排序方式： 共有4条查询结果，搜索用时 0 毫秒
1
1.
移动网络技术的迅猛发展以及移动设备终端的日益普及,使得移动应用需求迅猛增长,特别是移动搜索,成为研究的热点.自动问答是一种重要的搜索形式,相对于传统的搜索方式,问答系统能更好地改善搜索质量,提供更全面、准确的知识检索服务.综述和分析信息检索以及本体研究现状可以看出,领域本体已经被广泛的引入到信息检索领域,通过领域本体和知网,可以实现查询关键词的语义扩展,从而提供更灵活、丰富的查询功能.而目前人们普遍缺乏急救知识,构造急救知识领域本体并应用到一个实际的移动问答系统之中,并将问答系统应用到移动设备上,增加了人们获取急救知识的渠道.当危急事件发生时,人们可以通过手机及时获取急救知识,能减少生命财产损失.另外,急救知识问答系统在手机等移动设备上实现,也为知识管理等研究提供了一个全新的接入方式. 相似文献
2.
领域本体自动构建研究 总被引：4，自引：1，他引：3
本体作为语义基础被广泛应用于信息检索、人工智能、语义网络和知识管理等领域.然而本体的构建和维护工作费时费力,影响了本体的广泛应用.因此,研究者们尝试利用机器学习、数据挖掘等技术自动构建本体,提出诸多本体自动构建的理论和方法.本文在总结现存本体自动构建方法的同时深入研究了基于FCA(Formal Concept Analysis)的本体自动构建方法,主要包括:基于PAT-Tree的统计分词,文档特征选择,基于文档-关键词的形式背景生成,最后用FCA构建本体.实验表明,基于FCA的本体构建方法明显提高了本体自动化的程度,构建的本体具有较好的可信度. 相似文献
3.
基于词序方法的文本相似度计算模型 总被引：1，自引：0，他引：1
针对传统向量空间模型对文本相似度的计算未考虑词序导致偏差的问题,提出使用马尔可夫模型的状态转移矩阵、两两文本的最长公共子序列以及它们的所有公共子串信息来描述词序信息,在此基础上提出一种将马尔可夫状态转移矩阵、最长公共子序列、公共子串和TF-IDF相结合,兼顾词序和词频信息的文本相似度计算方法,并使用英文TREC-9的部分数据集对基于词序方法的文本相似度计算方法进行了测试.试验结果表明:在同等分词及评估条件下,基于词序方法的文本相似度计算结果的准确率相对于单纯采用传统的基于向量空间模型的TF-IDF方法提高了5%～15%. 相似文献
4.
本文将潜在语义索引理论与支持向量机方法相结合,对文本向量各维与文本的语义联系进行特征抽取,建立了完整的基于潜在语义索引的支持向量机文本分类模型,分析了该方法与分词的维数以及SVM惩罚因子选择之间的关系.并在NN-SVM分类算法的基础上,通过计算样本点与其最近邻点类别的异同以及该点与其k个同类近邻点在核空间的平均距离来修剪混淆点,提出了一种改进的NN-SVM算法:KCNN-SVM算法.利用该算法对降维后的训练集进行修剪.实验表明,用新的模型进行文本分类,与单纯支持向量机相比,受到文本分词维数以及支持向量机惩罚因子的影响更小,其分类正确率更高. 相似文献
1