摘要：命名实体识别是自然语言处理的一个重要基础任务。传统基于统计学习模型的命名实体识别方法严重依赖特征工程,特征设计需要大量人工参与和专家知识,而且已有的方法通常大多将中文命名实体识别任务看作一个字符序列标注问题,需要依赖局部字符标记区分实体边界。为了减弱系统对人工特征设计的依赖,避免字符序列化标注方法的不足,该文对基于神经网络的片段级中文命名实体识别方法进行探索研究。通过采用深度学习片段神经网络结构,实现特征的自动学习,并通过获取片段信息对片段整体分配标记,同时完成实体边界识别和分类。基于神经网络的片段级中文命名实体识别方法在MSRA数据集上对人名、地名和机构名识别的总体F1值达到了90.44%。

摘要：中文信息检索是MIS的重要功能。本文利用java语言设计并实现了一个汉字拼音查询模块,可以有效提高中文信息的检索速度,该模块具有识别汉字量大,编程接口丰富的特点。

摘要：中文信息检索是MIS的重要功能。本文利用Java语言设计并实现了一个汉字拼音查询模块,可以有效提高中文信息的检索速度,该模块具有识别汉字量大、编程接口丰富的特点。

摘要：提出并设计了一个典型的数字化校园系统整体架构的方案 .结合网络教学子系统 ,给出了J2EE技术的具体实现 .结果表明 ,将J2EE技术用于构建数字化校园系统 ,对节省系统设计和开发时间、提高系统安全性、可维护性。

摘要：“V+V”是现代汉语中的常见结构,能够形成兼语、连动等多种完全不同的句法结构,给句法和语义解析造成困难。针对“V+V”形成的句法结构类型和序列关系识别问题,设计并制定了一套语料库标注规范,以解决语料库中存在的“V+V”结构的嵌套标注问题,并据此构建起一个包含5 381个兼语句子、7 987个连动句子,以及1 212个兼语连动嵌套句子的“V+V”语料库。提出一个基于BiLSTM-CRF和多头注意力机制的模型,能够同时识别结构中的多个动词和名词的句法、语义角色。相比于以往只研究单项识别兼语或者连动结构,该模型不仅可以同时识别兼语结构、连动结构,还可以解决兼语连动嵌套结构的识别问题。实验结果表明:该方法能够很好地解决“V+V”序列关系的识别问题,在测试集语料上达到92.12%的F1值。

摘要：离合现象是指汉语中一种词语的前后语素之间可以插入其他成分,但分离后表达的意思仍然是一个整体的现象。该文采用字符级序列标注方法解决二字动词离合现象的自动识别问题,以避免自动分词及词性标注的错误传递;引入掩码机制,遮蔽句中离合词,以强化对中间插入成分的学习,并对前后语素采用不同的掩码以强调其出现顺序;设计双编码模型,对原始句子与掩码后的句子分别进行编码。实验结果表明,该文提出的BERT_MASK+2BiLSTMs+CRF模型比当前性能最优的离合词识别模型提高了2.85%的F1值。

摘要：在三角网格的生成过程中,不可避免地会出现噪声,如何有效地消除这些噪声已经成为计算机辅助设计以及计算机图形学领域的一个重要课题.该文给出了基于主方向的平滑算法,并结合平均曲率流算法和法向滤波算法进行了改进.此平滑算法能够较好的保持曲面的几何特征,防止曲面特征磨光的情况,并能使得曲面原有的特征曲线得以保持.此算法仍是一个线性算法,实验结果说明了实验的有效性.