葡京娱乐场-富盈娱乐场开户_百家乐试玩_sz全讯网网址xb112 (中国)·官方网站

用于以水為主要滅火劑的中壓和低壓消防系統(tǒng)的單級(jí)雙吸中開式消防泵。

本發(fā)明公開了一種基于可視程度的Web對(duì)象檢索方法。對(duì)具有空間屬性的海量Web對(duì)象建立IR樹索引;用積分式可視性度量方法符合人體視覺感知特征;設(shè)計(jì)環(huán)繞遮擋圖結(jié)構(gòu)作為Web對(duì)象及IR樹節(jié)點(diǎn)對(duì)象的可視性計(jì)算引擎;針對(duì)用戶可視Web檢索需求設(shè)計(jì)查詢匹配度度量函數(shù),融合Web對(duì)象相對(duì)于用戶位置的可視性與相對(duì)于查詢關(guān)鍵詞的語義相關(guān)性;利用IR樹索引,對(duì)提出的環(huán)繞遮擋圖結(jié)構(gòu)以及查詢匹配度度量函數(shù),采用增量式的方法獲得K個(gè)與用戶查詢匹配度最高的Web對(duì)象。本發(fā)明充分利用了IR樹索引結(jié)構(gòu),無縫融合Web對(duì)象的空間屬性與文本屬性,基于積分式可視性度量的環(huán)繞遮擋圖結(jié)構(gòu)保證了查詢的高效性。

成果簡介：此項(xiàng)目為利用自然語言和語義網(wǎng)技術(shù)實(shí)現(xiàn)基于 Web 的有關(guān)廣聯(lián)達(dá)公司產(chǎn)品服務(wù)的自動(dòng)問答系統(tǒng)。在傳統(tǒng)基于搜索引擎的問答系統(tǒng)基礎(chǔ)上，通 過對(duì)問題和答案的進(jìn)行語義依存分析并結(jié)合領(lǐng)域本體模型提供較為準(zhǔn)確的 自動(dòng)問答功能，在實(shí)際應(yīng)用中取得良好的效果。 項(xiàng)目來源：自行開發(fā) 技術(shù)領(lǐng)域：軟件 應(yīng)用范圍：領(lǐng)域內(nèi)自動(dòng) Web 問答，尤其適合一些售后服務(wù)系統(tǒng)

產(chǎn)品詳細(xì)介紹

Web挖掘技術(shù)屬于信息科學(xué)領(lǐng)域，涉及自然語言處理、模式識(shí)別、知識(shí)工程、機(jī)器學(xué)習(xí)和隨機(jī)過程等多個(gè)研究領(lǐng)域，并需要使用概率統(tǒng)計(jì)、矩陣?yán)碚撘约捌渌浻?jì)算方法作為研究工具和手段。本項(xiàng)目主要針對(duì)Web挖掘中的Web數(shù)據(jù)模型、文本分類和信息檢索等基本問題進(jìn)行理論和算法上的研究，并就這些問題提出了潛在語義結(jié)構(gòu)模型、基于投影尋蹤的中文網(wǎng)頁分類算法和基于Markov網(wǎng)絡(luò)的信息檢索等模型。同時(shí)，在理論上對(duì)這些方法進(jìn)行了深入的研究和探討，從理論上證明了其正確性。在實(shí)驗(yàn)方面，我們將分類模型應(yīng)用于大規(guī)模的標(biāo)準(zhǔn)測試文檔集（REUTER-21578語料庫、復(fù)旦大學(xué)中文文本分類語料庫），進(jìn)行了大量的實(shí)驗(yàn)，結(jié)果表明這些方法均表現(xiàn)出了較好的性能，接近甚至優(yōu)于SVM和KNN的分類效果，并應(yīng)用檢索模型在標(biāo)準(zhǔn)測試文檔集（CACM、CISI、CRAN、MED）上進(jìn)行了多次對(duì)比實(shí)驗(yàn)，其性能與BM25相當(dāng)在某些指標(biāo)上甚至更優(yōu)。另外，課題組在北大天網(wǎng)測試文檔集上應(yīng)用上述模型，在近幾年的全國搜索引擎和網(wǎng)上信息挖掘?qū)W術(shù)研討會(huì)（SEWM）的中文WEB信息檢索評(píng)測中均取得了優(yōu)異的成績。

