【摘 要】
：
随着科学技术的发展,越来越多的新技术呈现在各领域。同时,产生了大量可供挖掘的文本数据以及待发现的新词汇。在不同的专业领域,专业领域词库的扩充是一项待完善的工作。因而,对特定领域的新词进行准确的挖掘与识别成为了一项待开展的重要研究,因此领域新词发现对自然语言处理提出了更高的要求。本文采用一种无监督的方式,提出了一种DTopWordS-SS（DTopWordS Combining Statistics
【基金项目】
：
教育部哲学社会科学繁荣计划建设项目（2018-2019）； 华中科技大学双一流建设项目（2018-2019）；
论文部分内容阅读
随着科学技术的发展,越来越多的新技术呈现在各领域。同时,产生了大量可供挖掘的文本数据以及待发现的新词汇。在不同的专业领域,专业领域词库的扩充是一项待完善的工作。因而,对特定领域的新词进行准确的挖掘与识别成为了一项待开展的重要研究,因此领域新词发现对自然语言处理提出了更高的要求。本文采用一种无监督的方式,提出了一种DTopWordS-SS（DTopWordS Combining Statistics and Semantics）模型,结合已有的DtopWordS模型,针对性地提出改进的Apriori方法以及改进的信息熵模型,并在原模型的基础上融合了统计与语义,有效提高了领域新词发现方面的准确性,从而对未登录词进行更好的识别,构建出较为完备的词典,能挖掘出更多符合领域范畴的低频词。将该模型在DTopWordS所使用的语料库上进行评估,实验证明:DTopWordS-SS模型能够从多维度去挖掘与分析领域词,能有效提高挖掘领域新词的准确率。此外,本文的DTopWordS-SS模型已基于科研管理文档数据集进行应用,挖掘出该数据历年来在不同领域的新词,实现了对科研领域研究点的直观体现;同时通过对每年词库的构建及相同词的频率分布,选举得到年度热词并进行呈现。模型整体上有效挖掘了文本中的新词并呈现了热点,直观的分析了科研相关文档,具有一定的研究价值和实际应用价值。
其他文献
人类长久的生活在地球上,对地球上各个领域进行了探索,随着科技的进步,更多追求的是对野外地域的探索,而这些地貌呈现的都是非结构化的形式,对这种复杂环境下的探索,需要无人平台来完成。目前人类研发出了普通轮式、履带式、摆臂式等无人平台,这些无人平台能够帮助人类完成人类自己难以完成的任务,如极地探险、现场排爆、火场救援等。然而这些无人平台也存在很多缺陷,如在野外非结构地形下普通轮式无人平台的通过性能差,履
打击效果评估在现代化战争中应用广泛且具有至关重要的作用。在现代化战争中,精确地获得战场打击信息对于军方打击目标选择、战场态势监测、惯导制导乃至战略决策具有重要作用;打击效果评估结果已经成为了军方制定各类军事决策的重要参考基础。本文对国内外打击效果评估技术进行了相关研究,并提出了一种基于多时相图像的打击效果评估技术的流程以及流程中的各相关算法。论文主要内容如下:采用了一套图像预处理相关方法,包括基于
叶片作为航空发动机中的核心零件,其加工质量直接影响着发动机的气动性能。近年来,为了提高发动机的推重比,叶片的设计逐渐趋向薄壁化。在数控铣削加工过程中,薄壁叶片由于其造型复杂,曲率变化大,刚度低等特点,容易产生弯曲、扭转变形以及局部欠切等问题,使得加工质量难以保证。本文基于叶片测量点集数据,提出针对弯曲、扭转变形和让刀误差的补偿方案。根据变形产生的大小和方向,对叶片各区域的误差进行差异化补偿。主要研
随着移动互联网技术的飞速发展和智能终端设备的更新迭代,WIFI的应用与日常生活紧密相连,公共场合需要通过网络认证的方式保证用户连接的私密性和安全性,而在现行的网络认证方案中,Portal认证方案因搭建快捷、维护成本低,应用最为普遍,但其对无线终端设备的要求高,因而在无线终端设备的测试和开发过程中,需要一套Portal认证模拟系统还原Portal认证的基本场景以及一些特殊场景。本文以横向合作项目“基
分析程序是否存在恶意行为是保护用户信息安全的有效措施之一。基于指令序列的恶意行为分析技术作为目前主流的恶意行为检测手段,它通过收集程序运行时的指令控制流信息,还原程序真实的运行轨迹,识别程序的行为特征。然而,指令流采集和还原执行轨迹仍存在以下主要问题:一方面,高性能开销的指令流采集系统与真实用户环境中程序运行存在巨大的时长差,易被恶意程序发现并产生逃逸行为;另一方面,记录过程采集的无效数据给还原过
随着人工智能和计算机视觉技术的发展,工业生产的自动化程度也逐步提高。非接触式的自动化测量技术是工业生产中的重要内容,利用计算机视觉技术可以解决自动化测量中的关键问题:目标识别和姿态估计。近年来,基于深度学习的方法不断发展,逐渐取代了人工提取特征的方法。点云数据是三维数据的重要表示方式之一,相比于二维图像,点云数据包含了物体深度等更多信息,它的表达方式也相对简单,可以作为深度学习模型的输入。本论文基
自古以来,投票就是一种体现民主公正的存在形式。随着当代社会的发展和技术的进步,投票采用的形式也从举手计数转变为线上投票计数。然而,当今线上投票系统大多依赖于一个中心化的服务器,普通用户无法得知自己所投出的票是否被后台管理员或利益相关者恶意篡改,即无法验证票据信息的真伪,做不到信息的公正公开。随着区块链技术逐渐进入人们的视野,人们意识到区块链技术具有不可篡改、去中心化、可追溯等优点,数据一旦存入账本
球囊霉素相关土壤蛋白（GRSP）是丛枝菌根真菌产生的一种糖蛋白物质,其性质稳定,不溶于水且耐高温。GRSP在土壤团聚体形成中起重要作用,可以提高土壤团聚体的水稳定性;GRSP作为一种有机质可以为土壤提供大量碳源;同时也能够吸附固定土壤中的重金属元素,对重金属污染土壤生物修复有重要作用。然而,基于目前的提取纯化方法得到的球囊霉素纯度不高,难以用于其结构及性质的分析。本研究采用柠檬酸钠提取法分别从土壤
文字是人类最伟大的发明之一,它承载着丰富的语义信息,在人们的生活中扮演着举足轻重的角色。随着移动互联网技术的快速发展与电子设备的普及,人们进入了一个大数据时代,互联网上充斥着海量的视频数据。视频中的文字信息往往能够更加准确的表达视频的关键内容,文字对于图像处理和视频分析起着至关重要的作用,因此如何准确、高效的从视频数据中提取和分析文字信息成为了近年来人们关注的焦点。自然场景文本相对扫描文档更具有挑
目的:自2009年实施新医改以来,国家大力发展农村地区医疗卫生服务体系,促进乡镇卫生院的建设和能力的提高。在这一背景下,乡镇卫生院的效率评价对改善乡镇卫生院建设和服务具有重要意义。本研究通过对2017年湖北不同功能区域的乡镇卫生院的基本情况和运行效率进行分析,了解湖北省各功能区乡镇卫生院的整体水平和运行效率,分析乡镇卫生院可能存在的问题,为进一步提高不同功能区乡镇卫生院运行效率提供科学依据。方法: