基于中文分词的农业信息检索平台设计

针对农业科技人员和其他农业信息用户面对海量异构农业信息文档缺乏高校检索方法的问题,提出基于中文分词的信息检索平台系统构架,以倒排文档方式来处理各种农业信息文档,采用TF/IDF相似度计算作为评分排序的标准,构建基于中文分词的信息检索系统应用于农业信息领域,取得较好效果。     

中文分词方法在DSpace中的比较与应用

为了提高Dspace系统的检索性能,本文对DSpace机构知识库系统中的检索工具包Lucene进行了详细分析和研究,对多种常用的中文分词方法通过对比实验,最终确定使用JE - analyzer(极易)方法作为DSpace检索工具包的中文分词方法.     

医学文献全文检索的中文分词方法研究

中文分词作为中文信息处理最重要的预处理手段被广泛应用．该文对医学领域文献全文检索的中文分词进行分析研究．提出了一种如何解决同义词,近义词的方法;并对传统正向最大匹配算法进行改进．更全面地实现了“长词优先”的系统功能。本方法应用于医学文献全文检索系统中．取得了很好的效果．具有一定的实用性。     

基于Heritrix+Solr的农业信息垂直搜索引擎研究与设计

随着农业信息化、智能化的不断发展,农业信息量呈现井喷式增长,为广大农业从业者和农业科研人员提供便捷有效的信息检索方法是目前农业搜索引擎亟需解决的问题.为此,本文提出了基于Heritrix+Solr的农业信息垂直搜索引擎框架,并设计了适用于农业信息垂直搜索引擎的隐马尔科夫Web信息抽取模块和基于词典的mmseg4j中文分词模块,同时改进了页面排序算法,对进一步提升农业垂直搜索引擎的用户体验和工作效率具有一定的参考价值.     

基于农业垂直搜索引擎中文分词词典的构建研究

在农业垂直搜索引擎研究过程中,中文分词是重要的研究方向。针对传统农业垂直搜索引擎搜索信息抽取不准确、速度慢等缺点,采用双数组Trie树为基本模型,利用中文词条首字区位码与数据库表行号相对应的方式,并根据农业垂直搜索引擎的需要设置了农业词汇的词性编码,以My SQL数据库为例设计了农业领域专用的分词词典。该分词词典可充分利用数据库的优势进行词典组织,并且可以进行词库的远程共享和共同维护,方便不同的系统进行访问;词条按首字分类存放构造双数组Trie树,可有效减少构造过程的内存空间。该农业分词词典结构对其他领域和行业也具有借鉴意义。     

基于SpamAssassin的中文垃圾邮件过滤系统的设计与实现

随着电子邮件在人们生活中的广泛应用,垃圾邮件的防范也日益引起人们的重视.本文详细介绍了在linux下基于SpamAssassin中文垃圾邮件过滤系统的设计与实现.     

基于词典和全切分的中文农业网页分词算法的研究

针对农业垂直搜索中中文分词要求的特殊性,提出-5基于词典和全切分的中文分词算法。该算法首先对经过预处理的网页进行基于词典的机械式切分,对未识别的字串再进行基于贝叶斯（Bayes）方法的全切分概率计算,通过计算字串的最大切分可信度确定最合理的切分,并更新词典。实验从120万张农业中文网页中随机抽取14组生成测试集,测试结果表明,该算法与正向最大匹配算法（FMM）和逆向最大匹配算法（RMM）相比具有更高的召回率,F1测度平均达到88％。     

中文水产搜索引擎的研究与探索

搜索引擎是人们检索Ｗｅｂ信息资源的有效途径,专业搜索引擎能理我好地满足专业信息检索的需要。水产搜索引擎普遍存在数据库规模较小但简洁实用等特点。大多数以分类集合网站网址为主,采用主题目录索引方式实现搜索。“猎渔搜索”是“中国水产网”开发的中文水产搜索引擎,其主题目录的编排采用主题分类法,共分为１６个类目,并选择ＮＴ＋ⅡＳ＋ＳＱＬ Ｓｅｖｅｒ作为开发平台,由后台索引数据库和前台搜索界面组成。     

中文水产搜索引擎的研究与探索

搜索引擎是人们检索Ｗｅｂ信息资源的有效途径,专业搜索引擎能理我好地满足专业信息检索的需要。水产搜索引擎普遍存在数据库规模较小但简洁实用等特点。大多数以分类集合网站网址为主,采用主题目录索引方式实现搜索。“猎渔搜索”是“中国水产网”开发的中文水产搜索引擎,其主题目录的编排采用主题分类法,共分为１６个类目,并选择ＮＴ＋ⅡＳ＋ＳＱＬ Ｓｅｖｅｒ作为开发平台,由后台索引数据库和前台搜索界面组成。     

