔結(jié)構(gòu)向量化方法。該方法使用一種基于路徑頻率的信息增益方法選擇特征路徑，使用WLCS方法中的路徑相似度計(jì)算方法生成特征路徑向量，并通過(guò)實(shí)驗(yàn)說(shuō)明該方法的有效性。最后，在本文研究基礎(chǔ)上，結(jié)合大連市公安局“全文搜索系統(tǒng)”的實(shí)際課題，給出XML文檔分類的一個(gè)具體應(yīng)用。

簡(jiǎn)介：隨著社會(huì)信息化進(jìn)程的不斷深入，辦公軟件已經(jīng)成為人們?nèi)粘＾k公不可缺少的基礎(chǔ)軟件之一。但自上世紀(jì)以來(lái)，各個(gè)辦公軟件廠商大多采用封閉專有的文檔格式，這些標(biāo)準(zhǔn)不開(kāi)放，存在安全隱患，已經(jīng)無(wú)法滿足文檔組合、內(nèi)容提取、數(shù)據(jù)挖掘等新的工作環(huán)境的挑戰(zhàn)和新的應(yīng)用程序的需求。近幾年來(lái)，隨著XML技術(shù)的不斷成熟，新的基于XML的開(kāi)放的文檔格式標(biāo)準(zhǔn)成為國(guó)際文檔格式的發(fā)展主流，不僅為用戶沖破法律上或者技術(shù)上的貿(mào)易壁壘提供保證，而且為簡(jiǎn)單快捷的實(shí)現(xiàn)文件和數(shù)據(jù)管理、數(shù)據(jù)恢復(fù)、數(shù)據(jù)挖掘以及與企業(yè)業(yè)務(wù)系統(tǒng)的數(shù)據(jù)交換提供了可能。本文從理論和應(yīng)用兩個(gè)角度出發(fā)，以滿足這些新的需求和挑戰(zhàn)為目標(biāo)，在對(duì)基于XML的開(kāi)放文檔格式深入研究的基礎(chǔ)上，為實(shí)現(xiàn)應(yīng)用程序與基于XML的開(kāi)放文檔格式的互操作建立一種低成本、高效率的解決方案。重點(diǎn)對(duì)當(dāng)前世界上三種主流的基于XML的開(kāi)放文檔格式之一，中文辦公軟件文檔格式開(kāi)發(fā)工具包的實(shí)現(xiàn)及實(shí)際應(yīng)用進(jìn)行了研究。在綜合分析研究了基于XML的開(kāi)放文檔格式的國(guó)內(nèi)外研究現(xiàn)狀和趨勢(shì)的基礎(chǔ)上，深入研究了UOF標(biāo)準(zhǔn)文檔格式定義，分析了UOF文檔格式的特點(diǎn)；將以上分析研究作為理論前提，提出了適合于基于XML的開(kāi)放文檔格式的SCHEMA模式定義處理模型；并將其應(yīng)用于對(duì)UOFSCHEMA的處理，最終在JAVA平臺(tái)上實(shí)現(xiàn)了符合UOF標(biāo)準(zhǔn)的應(yīng)用開(kāi)放工具包UOFAPI，包括文字處理存取模塊、電子表格存取模塊、演示文稿存取模塊、格式與內(nèi)容分離模塊和壓縮打包模塊。UOFAPI使那些即使不懂UOF格式的程序員也能夠簡(jiǎn)單方便的操作UOF格式文檔，實(shí)現(xiàn)了企業(yè)業(yè)務(wù)系統(tǒng)與UOF格式文檔信息的集成。在應(yīng)用方面，本研究根據(jù)山東省研究生學(xué)位與研究生教育管理系統(tǒng)山東省研究生教育創(chuàng)新計(jì)劃重大項(xiàng)目，編號(hào)2006G01的具體需求，在對(duì)UOFAPI研究和改進(jìn)的基礎(chǔ)上，設(shè)計(jì)并實(shí)現(xiàn)了一個(gè)基于開(kāi)放文檔格式UOF的通用數(shù)據(jù)遷移系統(tǒng)。