簡介：隨著互聯(lián)網(wǎng)技術的日益普及，WEB上的信息量呈爆炸性增長。由于互連網(wǎng)上信息資源的極大豐富，信息服務的個性化越來越引起人們的重視。人們對信息獲取的目的逐漸從查全轉變?yōu)椴闇?，滿足特定用戶的特定信息需求成為信息服務在新的網(wǎng)絡環(huán)境中的服務目標。智能推薦系統(tǒng)INTELLIGENTRECOMMENDATIONSYSTEM就在這個背景下應運而生。它能夠向客戶推薦文檔或產(chǎn)品，并可以引導客戶有針對性的對文檔信息或某些產(chǎn)品信息進行關注。推薦系統(tǒng)的核心是推薦的方法，也是本文研究的重點。本文以用戶的查詢訪問日志為基礎，分析用戶的查詢訪問行為，挖掘用戶的興趣偏好，并以此構建查詢網(wǎng)絡圖，提出了基于查詢網(wǎng)絡的文檔推薦模型。該模型結合了傳統(tǒng)推薦方法如基于協(xié)同過濾推薦和基于內(nèi)容推薦等方法的優(yōu)點，同時避免了它們的不足之處，極大的提高了在未知文檔內(nèi)容情況下的文檔推薦效果。本文提出了一種全新的基于用戶點擊CLICKTHROUGH的實體描述模型。該模型使用查詢關鍵字作為標引詞描述用戶和文檔。這種描述方式不但可以極大地減少了實體向量空間的維度，而且可以更好地表達用戶在查詢行為中的興趣偏好和查詢意圖，因此該模型可以更好的應用于推薦系統(tǒng)中的實體描述。由于用戶的訪問興趣經(jīng)常改變，用戶在不同時間的查詢可能包含的不同的興趣偏好，因此本文提出了行為興趣向量的概念，用來描述用戶在發(fā)出不同查詢時的興趣偏好，提高了后續(xù)推薦算法的準確度。本文以查詢網(wǎng)絡圖為基礎，提出了基于能量傳導的推薦算法，協(xié)調(diào)用戶群中每一個成員都具有相應的推薦能量，用戶將能量沿查詢網(wǎng)絡分配給文檔，最終將能量值高的TOPK個文檔推薦給用戶。最后，本文通過實驗評估了基于查詢網(wǎng)絡圖的文檔推薦策略的準確性、覆蓋率、流行性和多樣性等指標，驗證了其有效性。

簡介：隨著越來越多的信息以電子文檔的形態(tài)存在，文本處理相關軟件也日益增多。在文本處理領域，傳統(tǒng)單一格式文檔處理系統(tǒng)在擴展性和通用性方面已經(jīng)不能滿足需求。對于文本特征的選擇，現(xiàn)有技術主要是從詞的頻率和詞的語義信息兩個方面進行處理，忽略了詞在源文檔中的重要程度。本文針對以上問題，以軍事領域文檔處理為背景，為多格式文檔定義了一種統(tǒng)一的半結構化文本模型，有效地保留了詞在源文檔中的語義結構信息。在此基礎上研究了HTML、XML、PDF和WD文檔的內(nèi)容抽取和特征選擇技術。在HTML正文抽取中，改進了基于DOM樹的網(wǎng)頁正文抽取算法。此外，針對現(xiàn)有文本特征選擇算法存在的問題，提出了一種基于信息增益和內(nèi)容屬性的特征選擇算法，有效地降低了特征維度，使得所選出的特征集合具有更強的區(qū)別度。在對內(nèi)容抽取和特征選擇技術研究的基礎上，設計并實現(xiàn)了多格式文檔抽取系統(tǒng)。最后，通過實驗驗證了改進后的HTML正文抽取算法以及基于信息增益和內(nèi)容屬性的特征選擇算法的高效性，同時對多格式文檔抽取系統(tǒng)進行了功能測試，實驗證明系統(tǒng)達到了設計要求。

