摘要：在计算广告学中,为用户查询返回相关的广告一直是研究的热点。然而用户的查询一般比较简短,广告的表示也局限在简短的创意和一些竞价词上,返回符合用户查询意图的广告十分困难。为了解决这个问题,该文提出利用多特征融合的方法进行广告查询扩展,先将查询输入到搜索引擎中,获得Top-k网页查询结果,将它们作为获取扩展词的外部资源,由于采用一般的特征选取方法获取扩展词采用的特征比较单一,缺乏语义信息,容易产生主题漂移现象,该文通过计算扩展词和查询词在网页查询结果中的共现度,并融合传统的TF特征和词性信息,获得与原始查询语义相关的扩展词。在真实的广告语料上的实验结果显示,基于多特征融合的选择广告扩展词的方法能有效地提高返回广告的相关性。

摘要：隐喻普遍存在于人类语言中,是对复杂而抽象的情感进行概念化的重要手段,也是情感计算的重要组成部分.无论面向计算机科学还是语言学的应用,情感计算都需要大规模、高质量的语料库作为资源支撑,才能进行更加深入、广泛的研究.因此,本文构建一个大规模汉英双语情感隐喻语料库,用以满足情感计算对语言资源建设的迫切需求.首先归纳情感隐喻语料库构建的理论框架,然后从概念界定、设计原则、语料收集、语料标注、质量监控5个方面分别进行说明,最后论述了该语料库在机器翻译、外语教学及情感分析方面的应用.

摘要：该文主要把产品评论中属性的不同描述进行归类。在产品评论中,同类的属性会有不同的描述,例如,手机的"外形"和"设计"指的是同类属性。同类属性虽然有不同的描述,但是在句中却和相同的情感词搭配使用。该文首先抽取评论句中属性和情感词的搭配关系,形成一个二部图,然后用权重标准化SimRank计算不同属性之间的相似度,并把所得的结果与半监督学习中的贝叶斯分类器进行融合,得到了更好的分类结果。通过实验证明了此方法的有效性。

摘要：目前,各高校的就业指导工作尚不完善,许多毕业生在求职初期缺乏目的性和针对性,在应聘并不适合自己的企业上耗费了大量的时间和精力,由此导致就业难度加大。在此情况下,我们设计开发了高校毕业生就业推荐系统。系统从大连理工大学就业实际工作出发,通过比较应届和往届毕业生基本特征,并结合基于随机游走模型的PageRank算法获得的各个企业的"求职指数",将招聘企业排序后推荐给每一名毕业生。通过测试,本系统功能上符合设计初衷,能够向毕业生推荐适合的企业,可以提升毕业生求职的针对性和目的性,并大大减少其在获取招聘信息上的时间投入。

摘要：笑话作为国家级非物质文化遗产,历史悠久,普遍存在于人们的日常生活中,是最贴近人们生活的艺术体裁之一,笑话的理解也是人工智能发展需要攻克的难题之一。该文构建的大规模中文笑话语料库为人工智能以及语言学研究提供了有利的资源支撑。该文首先归纳总结笑话语料库所依据的笑话相关理论基础,然后对语料库构建中语料标注、语料分析等工作做了详细的介绍,最后在语料库的基础上,分别将笑话与故事、微博、歇后语/谚语以及新闻四种体裁分别做了识别工作,验证了笑话简洁、具有一定的情节、富含情感等特征。同时通过与等长的负例构成的数据集进行笑话识别,验证了所提出特征的有效性。