一种改进的长词优先逆向最大匹配分词消歧策略

为提高逆向最大匹配算法的分词精度,本研究利用词频阙值,单字函数等方法取得了较好的消歧效果。实验结果表明:该分词算法既能遵循长词优先的原则,又能进一步识别和消除覆盖歧义。改进的RMM不仅在速度上仍保持较大优势而且在分词准确率上有了进一步的提高,对使用机械分词算法的中小型搜索引擎在提高分词精度方面具有一定的实用价值。     

基于双数组Trie树中文分词研究

对双数组Trie树（Double—ArrayTrie）分词算法进行了优化：在采用Trie树构造双数组Trie树的过程中，优先处理分支节点多的结点，以减少冲突；构造一个空状态序列；将冲突的结点放入Hash表中，不需要重新分配结点．然后，利用这些方法构造了一个中文分词系统，并与其他几种分词方法进行对比，结果表明，优化后的双数组Trie树插入速度和空间利用率得到了很大提高，且分词查询效率也得到了提高．     

基于二字词位图表的汉语自动分词词典机制

根据汉语中二字词较多的特点,提出了一种新的分词词典机制.该机制在词典数据结构中添加二字词检测位图表,在分词时,利用位图表可快速判断二字词优化分词速度.选取人民日报语料片断进行了实验测试.实验结果表明,基于二字词检测位图表的分词词典机制有效地提高了汉语自动分词的速度和效率.     

基于Lucene和Nutch的林业垂直搜索引擎的研建

本文描述了一个基于Lucene和Nutch实现的林业垂直搜索引擎,给出了系统框架,其可以为林业用户提供专业的资源检索服务.     

基于Nutch框架的农业信息垂直搜索引擎研究与设计

针对当前农业搜索引擎存在的查不全、查不准、死链等问题,在分析中国使用率比较高的农搜、搜农、华农在线和中国农业信息网站等搜索引擎的基础上,提出了基于Nutch框架的农业信息垂直搜索引擎。该搜索引擎对农业词语进行分类,并构建专门的农业词典,提高查询速度。此外,基于Nutch框架的搜索引擎采用了改进的Page Rank算法对网页进行排序得到权值最高的网页,呈现出具有价值搜索结果,达到初步的搜索结果的预期目标。     

散乱点云分割技术研究与实现

点云分割是根据空间、几何和纹理等特征对点云进行划分,使得同一划分内的点云具有相似的特征。首先对获取的散乱点云数据进行去噪、填补空洞和畸变等预处理,然后计算最小包围立方体分割点云空间并构建八叉树加速邻域点的搜索,为每个点构造最小二乘邻域,分析散乱点云数据的高斯曲率和平均曲率,再通过区域生长法得到低噪声的精确分块,自适应、智能化地对点云进行分块。经实验验证,该方法可以获得较好的分割效果。     

基于SDD算法的中文农业搜索引擎设计与实现

信息检索是当今社会的热点话题,但是一般的搜索引擎涵盖面太广,个性化、专业化程度不够.利用潜在语义索引(LSO的最新技术SDD(半离散矩阵分解)算法来解决大规模网页索引计算的问题,利用SDD算法建立起语义索引,成功构建了一个中文农业搜索引擎.     

基于词内部模式的中文新词识别研究

提出了一种基于支持向量机的中文新词识别算法.该算法结合新词内部模式以及词长等提出了基于词内部模式的改进字符位置似然概率,并综合新词的邻接类别等特征对新词进行识别.经过小说语料测试,实验结果表明：该算法的微F1值为0.583 3,宏F1值为0.775 7,分别比不考虑词内部模式的基准算法提高约63%和30%.     

基于GIS的中国传统村镇管理系统设计和实施

针对目前中国在经济村落保护方面的薄弱环节,基于地理信息系统（GIS）、GoogleAPI技术与SupermapIServerJava2008开发平台,对中国传统村镇WEBGIS管理平台的构建与实现进行探讨。通过对中国传统村镇WEBGIS管理平台的构建,提高了基本信息数据库数据的采集、更新及入库效率,进一步节省了工作成本,便于相关部门的监督和决策,实现了部分工作的动态、分级及透明管理,对乡镇村落的现代化建设和管理工作具有重大意义。