簡介：有格式的文檔資料在所有紙質資料中占有重要地位，其自動識別對于辦公數(shù)字化有重要意義，它的類型識別是其自動識別的關鍵步驟。本文重點研究格式文檔模式的提取以及文檔模式的匹配，具體如下格式文檔的模式提取工作分三個方面區(qū)域分割、區(qū)域屬性提取及模式的表示。首先單一的分割方法無法完成所有類型文檔的分割，本文提出由類型到方法的分割策略。利用表格線將文檔分為表格類型及非表格類型，對表格類型在表格線基礎上提取表格頂點及表格單元對非表格類型文檔采用自頂向下逐層投影的方法完成分割。然后，本文采用基于特征分析的分層識別方法，實現(xiàn)圖像、標題和正文區(qū)域的快速識別。最后針對格式文檔的結構特點，設計包含模式摘要及模式詳情的兩級模式結構，并采用XML語言實現(xiàn)文檔模式的結構化表示?，F(xiàn)有模式匹配算法均以參數(shù)的嚴格匹配為匹配準則，無法滿足同類型的格式文檔中可能存在的個體差異性要求。針對文檔模式的數(shù)字化及差異性特點，本文提出了基于數(shù)字的量化節(jié)點相似度計算方法以及基于變權重的路徑相似度計算方法。模式匹配中大量運算時間耗費于非匹配模式的運算上，為提高匹配效率本文提出了初步提取到精確匹配的兩層文檔模式的匹配方法，第一層匹配利用文檔模式的摘要信息計算相似度，確定候選模式集在候選模式集的基礎上對文檔模式詳情進行精確的匹配完成第二層匹配，確定最佳匹配模式。實驗表明本文的模式提取及模式配準方法能夠有效提取表格、證件及名片等類型格式文檔的模式，算法能夠較好地適應光照變化及文檔傾斜等情況，且模式匹配算法具有較好的容錯性。

簡介：單位代碼10445學號2008021221分類號TP391研究生類別全日制碩士碩士學位論文論文題目論文題目基于圖文分割的文檔圖像數(shù)字水印算法基于圖文分割的文檔圖像數(shù)字水印算法研究研究學科專業(yè)名學科專業(yè)名稱計算機應用技術計算機應用技術申請人姓申請人姓名孟倩指導教師王希常王希常研究員研究員論文提交時論文提交時間2011年06月16日獨創(chuàng)聲明本人聲明所呈交的學位論文是本人在導師指導下進行的研究工作及取得的研究成果。據(jù)我所知，除了文中特別加以標注和致謝的地方外，論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果，也不包含為獲得（注如沒有其他需要特別聲明的，本欄可空）或其他教育機構的學位或證書使用過的材料。與我一同工作的同志對本研究所做的任何貢獻均已在論文中作了明確的說明并表示謝意。學位論文作者簽名導師簽字學位論文版權使用授權書學位論文版權使用授權書本學位論文作者完全了解學校學校有關保留、使用學位論文的規(guī)定，有權保留并向國家有關部門或機構送交論文的復印件和磁盤，允許論文被查閱和借閱。本人授權學校學?？梢詫W位論文的全部或部分內(nèi)容編入有關數(shù)據(jù)庫進行檢索，可以采用影印、縮印或掃描等復制手段保存、匯編學位論文。（保密的學位論文在解密后適用本授權書）學位論文作者簽名導師簽字簽字日期年月日簽字日期年月日