一種Web挖掘系統(tǒng)的構(gòu)造方法，其由中央處理器、存儲(chǔ)器組成的數(shù)字計(jì)算機(jī)，所述的數(shù)字計(jì)算機(jī)與網(wǎng)絡(luò)聯(lián)接；所述的存儲(chǔ)器存儲(chǔ)有真實(shí)數(shù)據(jù)庫和基礎(chǔ)知識(shí)庫，以及啟發(fā)型協(xié)調(diào)器和維護(hù)型協(xié)調(diào)器；其通過特征抽取及特征變換，Web內(nèi)容挖掘過程，模型質(zhì)量評(píng)價(jià)，信息呈現(xiàn)及信息導(dǎo)航，雙庫協(xié)同機(jī)制等步驟；在Web挖掘方面其使得知識(shí)庫能夠動(dòng)態(tài)的參與數(shù)據(jù)庫的發(fā)掘過程，用戶的先驗(yàn)知識(shí)及知識(shí)庫中的固有知識(shí)可以產(chǎn)生“定向發(fā)掘”，以提高認(rèn)知自主性和避免海量搜索的產(chǎn)生；在知識(shí)庫的維護(hù)方面：其可在數(shù)據(jù)發(fā)掘過程中實(shí)時(shí)地修改和維護(hù)知識(shí)庫中的內(nèi)容，包括重復(fù)與冗余性檢驗(yàn)、矛盾處理等?！繇?xiàng)目的應(yīng)用范圍及經(jīng)濟(jì)效益分析 在該系統(tǒng)中采用了一類創(chuàng)新性的用于復(fù)雜類型數(shù)據(jù)挖掘的結(jié)構(gòu)模型——發(fā)現(xiàn)特征子空間模型 DFSSM，含蓋了常用的向量空間模型VSM。 該系統(tǒng)包含了 Web文本挖掘、客戶訪問模式挖掘和智能搜索引擎。其中在Web文本分類和Web文本聚類等方面，采用了我們提出的新算法。國際著名無形資產(chǎn)評(píng)估機(jī)構(gòu)“香港國際無形資產(chǎn)評(píng)估事務(wù)所”品過此專利無形資產(chǎn)價(jià)值72萬美元。   基于內(nèi)在機(jī)理的知識(shí)發(fā)現(xiàn)理論KDTIM是我們獨(dú)立提出的原創(chuàng)性理論，基于該理論我們?cè)O(shè)計(jì) 該 并實(shí)現(xiàn)了具 有自主知識(shí)產(chǎn)權(quán)的大型軟件系統(tǒng)——集成化組合構(gòu)件式知識(shí)發(fā)現(xiàn)軟件系統(tǒng) ICCKDSS，而 Web挖掘系統(tǒng)是其 三個(gè)核心 部分之一。該系統(tǒng)具有通用性強(qiáng)、性能良好、使用方便、人機(jī)界面友好等特點(diǎn)，可以在不同的網(wǎng)絡(luò)平臺(tái)上進(jìn)行快速移植和推廣。一種 Web挖掘系統(tǒng)的構(gòu)造方法（已獲國家發(fā)明專利授權(quán)，申請(qǐng)?zhí)枺?3104960.5），是在現(xiàn)有的Web挖掘技術(shù)的基礎(chǔ)上融入知識(shí)發(fā)現(xiàn)內(nèi)在機(jī)理之一：雙庫協(xié)同機(jī)制，即構(gòu)建數(shù)據(jù)庫（文本庫、日志庫與結(jié)構(gòu)信息庫）與基礎(chǔ)知識(shí)庫的內(nèi)在聯(lián)系“通道”,使得知識(shí)庫能夠動(dòng)態(tài)的參與數(shù)據(jù)庫的發(fā)掘過程，用戶的先驗(yàn)知識(shí)及知識(shí)庫中的固有知識(shí)通過此機(jī)制可以產(chǎn)生“定向發(fā)掘”，以提高認(rèn)知自主性和避免海量搜索的產(chǎn)生；在知識(shí)庫的維護(hù)方面，通過雙庫協(xié)同機(jī)制可在數(shù)據(jù)發(fā)掘過程中實(shí)時(shí)地修改和維護(hù)知識(shí)庫中的內(nèi)容，包括重復(fù)與冗余性檢驗(yàn)、矛盾處理等。從而用基礎(chǔ)知識(shí)庫去制約與驅(qū)動(dòng) Web挖掘系統(tǒng)的整個(gè)挖掘流程，改變Web挖掘系統(tǒng)固有的運(yùn)行機(jī)制，在結(jié)構(gòu)與功能上形成了相對(duì)于 Web挖掘系統(tǒng)而言的一個(gè)開放的、優(yōu)化的擴(kuò)體?？傮w上講，將Web挖掘視為一個(gè)開放系統(tǒng)，在Web挖掘進(jìn)程與基礎(chǔ)知識(shí)庫的廣泛聯(lián)系中，改進(jìn)與優(yōu)化了Web挖掘的結(jié)構(gòu)、過程與運(yùn)行機(jī)制。 本系統(tǒng)已成功地應(yīng)用到現(xiàn)代遠(yuǎn)程教育網(wǎng)信息挖掘中，得到用戶好評(píng)并通過國家軟件評(píng)測中心的鑒定測評(píng)。它還可以廣泛地應(yīng)用到智能決策（預(yù)測）支持系統(tǒng)、 CRM系統(tǒng)、ERP系統(tǒng)、門戶網(wǎng)站、電子商務(wù)和電子政務(wù)等領(lǐng)域中。該系統(tǒng)具有很大的應(yīng)用推廣價(jià)值和廣闊的市場前景。