數(shù)據(jù)遷移模塊主要實(shí)現(xiàn)研究生系統(tǒng)業(yè)務(wù)數(shù)據(jù)的遷移，主要包括數(shù)據(jù)導(dǎo)入和導(dǎo)出，遷移過(guò)程采用JAVA反射技術(shù)實(shí)現(xiàn)，以達(dá)到系統(tǒng)的通用性?；赨OF格式的數(shù)據(jù)遷移系統(tǒng)采用CS架構(gòu)，具體的業(yè)務(wù)實(shí)現(xiàn)方法在SERVER端上實(shí)現(xiàn)，CLIENT端只提供導(dǎo)入導(dǎo)出的圖形化界面，向SERVER傳遞導(dǎo)入導(dǎo)出命令來(lái)實(shí)現(xiàn)數(shù)據(jù)遷移?；赨OFAPI的數(shù)據(jù)遷移系統(tǒng)在研究生管理系統(tǒng)中的實(shí)際應(yīng)用驗(yàn)證了本文所提出的理論的可行性和UOFAPI的實(shí)用性。證明了UOFAPI在實(shí)現(xiàn)文檔資源與應(yīng)用程序的互操作方面的優(yōu)越性能，UOFAPI對(duì)提高應(yīng)用程序直接創(chuàng)建和操作UOF格式文檔的效率，具有十分重要的理論意義和應(yīng)用價(jià)值。

簡(jiǎn)介：目前，伴隨著數(shù)據(jù)庫(kù)技術(shù)、數(shù)據(jù)挖掘技術(shù)、數(shù)據(jù)倉(cāng)庫(kù)技術(shù)等的成熟和廣泛應(yīng)用，結(jié)構(gòu)化文檔管理問(wèn)題已經(jīng)基本得到解決；信息技術(shù)的廣泛應(yīng)用帶來(lái)非結(jié)構(gòu)化文檔激增，但對(duì)其應(yīng)用效率低下，而新興管理思想的涌現(xiàn)以及全球化競(jìng)爭(zhēng)的日益加劇迫切要求對(duì)組織中的非結(jié)構(gòu)化文檔資源進(jìn)行有效的管理。非結(jié)構(gòu)化文檔管理正日益成為互聯(lián)網(wǎng)時(shí)代信息資源管理的一個(gè)關(guān)鍵問(wèn)題。本文將語(yǔ)義WEB技術(shù)及標(biāo)準(zhǔn)引入非結(jié)構(gòu)化文檔的分析、標(biāo)記和應(yīng)用過(guò)程，以形成一套有效的非結(jié)構(gòu)化文檔管理方法，滿足企業(yè)應(yīng)用的迫切需求。本文首先系統(tǒng)介紹了語(yǔ)義WEB的相關(guān)理論，其中重點(diǎn)是語(yǔ)義WEB的三大關(guān)鍵技術(shù)XML、RDF及本體。之后圍繞非結(jié)構(gòu)化文檔管理生命周期的全過(guò)程獲取、標(biāo)記、組織存儲(chǔ)及應(yīng)用，分析了每個(gè)環(huán)節(jié)目前還存在的問(wèn)題。之后引入語(yǔ)義WEB技術(shù)進(jìn)行分析和解決，重點(diǎn)解決了1）文檔標(biāo)記中涉及到的標(biāo)記語(yǔ)言（外表特征和內(nèi)容特征兩方面）、標(biāo)記過(guò)程及標(biāo)記工具，并最終形成完整的結(jié)構(gòu)化的標(biāo)記描述，以利于計(jì)算機(jī)進(jìn)行理解和自動(dòng)處理；2）組織方法采用基于本體的組織方法代替?zhèn)鹘y(tǒng)線性組織方法，以滿足分布式的網(wǎng)絡(luò)信息組織的需要，同時(shí)存儲(chǔ)方式采取監(jiān)督機(jī)制來(lái)協(xié)同源文檔和標(biāo)記文檔之間的同步關(guān)系