簡介：對于企業(yè)而言，持續(xù)的發(fā)展離不開良好的管理，而企業(yè)的技術文檔對企業(yè)的管理起到至關重要的作用。企業(yè)需要更加高效的手段對現(xiàn)有的大量文檔進行管理，能否對文檔進行高效的管理決定了企業(yè)能否更好地利用文檔，進而提高企業(yè)的競爭力。此外，在企業(yè)信息化過程中，文檔管理系統(tǒng)不應只是扮演其他系統(tǒng)支持者的角色，而應作為整個企業(yè)信息系統(tǒng)的支撐之一。本文依據(jù)哈爾濱汽輪機廠的實際情況，設計和開發(fā)了技術文檔管理系統(tǒng)，在如下幾個方面進行了研究。研究了靜態(tài)技術文檔管理。靜態(tài)技術文檔管理分為技術文檔歸檔、借閱和銷毀管理。歸檔管理負責將數(shù)字格式的技術文檔保存至數(shù)據(jù)庫，并保證保存過程的數(shù)據(jù)的完整性和安全性。借閱管理部分依據(jù)用戶權限處理用戶的借閱申請，保證技術文檔的安全訪問。利用工作流技術，研究了基于工作流技術的動態(tài)技術文檔的處理。設計實現(xiàn)了檔案資料的流程定制和管理。流程定制為流程設計者提供一個流程設計工具，用戶使用此工具可進行流程模板的編輯與維護、工作流活動編輯和活動變量的編輯和維護。流程管理部分主要通過工作流引擎為工作流實例的執(zhí)行提供運行環(huán)境的軟件服務。利用本體技術對技術文檔檢索進行了研究，設計實現(xiàn)了基于查詢語義擴展的檢索功能。給出了一種文檔分析和用戶交互相結合的本體知識庫建立過程。通過查詢語義擴展確定用戶的真正查詢意圖，利用向量空間模型實現(xiàn)了技術文檔的檢索?；贘2EE平臺開發(fā)了哈爾濱汽輪機廠技術文檔管理系統(tǒng)，并給出了系統(tǒng)的功能測試。

簡介：點擊查看更多基于Word文檔的信息隱藏系統(tǒng)研究與實現(xiàn).pdf精彩內(nèi)容。

簡介：隨著現(xiàn)代信息技術和網(wǎng)絡技術的不斷發(fā)展海量的知識信息被發(fā)布到互聯(lián)網(wǎng)上并快速地增長如何準確有效地從互聯(lián)網(wǎng)上尋找到所需的信息成為了信息檢索領域的研究熱點。當前的信息檢索系統(tǒng)中主要使用關鍵詞匹配技術獲取信息而用戶查詢詞與實際的檢索意圖之間通常存在一定的差異這就導致不包含用戶查詢詞但是與用戶檢索意圖相關的文檔無法被檢索出同時很多用戶輸入的查詢詞個數(shù)比較少并且僅僅只是關心檢索系統(tǒng)返回的前面一些結果這些問題都會對檢索系統(tǒng)的性能產(chǎn)生影響。針對以上問題基于語義分析和局部文檔的查詢擴展方法通過分析概念之間的語義相似度從外部語料集和局部文檔中獲取擴展詞來對用戶的初始查詢進行擴展有效地提升了檢索系統(tǒng)的性能。該方法從外部語料集WD和維基百科中抽取出語義信息用于分析概念之間的語義相似度當用戶輸入查詢時首先依據(jù)概念之間的語義相似度從WD、維基百科和局部文檔中分別獲取三個擴展詞集合然后依據(jù)擴展詞與集合之間的關系對擴展詞的權值進行重新分配并篩選出較好的擴展詞與初始查詢組成擴展查詢最后使用向量空間模型對擴展查詢檢索得到的文檔集進行排序并返回給用戶。該方法使用外部語料集中的語義信息分析概念之間的語義相似度獲取擴展詞并發(fā)揮了已得到廣泛肯定的局部分析擴展方法的優(yōu)勢在提高擴展詞質量的同時彌補了基于局部分析以及基于外部語料集的查詢擴展方法的不足。在國際文本檢索會議的標準測試集上的實驗結果表明相比于原始查詢以及僅使用維基百科的查詢擴展方法基于語義分析及局部文檔的查詢擴展方法能夠有效地提升檢索系統(tǒng)的性能而且隨著擴展詞個數(shù)的增加檢索系統(tǒng)性能的提升效果也比較明顯。