一種Web挖掘系統(tǒng)的構(gòu)造方法，其由中央處理器、存儲(chǔ)器組成的數(shù)字計(jì)算機(jī)，所述的數(shù)字計(jì)算機(jī)與網(wǎng)絡(luò)聯(lián)接；所述的存儲(chǔ)器存儲(chǔ)有真實(shí)數(shù)據(jù)庫和基礎(chǔ)知識(shí)庫，以及啟發(fā)型協(xié)調(diào)器和維護(hù)型協(xié)調(diào)器；其通過特征抽取及特征變換，Web內(nèi)容挖掘過程，模型質(zhì)量評(píng)價(jià)，信息呈現(xiàn)及信息導(dǎo)航，雙庫協(xié)同機(jī)制等步驟；在Web挖掘方面其使得知識(shí)庫能夠動(dòng)態(tài)的參與數(shù)據(jù)庫的發(fā)掘過程，用戶的先驗(yàn)知識(shí)及知識(shí)庫中的固有知識(shí)可以產(chǎn)生“定向發(fā)掘”，以提高認(rèn)知自主性和避免海量搜索的產(chǎn)生；在知識(shí)庫的維護(hù)方面：其可在數(shù)據(jù)發(fā)掘過程中實(shí)時(shí)地修改和維護(hù)知識(shí)庫中的內(nèi)容，包括重復(fù)與冗余性檢驗(yàn)、矛盾處理等。

本發(fā)明公布了一種基于最優(yōu)模型的WEB輿情趨勢預(yù)測方法。該方法的基本思想就是首先對(duì)歷史輿情事件進(jìn)行分類獲取輿情的幾大類別，然后對(duì)分類獲得的各個(gè)類別中事件的時(shí)間序列圖進(jìn)行聚類獲取小類，通過保證均方誤差和最小的方式求取各個(gè)小類的最優(yōu)模型從而獲取各個(gè)大類的最優(yōu)模型集。