，以確保兩者同時(shí)更改和刪除；3）最后具體的應(yīng)用則從信息檢索、自動(dòng)分類、智能推理三個(gè)方向來(lái)分析信息檢索時(shí)利用本體進(jìn)行查詢擴(kuò)展，并根據(jù)語(yǔ)義相似度進(jìn)行檢索排序；自動(dòng)分類則以領(lǐng)域本體作為分類樹(shù)，以形成動(dòng)態(tài)統(tǒng)一的分類標(biāo)準(zhǔn)；智能推理方面則利用本體和描述邏輯來(lái)實(shí)現(xiàn)計(jì)算機(jī)理解的、規(guī)范化的描述，并利用描述邏輯的推理功能進(jìn)行智能推理。最后，在完成前面分析和解決問(wèn)題的基礎(chǔ)上，形成了完整的非結(jié)構(gòu)化文檔管理框架，詳細(xì)描述非結(jié)構(gòu)化文檔管理生命周期的全過(guò)程，并設(shè)計(jì)了一個(gè)企業(yè)郵件管理原型系統(tǒng)，以驗(yàn)證研究的可行性和正確性。

簡(jiǎn)介：B2C電子商務(wù)的迅猛發(fā)展，也暴露出一些問(wèn)題，例如由于信息的膨脹，客戶在從電子商務(wù)網(wǎng)站的搜索引擎或者其他專業(yè)的搜索引擎中搜索到需要的信息非常困難。客戶體驗(yàn)程度的降低肯定也會(huì)影響B(tài)2C電子商務(wù)的發(fā)展。作為WEB挖掘重要手段的WEB文檔聚類方法，能夠較好的解決這一問(wèn)題。本文主要是將WEB文檔聚類方法應(yīng)用于B2C電子商務(wù)中的途徑進(jìn)行了嘗試，給出了一個(gè)精簡(jiǎn)型的WEB文檔聚類系統(tǒng)實(shí)現(xiàn)框架，并對(duì)核心功能進(jìn)行了程序?qū)崿F(xiàn)。全文分以下三個(gè)部分討論首先，對(duì)B2C電子商務(wù)中WEB挖掘的需求，提出了基于WEB文檔聚類的頁(yè)面推薦和商品推薦兩個(gè)應(yīng)用結(jié)合點(diǎn)。其中頁(yè)面推薦又可基于提供方的不同分為電子商務(wù)站點(diǎn)搜索引擎應(yīng)用和公用搜索引擎應(yīng)用。然后，在分析兩種WEB挖掘系統(tǒng)實(shí)現(xiàn)框架的基礎(chǔ)上，提出了一個(gè)精簡(jiǎn)后的WEB文檔聚類系統(tǒng)實(shí)現(xiàn)框架，及其處理步驟。最后，分析了WEB文檔聚類系統(tǒng)具體實(shí)現(xiàn)過(guò)程中的三大關(guān)鍵技術(shù)WEB文檔的獲取，文本的表示和文本的聚類運(yùn)算。WEB文檔的獲取使用了元搜索引擎技術(shù)和自定義網(wǎng)絡(luò)蜘蛛技術(shù)。文本的表示使用了向量空間模型（VSM），在分析了VSM的優(yōu)點(diǎn)和不足以后，給出了其實(shí)施方法。文本的聚類使用了層次聚類的方法，其他基于矩陣的聚類方法的也可以很好的融合到系統(tǒng)中。討論了三大關(guān)鍵技術(shù)以后，給出了一個(gè)實(shí)驗(yàn)設(shè)計(jì)及其結(jié)果分析。