簡介：隨著因特網(wǎng)的高速發(fā)展、信息爆炸時代的延展人們對于信息的獲取又有了新的需求。人們不再僅僅滿足于由新聞媒體、信息門戶等網(wǎng)絡信息實體所展示的文章或多媒體信息而是更加傾向于同網(wǎng)絡中其他用戶的信息交流、分享與互動。隨著這種需求的不斷增加作為提供用戶信息交流的WEB20信息實體的典型代表BLOG獲得了廣泛的關注與發(fā)展。由于BLOG具有文章良莠不齊評論噪聲偏多的特點如何結合BLOG評論獲取BLOG文章的主要內(nèi)容來給予讀者一個簡要的內(nèi)容展示是許多基于BLOG的應用所要面臨的難題而對面向BLOG的自動文本摘要技術的研究為解決這個難題提供了一種思路。目前對于自動文本摘要技術的研究大多關注的是對單個文檔或是屬于同一主題下的多個文檔的文本摘要技術而對于特定交互式網(wǎng)絡實體的相關文本摘要技術的研究較少。目前比較成熟的通用自動文本摘要技術大多對BLOG文章的內(nèi)容以及結構特點的理解與分析存在著偏差生成的文本摘要的質量也不高。而在面向特定應用的自動文本摘要技術中BLOG文章的處理方法也相對較少而且效果相對較差。本文通過分析BLOG的組成元素以及各元素之間的聯(lián)系與特點對面向BLOG文章的自動文本摘要方法進行了研究并提出了相對應的文本摘要方法最后通過實驗證明了該方法的有效性。本文的研究內(nèi)容主要包括如下幾個方面1提出了一些可以用于量化BLOG相關元素重要性的特征。本文通過分析BLOG各個組成元素的特點提出了BLOG統(tǒng)計特征、內(nèi)容復雜度及觀點獨特性等可以量化相關元素重要性的特征。相關實驗證明本文提出的幾種量化特征能夠有效的提高BLOG文本摘要的質量2提出了一種BLOG評論排名以及噪聲過濾的方法。在根據(jù)正文與評論的相關特征通過相應的回歸特征量化方法得出BLOG評論重要度的基礎上設定噪聲過濾閾值。通過相關實驗證明這種重要度量化方法以及相應的噪聲過濾方法能夠有效的得到BLOG評論的重要度并在過濾噪聲時具有較高的查全率和查準率。3提出了一種基于HITS圖算法的正文句子排名方法。本方法中將正文句子和評論抽象為圖節(jié)點通過分析評論與正文的關系得出相應的鏈接圖最后根據(jù)HITS算法得出正文句子的排名情況。4基于對以上幾點問題的研究本文提出了一種面向BLOG文章的自動文本摘要方法。該方法具體工作流程包括BLOG評論權重計算、評論噪聲過濾、正文句子權重計算、摘要生成等步驟。通過在鳳凰博報數(shù)據(jù)集上的實驗證明本方法在ROUGE值上優(yōu)于以往方法。

