摘要：领域本体在信息抽取系统有着重要作用。该文介绍了本体、领域本体的基本概念,并探讨了领域本体与信息抽取的关系。提出了信息抽取系统中领域本体的设计准则和实施步骤,实施步骤包括领域本体需求分析、收集本体信息、构建领域本体框架、形式化编码、确认和评价等。在信息抽取原型系统中实现了显示器领域本体,并将该领域本体应用到信息抽取中的命名实体识别、抽取模式获取和主题概念提取等任务中,应用结果表明该方法、步骤是可行的。

摘要：自然语言处理是智能科学与技术专业的主干课程,其教学内容多、知识更新快,同时又具有理论性和实践性并重的特点,课程教学难度大。任务驱动教学法是一种建立在建构主义学习理论基础上的教学法,它将以传授知识为主的传统教学理念,转变为以解决问题、完成任务为主的多维互动式教学理念。学生在“接受任务—分析任务—求解任务—完成任务”的良性循环中完成知识建构,培养创新意识和独立解决问题能力。针对自然语言处理课程的特点,将任务驱动教学法运用到课程教学中,并在2019级智能科学与技术两个班级中进行基于任务驱动的教学实施,教师的教、学生的学围绕9个教学任务展开,激发了学生学习的兴趣和主动性,较显著地提升了自然语言处理课程的教学效果,提高了人才培养质量。

摘要：提出一种基于Ultra Search的桌面搜索设计和实现方案,简要介绍了Ultra Search体系架构和各个组件的功能,然后给出该桌面搜索的框架和各个组件的实现细节,并和多个桌面搜索工具在相同的数据源上进行测试,结果表明,该桌面搜索有不错的搜索性能。

摘要：隐马尔可夫模型是序列数据处理和统计学习的一种重要概率模型,最近几年已经被成功应用到许多关于自然语言处理的任务中。简要介绍了隐马尔可夫模型,对其在词性标注应用中的难点、模型的建立、Viterbi算法等问题进行了详细论述,给出了基于隐马尔可夫模型的中文科研论文头部信息抽取过程以及模型结构的学习和参数的训练等关键问题的解决办法。

摘要：基于字的词位标注的方法能极大地提高汉语分词的性能,该方法将汉语分词转化为字的词位标注问题,词位标注汉语分词中特征模板的设定至关重要,为了更加准确地设定特征模板,从多个角度进行了定量分析,并在国际汉语分词评测Bakeoff2005的PKU和MSRA两种语料上进行了封闭测试,得到如下结论:同等条件下,训练出的模型大小与扩展出的特征数成正比;不同的单字特征模板在同一语料中扩展出的特征数基本相同,单字特征模板对分词性能的贡献要比双字特征模板小得多;增加B特征模板之后,训练时间大大增加,模型大小基本不变,对分词性能都是正增长。

摘要：文中介绍了受限领域中文文本主题标引系统的设计原理。该系统基于领域知识库进行主题特征识别 ,根据知识库中概念间的关系进行特征项权重的计算。实现了基于词汇分析技术和基于领域知识计算相结合的方式下 ,受限领域中文文本内容主题概念的识别。实验结果显示 ,主题识别平均正确率为 79%。

摘要：针对程序设计基础在教学过程中存在的问题,在分析了课程和教学对象的基础上,确立了基于“强基础、重实践、激创新”的教学理念,提出了一套理论课程和实践课程的改革方案,以提高课程的教学质量,增强学生分析问题和解决问题的能力,并在实际中取得了较好的教学效果。