簡(jiǎn)介：企業(yè)電子文檔屬于企業(yè)的重要資源，是企業(yè)核心競(jìng)爭(zhēng)力的具體表現(xiàn)形式。其主要包括企業(yè)的合同，項(xiàng)目文檔以及待發(fā)專利等。在激烈的知識(shí)競(jìng)爭(zhēng)中，由于核心電子文檔的泄露，導(dǎo)致企業(yè)的經(jīng)濟(jì)損失以及名譽(yù)損失，甚至關(guān)系企業(yè)的生死存亡，因此企業(yè)對(duì)電子文檔安全防護(hù)和管理的重視程度也越來(lái)越高。本文就企業(yè)如何防止核心電子文檔泄露進(jìn)行了研究，并指出其中比較容易被忽略的一環(huán)企業(yè)電子文檔形成過(guò)程之中產(chǎn)生的過(guò)程文檔。這些不同版本文檔廣泛存在于參與該文檔編寫(xiě)、整合、審核、修改、提交等操作過(guò)程的員工電腦上，涉及到的員工數(shù)量眾多，極易產(chǎn)生泄密隱患，也是現(xiàn)有企業(yè)文檔管理系統(tǒng)所忽略的問(wèn)題。針對(duì)上述過(guò)程文檔的檢測(cè)問(wèn)題，本文研究實(shí)現(xiàn)了一個(gè)企業(yè)電子文檔相似度快速檢測(cè)系統(tǒng)。該系統(tǒng)以COPS系統(tǒng)模型為藍(lán)本，采用文本塊分級(jí)匹配的思想，選取不同粒度文本塊的數(shù)字指紋進(jìn)行文檔相似度檢測(cè)。利用企業(yè)提供的核心文檔的預(yù)處理建立涉密文檔樣本庫(kù)，而后通對(duì)相似度檢測(cè)，將涉密過(guò)程文檔從員工電腦內(nèi)海量存儲(chǔ)的電子文檔中檢測(cè)出來(lái)，提交給企業(yè)文檔管理系統(tǒng)進(jìn)行妥善處理，以達(dá)到縮小企業(yè)涉密電子文檔分布范圍的目的，進(jìn)而提高企業(yè)核心文檔的安全性。實(shí)驗(yàn)結(jié)果和企業(yè)反饋信息表明該系統(tǒng)具有較高的檢測(cè)速度和準(zhǔn)確率。

簡(jiǎn)介：互聯(lián)網(wǎng)的蓬勃發(fā)展帶動(dòng)了信息檢索技術(shù)的不斷成熟，搜索引擎已經(jīng)成為每個(gè)人都離不開(kāi)的重要工具，人性化服務(wù)的時(shí)代背景也要求信息檢索技術(shù)向智能化發(fā)展。傳統(tǒng)的基于關(guān)鍵詞機(jī)械匹配的信息檢索方式已經(jīng)不能滿足科學(xué)研究和普通用戶的需求，因此基于語(yǔ)義的信息檢索成為當(dāng)前信息檢索研究的熱點(diǎn)，通過(guò)自然語(yǔ)言語(yǔ)句進(jìn)行信息檢索已經(jīng)成為發(fā)展的趨勢(shì)。面對(duì)自然語(yǔ)言查詢語(yǔ)句，目前的檢索系統(tǒng)往往不能夠精確的理解用戶的查詢請(qǐng)求同時(shí)，在檢索的過(guò)程中，現(xiàn)有的技術(shù)往往將文檔中的語(yǔ)義信息丟棄。在對(duì)現(xiàn)有的信息檢索模型的分析研究下，我們發(fā)現(xiàn)單純的查詢語(yǔ)句處理和主題模型檢索并不能滿足用戶對(duì)檢索結(jié)果準(zhǔn)確率越來(lái)越高的要求。分析現(xiàn)有的技術(shù)和研究成果，本文提出了一種基于雙層語(yǔ)義分析的文檔排序方法，分別通過(guò)查詢語(yǔ)句層次語(yǔ)義分析和文檔篇章層次語(yǔ)義分析，獲取信息檢索過(guò)程中所需的語(yǔ)義信息，從而提升搜索引擎性能。同時(shí)給出了基于雙層語(yǔ)義分析的全文檢索系統(tǒng)框架，該系統(tǒng)能夠在查詢語(yǔ)句層次上，對(duì)查詢語(yǔ)句進(jìn)行語(yǔ)義處理和復(fù)述在文檔篇章層次上，通過(guò)提取文檔中的潛在主題語(yǔ)義信息，用于優(yōu)化檢索結(jié)果。該方法通過(guò)結(jié)合查詢語(yǔ)句層次的語(yǔ)義信息和篇章層次語(yǔ)義信息，在向量空間模型的基礎(chǔ)上給出了基于雙層語(yǔ)義分析的文檔打分公式。根據(jù)提出的基于雙層語(yǔ)義分析的全文檢索系統(tǒng)框架，設(shè)計(jì)并實(shí)現(xiàn)了原型系統(tǒng)，并解決在系統(tǒng)實(shí)現(xiàn)的中的問(wèn)題。通過(guò)對(duì)系統(tǒng)的實(shí)驗(yàn)結(jié)果進(jìn)行分析，驗(yàn)證了這種基于雙層語(yǔ)義分析的全文檢索方法的有效性。

