摘要：针对工艺制造领域文本提出一种融入知识的命名实体识别方法,旨在能够准确地识别工艺文本中的12类实体。该方法依据工艺领域知识设计正则规则,对文本序列进行实体的预识别,形成预识别特征矩阵,并使用编码器对预识别特征矩阵编码,再将识别到的结果保存于词典中,然后对输入文本分词训练基于词的知识表示,最后加入基于神经网络的实体识别模型中。使用BiLSTM为预识别特征矩阵编码器和BiLSTM-CRF神经网络模型的F1值达到92.55%。实验结果表明,融入知识的工艺文本命名实体识别方法能够有效提高工艺文本实体的识别效果。

摘要：设计了一种降低了时间复杂度和空间复杂度的横向拟正则规则双层的MMDR算法,介绍了利用这个优化的算法在股市数据中得到的正则规则进行股票价格预测的方法,以及如何将此算法的运行过程中产生的大量规则应用于证券交易仿真复杂适应系统的“个体”建模中,以解决证券交易仿真系统需要大量互不相同的个体建模的问题。