公共文化服务平台

王俊华: 作品数：14 被引量：34H指数：4; 供职机构：长春工业大学计算机科学与工程学院更多>>; 发文基金：国家自然科学基金吉林省重大科技攻关项目吉林省科技发展计划基金更多>>; 相关领域：自动化与计算机技术更多>>

合作作者

本体定义及本体代数被引量：3: 2010年; 基于现有的本体定义,采用函数式描述语言精确定义了本体建模基元,给出一种新的本体形式化描述,并给出了本体间近义关联的定义,在新本体形式化描述和本体间近义关联定义的基础上,提出一种具有封闭性的本体代数定义,同时结合函数式描述语言,给出了其形式化描述.; 王俊华左万利赫枫龄王英; 关键词：形式化描述

基于词性过滤和改进边权重的短文本分类算法: 2023年; 针对短文本存在特征稀疏和信息不规范等特点,文中在TextGCN模型的基础上通过增加词性过滤减弱无关词对特征选择的影响,并加入TF-CR算法提高类别无关词权重,最后,通过与几个经典模型进行对比,验证改进模型的有效性。; 许梦玥侯秀萍王俊华

面向文本的本体学习方法被引量：4: 2015年; 借助文本预处理工具Gate和通用本体Word Net,采用统计、频繁项挖掘、模式匹配、启发式学习和主动学习等技术,学习本体基元——概念(含实例)、概念间的分类关系、概念间的语义关系和概念属性,其中概念属性学习为本文首次提出。实验结果表明,本文方法改善了概念语义排歧效果,丰富了短语概念学习与语义关系学习,提高了本体自动构建的准确度,降低了本体学习的代价。; 王俊华左万利彭涛; 关键词：人工智能本体学习频繁项挖掘

基于本体与模式的网络用户兴趣挖掘被引量：6: 2014年; 本文探讨了用户兴趣挖掘的新方法,首先从用户搜索日志中获取访问行为元素,并借助通用本体中的概念描述网页所体现的用户个体兴趣,然后提出了一种兴趣得分计算方法,并在此基础上从用户个体兴趣序列中识别不同的兴趣模式,判断用户的短期兴趣,并利用通用本体得出用户兴趣的集合表示,最后根据短期兴趣的增量积累推算长期兴趣.整个过程避开了以往兴趣挖掘方法中通过相似度计算和文档聚类算法进行兴趣合并的问题,为兴趣发现提供了新思路.实验结果表明,本文的方法对用户兴趣的描述更具体,取得了更优化的兴趣合并结果.; 苏雪阳左万利王俊华; 关键词：搜索引擎用户兴趣

基于证据理论的网络质量评价方法: 本发明涉及一种基于证据理论的网络质量评价方法，给出了清晰、明确、可计算的网页质量评价指标体系，能够针对任何类别的网页进行质量评价，以综合可信度质量为重点，结合了网页内容质量和网站内容质量的各种评价角度，可以保证相当的客观...; 左祥麟杨博范利云左万利王俊华王英王泊郑慧中; 文献传递

基于证据理论的单词语义相似度度量被引量：4: 2015年; 单词语义相似度度量一直是自然语言处理领域的经典和热点问题,其成果可对词义消歧、机器翻译、本体映射、计算语言学等应用具有重要影响.本文通过结合证据理论和知识库,提出一个新颖的度量单词语义相似度度量途径.首先,借助通用本体Word Net获取证据;其次,利用散点图分析证据的合理性;然后,使用统计和分段线性插值生成基本信任分配函数;最后,结合证据冲突处理、重要度分配和D-S合成规则实现信息融合获得全局基本信任分配函数,并在此基础上量化单词语义相似度.在数据集R&G(65)上,对比本文算法评判结果与人类评判结果的相关度,采用5折交叉验证对算法进行分析,相关度达到0.912,比当前最优方法 P&S高出0.4个百分点,比经典算法re LHS、dist JC、sim LC、sim L和sim R高出7%～13%;在数据集M&C(30)和Word Sim353上也取得了比较好的实验结果,相关度分别为0.915和0.941;且算法的运行效率和经典算法相当.实验结果显示使用证据理论解决单词语义相似度问题是合理有效的.; 王俊华左祥麟左万利; 关键词：词计算统计学习证据理论

基于文本的半监督领域本体构建: 本体的应用领域越来越多,如何快速有效地构建本体成为当前迫切解决的问题之一,手工构建本体代价太大,操作极其繁琐,耗时耗力,本体构建一度成为本体应用研究的瓶颈,于是人们提出了自动或半自动的构建本体。综合本体构建研究的现状:...; 王俊华; 关键词：本体本体构建领域本体本体学习; 文献传递

基于本体的情境搜索方法: 本发明公开了一种基于本体的情境搜索方法，旨在克服现有技术存在精准度不够、个性化不足、智能性缺失与情境被忽视等问题。该方法的步骤为：1.由网页情境解析与表示模块对采集到的网页进行解析并表示网页情境信息；2.由用户情境挖掘与...; 左万利赫枫龄王俊华王鑫凤丽洲王英彭涛万海旭苏雪阳高宁宁闫昭张雪松; 文献传递

基于主观Bayes方法的用户信任关系判别被引量：2: 2016年; 基于主观Bayes方法的信任关系判别方法,对社会网络中的用户信任关系进行预测.该方法综合利用现有的信任关系以及用户之间的评分关系,以用户对另一用户的评分记录为证据,基于监督学习得到的规则集,通过证据合取产生对"信任"和"不信任"的量化表示,利用多值逻辑方法推测并传播用户之间的信任关系.对比实验结果表明,该方法能以较高的准确率解决社会网络中的用户信任关系预测问题.; 王泊王俊华左万利; 关键词：信任关系主观BAYES方法社会网络