簡(jiǎn)介：自然語(yǔ)言中普遍存在著同義詞和多義詞現(xiàn)象，致使人們很難通過(guò)以詞形匹配的關(guān)鍵詞檢索尋找到真正需要的網(wǎng)絡(luò)資源。潛在語(yǔ)義索引通過(guò)奇異值分解將同義詞映射到潛在語(yǔ)義空間的同一維度上，同時(shí)將多義詞映射到不同的維度上，進(jìn)而在一定程度上解決了一詞多義和多詞一義的現(xiàn)象。潛在語(yǔ)義索引與其它基于概念詞典的方法相比，具有可計(jì)算性強(qiáng)，領(lǐng)域適應(yīng)能力強(qiáng)的優(yōu)點(diǎn)，并已成為了自然語(yǔ)言處理領(lǐng)域中的研究熱點(diǎn)。本文的研究工作是通過(guò)強(qiáng)化合理的特征共現(xiàn)信息來(lái)提高潛在語(yǔ)義空間中特征向量和文檔向量的準(zhǔn)確度，進(jìn)而提高系統(tǒng)的性能?；谝陨系南敕?，本文提出了基于偽文檔的潛在語(yǔ)義索引的優(yōu)化框架，所謂偽文檔即是通過(guò)對(duì)原始文檔集合進(jìn)行有指導(dǎo)地組織而形成的新的文檔。同時(shí)，本文在基于偽文檔的優(yōu)化框架的基礎(chǔ)上提出了兩種優(yōu)化策略基于語(yǔ)義塊的優(yōu)化方法及基于語(yǔ)義資源的優(yōu)化方法。針對(duì)潛在語(yǔ)義索引以文檔窗口為傳遞窗口造成的特征相關(guān)度不準(zhǔn)確的問(wèn)題，本文提出了基于語(yǔ)義塊的優(yōu)化方法。該方法是通過(guò)對(duì)原始文檔集合有指導(dǎo)地分割，將語(yǔ)義相近的特征劃分到同一個(gè)語(yǔ)義塊單元中，從而加強(qiáng)了語(yǔ)義相關(guān)特征的相關(guān)性，最終優(yōu)化了潛在語(yǔ)義空間中的代表特征和文檔的向量。同時(shí)，在應(yīng)用潛在語(yǔ)義索引的過(guò)程中，生成潛在語(yǔ)義空間的整個(gè)過(guò)程是完全無(wú)指導(dǎo)的，使得語(yǔ)義空間中的表達(dá)特征和文檔的向量不夠準(zhǔn)確?；谡Z(yǔ)義資源的優(yōu)化方法通過(guò)將人的先驗(yàn)知識(shí)融入到原始的文檔集合中，有指導(dǎo)地強(qiáng)化了同義特征之間的相關(guān)度，最終使得潛在語(yǔ)義空間中表達(dá)特征和文檔的向量更加準(zhǔn)確。最終，本文開(kāi)發(fā)了“基于潛在語(yǔ)義索引的專利檢索系統(tǒng)”作為實(shí)驗(yàn)系統(tǒng)，針對(duì)本文提出的方法以可視化的形式展示了實(shí)驗(yàn)效果。

簡(jiǎn)介：隨著互聯(lián)網(wǎng)和搜索引擎技術(shù)的發(fā)展普及，人們對(duì)于如何在龐大的互聯(lián)網(wǎng)上高效地獲得有價(jià)值的信息日益關(guān)注。文檔自動(dòng)摘要技術(shù)作為人們挑戰(zhàn)信息爆炸式增長(zhǎng)與信息有效利用之間矛盾的重要武器，受到世界的廣泛認(rèn)可。目前國(guó)際上許多學(xué)校和企業(yè)都在進(jìn)行文檔自動(dòng)摘要技術(shù)的研究，并取得一定成績(jī)，也產(chǎn)生了各種各樣的自動(dòng)摘要應(yīng)用系統(tǒng)。但在我國(guó)，文檔自動(dòng)摘要技術(shù)發(fā)展歷史比較短。我國(guó)文本摘要技術(shù)的發(fā)展研究還處于初級(jí)階段。國(guó)內(nèi)主要研究基于統(tǒng)計(jì)的方法，例如向量空間模型的摘要系統(tǒng)VECTSPACEMODEL。而基于語(yǔ)義的研究較少，一是由于語(yǔ)義對(duì)于語(yǔ)言學(xué)的研究要求較高，還有各種語(yǔ)料庫(kù)的建立，語(yǔ)義詞典的開(kāi)發(fā)相對(duì)國(guó)外比較落后，因此本文對(duì)于語(yǔ)義方面做單文檔摘要進(jìn)行研究。單文檔自動(dòng)摘要的目標(biāo)是在原始的文本中通過(guò)摘取，提煉主要信息，提供一篇簡(jiǎn)潔全面的摘要。已有的方法大都是通過(guò)統(tǒng)計(jì)和機(jī)器學(xué)習(xí)的技術(shù)從文本中直接提取出句子。本文主要研究基于語(yǔ)義的單文檔自動(dòng)摘要。首先研究了基于語(yǔ)義的詞語(yǔ)相似度計(jì)算和句子相似度計(jì)算。在此基礎(chǔ)上，提出了改進(jìn)型KMEDOIDS摘要系統(tǒng)和對(duì)稱非負(fù)矩陣分解的摘要系統(tǒng)。通過(guò)兩個(gè)系統(tǒng)與以往的系統(tǒng)進(jìn)行試驗(yàn)比對(duì)，該方法提高了單文檔摘要的質(zhì)量。這說(shuō)明基于語(yǔ)義的摘要方法有一定的效果，值得今后進(jìn)一步地研究。

簡(jiǎn)介：隨著計(jì)算機(jī)與網(wǎng)絡(luò)的普及應(yīng)用，數(shù)據(jù)信息安全問(wèn)題成為了人們關(guān)注的重點(diǎn)。而移動(dòng)存儲(chǔ)介質(zhì)是傳遞信息數(shù)據(jù)的重要平臺(tái)，主要包括U盤、移動(dòng)硬盤等。其能給信息交換和傳遞帶來(lái)極大的便捷，但是與此同時(shí)也帶來(lái)了巨大的安全隱患。當(dāng)前數(shù)據(jù)信息安全問(wèn)題不單只來(lái)自于外界的攻擊，還存在部分來(lái)自于內(nèi)部的泄密，因此為了防止U盤數(shù)據(jù)泄露，設(shè)計(jì)實(shí)現(xiàn)針對(duì)U盤的文檔保護(hù)系統(tǒng)十分有必要。本文所設(shè)計(jì)實(shí)現(xiàn)的就是一種基于WINDOWS平臺(tái)的U盤文檔保護(hù)系統(tǒng)。本文首先從相關(guān)技術(shù)分析入手，為本文所研究設(shè)計(jì)的系統(tǒng)提供了技術(shù)支持。文章論述了基于WINDOWS平臺(tái)的U盤文檔保護(hù)系統(tǒng)的功能需求，包括U盤監(jiān)控服務(wù)以及文檔透明管理。然后，文章就U盤文檔保護(hù)系統(tǒng)系統(tǒng)設(shè)計(jì)展開(kāi)了論述。使用USB設(shè)備監(jiān)控技術(shù)和文檔保護(hù)過(guò)濾技術(shù)實(shí)現(xiàn)了U盤監(jiān)控服務(wù)和文檔透明加解密服務(wù)。文章最后對(duì)U盤文檔保護(hù)系統(tǒng)進(jìn)行了功能測(cè)試和性能測(cè)試。主要測(cè)試了系統(tǒng)的U盤實(shí)時(shí)動(dòng)態(tài)監(jiān)控功能和文檔透明加解密功能。