摘要：现有通用分词工具对医疗专业术语的识别效果不理想,影响了医疗文本结构化的效果。针对该问题,提出一种基于词向量的新词发现方法,利用新词发现过程中构建的词库抽取信息,得到结构化数据。使用Google开源词向量工具word2vec训练文本,将词映射到抽象的n维向量空间;根据词与词之间的得分、词的左右信息熵和在文本中的词来发现新词,把发现的新词加入用户自定义词库;设计信息抽取规则,根据发现的关键词提取对应的关键信息,将其组织为结构化数据。实验结果表明,用该方法进行结构化处理在准确率上比传统方法提高了10%,在效率上比传统方法提高了18%。

摘要：为提高新词提取的准确率,根据新词在时间上的性质引入时间频率函数值特征,提出自动阈值获取算法。针对高处理效率特性,基于Spark平台对海量语料库中新词提取方案进行研究,提出一种分布式新词提取方案。对文本预处理,统计文本中字串的特征值如互信息、上下文信息熵、时间频率函数值等,建立巨大的领域及时间相关的结构化数据库,通过阈值及背景词库的过滤实现新词提取,将提取的新词添加到背景词中。实验结果表明,该算法具有较高的准确率,在大规模语料库处理效率上相比传统方法有了大幅提升。

摘要：对城市定位的核心概念及基本表述十分重要，它既是一个城市发展理念、指导纲领与战略意图的集中体现和精华所在，同时也作为文化灵魂而渗透在城市的空间、社会、生活方式和精神生态中。在有媒介社会之称的当今世界，凝练、准确、富有内涵的核心概念及其表述系统，对强化城市的凝聚力和认同感、打造城市形象和提升城市影响力具有重要的作用和意义。经过改革开放30余年的探索，以总体性的“国际大都市”和强调软实力的“国际文化大都市”为代表，“大都市”成为上海等城市定位的核心概念和基本表述。