摘要：新时期城市发展速度的加快,对相关的办公楼服务功能完善产生了积极的影响。在此背景下,为了保持城市办公楼建筑良好的应用状况,为其建设中的作业计划实施提供科学指导,则要对这类建筑设计加以探讨,完善城市办公楼建筑设计方案,促使其在实践中的应用水平可逐渐提升。基于此,文章将对城市办公楼建筑设计进行探讨,以便增强相关作业计划的实施效果。

摘要：【目的】通过对电商网站产生的海量用户评论数据进行综合分析,及时获取与产品口碑相关的用户反馈信息,以便快速有效地反馈企业的市场营销活动效果。【方法】运用词袋模型、依存句法分析和机器学习等新兴技术,对来自京东和天猫两个主要电商网站的真实数据集进行分析,实现了电商用户评论的自动情感分析和观点标签提取。【结果】评论情感分析获得约90%的准确率,利用改进双向传播算法成功实现了一个自动化的词库构建系统,摆脱对词典的依赖,该系统的F值达到约71%。【局限】观点标签提取的召回率需要进一步提高。【结论】通过实时获取海量电商评论数据并进行有效分析,成功实现对用户口碑的快速分析与准确把控,具有较高的商业化推广前景。

摘要：关键词是人们快速判断是否要详细阅读文件内容的重要线索,关键词自动抽取在信息检索、自然语言处理等研究领域均有重要应用.设计了一种新的关键词自动抽取方法,使计算机能够像人类专家一样,利用知识库对目标文本进行学习和理解,最终自动抽取出关键词.专利数据因其数据量庞大、内容丰富、表达准确、专业权威而被选中作为知识库来源.详细讨论了专利数据的特性,挖掘不同专利间的知识关联,针对某一知识领域构造背景知识库,在此基础上进行目标文本的关键词自动抽取.与目标文本相关的专利文集中每个专利的专利发明人、权利人、专利引用和分类信息都被用于在不同的专利文档之间发现关联性,利用关联信息扩充背景知识库,获得目标文档在各个相关知识领域的背景知识库.基于背景知识库设计了词知识特征值,以反映词在目标文本背景知识中的重要程度.最后,把关键词抽取问题转化为分类问题,利用支持向量机(support vector machine,SVM)抽取出目标文本的关键词.在专利数据集和开放数据集的实验结果证明明显优于现有算法.