文章還總結(jié)出系統(tǒng)的優(yōu)勢(shì)與不足，并且對(duì)日后研究的重點(diǎn)與方向進(jìn)行展望。該系統(tǒng)的優(yōu)勢(shì)在于對(duì)文檔進(jìn)行加解密的是通過(guò)透明加解密的方式。透明加解密技術(shù)主要由用戶模式的用戶控制程序與內(nèi)核模式的文件過(guò)濾驅(qū)動(dòng)組成。其主要實(shí)現(xiàn)的功能為接受用戶控制模式的命令，根據(jù)加密的規(guī)則對(duì)相應(yīng)的文件進(jìn)行透明加解密處理。用戶在使用過(guò)程中無(wú)法得知保護(hù)文件經(jīng)過(guò)了加解密處理。本系統(tǒng)在一定程度上實(shí)現(xiàn)了U盤文檔的安全保護(hù)管理，保證了文檔的保密性與安全性。

簡(jiǎn)介：二值文檔圖像作為二值圖像與文檔圖像的交集，是二值圖像的主體，在傳真、電子政務(wù)、數(shù)字圖書(shū)館建設(shè)和網(wǎng)上閱卷等領(lǐng)域中都有廣泛的應(yīng)用，而且灰度文檔圖像也可以通過(guò)位平面分解的方法轉(zhuǎn)化為二值文檔圖像，面對(duì)圖像數(shù)據(jù)量巨大的特點(diǎn)，對(duì)二值文檔圖像壓縮進(jìn)行研究，不僅可以減少圖像存儲(chǔ)空間以及由此產(chǎn)生的成本，同時(shí)可以降低系統(tǒng)的訪問(wèn)、處理以及傳輸帶寬負(fù)擔(dān)，因此有必要對(duì)二值文檔圖像壓縮進(jìn)行研究。本文主要研究成果主要包括以下兩個(gè)方面1對(duì)版面分析進(jìn)行了深入研究，并對(duì)其中的關(guān)鍵技術(shù)進(jìn)行了創(chuàng)新。版面分析是二值文檔圖像壓縮中非常重要的一個(gè)步驟，通過(guò)對(duì)文檔圖像中各區(qū)域進(jìn)行分類，可以有效提高文檔圖像的壓縮比。本文對(duì)版面分析中的關(guān)鍵技術(shù)進(jìn)行了研究創(chuàng)新，并進(jìn)行了MATLAB仿真驗(yàn)證，包括對(duì)常用的二值化方法OTSU結(jié)合局部閾值思想提出了一種新的方法MOTSU方法；針對(duì)HOUGH變換中難以同時(shí)兼顧精確度和速度的問(wèn)題，提出了一種新的傾斜角度檢測(cè)方法，該方法可以有效提高傾斜角度檢測(cè)的速度與精度；并采用數(shù)學(xué)形態(tài)學(xué)方法對(duì)去噪和版面分解進(jìn)行了研究及實(shí)現(xiàn)。2對(duì)熵編碼進(jìn)行了改進(jìn)，并實(shí)現(xiàn)了二值文檔圖像的變換編碼，將變換編碼思想成功引入二值文檔圖像壓縮中。本文對(duì)熵編碼方法進(jìn)行了改進(jìn)，提出了一種基于分層策略的熵編碼方法，即首先通過(guò)收縮原始圖像獲取縮略圖，以及與縮略圖中前景像素相應(yīng)的組合圖像，然后再進(jìn)行熵編碼處理，通過(guò)這種方法可以減少文檔圖像中的游程種類數(shù)目。本文的另一項(xiàng)創(chuàng)新是實(shí)現(xiàn)了二值文檔圖像的變換編碼，首先本文利用二值小波變換給出了一種簡(jiǎn)單的濾波器設(shè)計(jì)方法，并給出了濾波器的快速算法，進(jìn)行了二值文檔圖像二值小波變換的多分辨率分解和重構(gòu)，并且通過(guò)實(shí)驗(yàn)我們可以看到經(jīng)過(guò)二值小波變換后圖像冗余統(tǒng)計(jì)信息減少，即在壓縮時(shí)可以用更少的比特位表示圖像。最終結(jié)合改進(jìn)的熵編碼方法實(shí)現(xiàn)了將變換編碼方法引入二值文檔圖像的壓縮，拓展了二值文檔圖像壓縮可用方法的范圍。

簡(jiǎn)介：在企業(yè)級(jí)分布式應(yīng)用系統(tǒng)的多層體系結(jié)構(gòu)中中間業(yè)務(wù)邏輯層是整個(gè)系統(tǒng)的關(guān)鍵組成部分它負(fù)責(zé)實(shí)現(xiàn)企業(yè)的主要業(yè)務(wù)流程然而實(shí)現(xiàn)業(yè)務(wù)邏輯層關(guān)鍵在于如何保證業(yè)務(wù)信息無(wú)阻礙、可路由和端對(duì)端安全的傳輸首先信息要在傳輸過(guò)程中能夠穿越各種防火墻的阻攔其次通過(guò)動(dòng)態(tài)制定傳輸路徑的方式來(lái)保證信息必須經(jīng)過(guò)當(dāng)次業(yè)務(wù)流程的中間節(jié)點(diǎn)最后必須保證重要數(shù)據(jù)從起點(diǎn)到終點(diǎn)整個(gè)過(guò)程中的保密性和完整性本文正是在這樣的背景下展開(kāi)工作的在遼河油田油井施工設(shè)計(jì)系統(tǒng)的開(kāi)發(fā)過(guò)程中用戶要求施工設(shè)計(jì)文檔的審核審批流程采用分布式體系結(jié)構(gòu)實(shí)現(xiàn)對(duì)系統(tǒng)的分析表明在審核審批流程中信息需要穿越各種防火墻油井設(shè)計(jì)文檔以WD文檔的形式存取設(shè)計(jì)文檔必須依次通過(guò)代表一審、二審、三審和審批人員的中間節(jié)點(diǎn)由于信息的重要性必須對(duì)信息采取相應(yīng)的安全保護(hù)措施最終我們決定采用WEBSERVICE作為網(wǎng)絡(luò)上信息傳輸?shù)姆椒ㄖ宰龀鲞@樣的選擇有以下幾個(gè)原因第一WEBSERVICE的首選協(xié)議SOAP簡(jiǎn)單對(duì)象存取協(xié)議大多數(shù)情況下是基于HTTP協(xié)議的所以SOAP消息能夠穿透各種防火墻第二SOAP的掛載擴(kuò)展規(guī)范WSATTACHMENTS和DIME直接INTER消息封裝說(shuō)明了SOAP消息如何掛載二進(jìn)制附件第三SOAP的路由擴(kuò)展規(guī)WSADDRESSING為制定SOAP消息的傳輸路徑提供了有力支持第四SOAP的安全擴(kuò)展規(guī)WSSECURITY使保護(hù)SOAP消息中重要信息變?yōu)榭赡鼙疚囊栽O(shè)計(jì)文檔的審核審批流程為主要線索提出能滿足消息路由、安全、處理及掛載等方面要求的SOAP消息模型并基于此消息模型建立一個(gè)消息傳輸框架來(lái)模擬審核審批流程最終設(shè)計(jì)并實(shí)現(xiàn)遼河油田油井施工設(shè)計(jì)文檔審核審批子系統(tǒng)結(jié)果表明與通常采用的BS結(jié)構(gòu)相比系統(tǒng)采用的中間節(jié)點(diǎn)型路由模型通過(guò)增加較少的本地處理代價(jià)來(lái)減少網(wǎng)絡(luò)應(yīng)答代價(jià)并且使系統(tǒng)具有比較好的安全性和可靠性適用于以安全性和可靠性為目標(biāo)的分布式應(yīng)用系統(tǒng)業(yè)務(wù)邏輯層的實(shí)現(xiàn)

簡(jiǎn)介：點(diǎn)擊查看更多基于知識(shí)粒度的Web文檔聚類研究.pdf精彩內(nèi)容。