簡介：點擊查看更多文檔圖像壓縮編碼技術研究.pdf精彩內(nèi)容。

簡介：點擊查看更多基于互聯(lián)網(wǎng)的IP多播桌面視頻會議文檔管理系統(tǒng)的研究與開發(fā).pdf精彩內(nèi)容。

簡介：雖然可擴展標記語言EXTENSIBLEMARKUPLANGUAGE，XML誕生的時間并不長，但它作為數(shù)據(jù)描述和信息交換的標準，已經(jīng)得到廣泛應用。目前，INTER、企業(yè)和政府部門的管理系統(tǒng)、個人計算機中都采用某種形式的XML來存儲數(shù)據(jù)和交換信息，因此對XML數(shù)據(jù)的查詢和過濾顯得日益重要。XML文檔過濾系統(tǒng)一般采用XPATH2表達式來表示用戶的個性化信息，而有限自動機可以完美的對XPATH進行建模，因此，當前的XML文檔過濾系統(tǒng)一般都是基于XPATH和有限自動機的。傳統(tǒng)的XML文檔過濾系統(tǒng)需要掃描和解析XML文檔中的每一個元素，增加了過濾代價，影響了過濾效率。本文首先提出了一種稱為流索引的XML索引機制，直接跳過那些無用元素及其子元素，從而快速定位到有效的元素位置。該機制在最大程度上減少了處理元素的數(shù)量，提高了處理效率。實驗結果表明，流索引具有線性的時間復雜度，能夠提高XML過濾的處理效率。上述技術是對XML文檔進行處理，而對XPATH表達式中含謂詞和嵌套路徑的情況也是XML過濾系統(tǒng)的重點研究問題。針對這種情況，本文提出一種新的自動機建模思想。它將XPATH表達式的每個節(jié)點都建模成自動機狀態(tài)間的轉換觸發(fā)條件，并且該思想只用一個自動機即可，不用為每個分支結構都定義一個自動機或過濾器。本文還對含的情況進行了模型優(yōu)化，并給出了該思想在XML文檔過濾系統(tǒng)中的應用。實驗結果表明，對謂詞和嵌套路徑的處理，新模型優(yōu)于傳統(tǒng)模型。

簡介：隨著計算機的普及和企業(yè)內(nèi)部數(shù)字化的深入，越來越多的機密信息以電子文檔的形式存儲。但由于電子文檔本身的不安全性，使其在傳播的過程中很容易被非法復制和篡改，而且不留任何痕跡。數(shù)字化的文檔內(nèi)容正面臨著嚴峻的信息安全問題。數(shù)字版權管理DIGITALRIGHTSMANAGEMENT，DRM技術為數(shù)字內(nèi)容所有者保護電子文檔信息免受非法復制和使用提供了一種技術手段。該技術通過對電子文檔信息進行加密和賦予他人使用規(guī)則來實現(xiàn)對數(shù)字內(nèi)容的保護，可以有效控制電子文檔的分發(fā)并保證電子文檔的安全使用。本文在對基于DRM的電子文檔管理技術進行深入分析、研究的基礎上，提出并實現(xiàn)了一個電子文檔保護系統(tǒng)ELECTRONICDOCUMENTPROTECTIONSYSTEM，EDPS。系統(tǒng)由客戶端、策略控制服務端、中心服務管理端、數(shù)據(jù)中心四部分構成。系統(tǒng)支持離線使用，可以滿足企業(yè)用戶離開工作環(huán)境如出差時的需要。文中主要做了以下幾個方面的工作1介紹了數(shù)字版權管理技術的背景及研究現(xiàn)狀，分析和研究了數(shù)字版權管理的相關技術，給出了DRM的一些實際應用。2介紹了電子文檔保護的實現(xiàn)現(xiàn)狀，并詳細研究了實現(xiàn)電子文檔保護系統(tǒng)的相關技術。3提出基于DRM的電子文檔保護系統(tǒng)EDPS的系統(tǒng)框架，描述了系統(tǒng)的各組成部分以及它們之間的相互關系，詳細闡述了各部分的功能與實現(xiàn)細節(jié)。介紹了系統(tǒng)的通信處理流程、透明加解密和離線功能的實現(xiàn)。4對EDPS系統(tǒng)進行了功能測試、性能測試和安全性測試。通過測試及試用，總結了系統(tǒng)的特點，證明了系統(tǒng)的可用性與有效性。目前，該系統(tǒng)已經(jīng)在某涉密企業(yè)中得到了成功部署與實施，經(jīng)測試試用，系統(tǒng)達到了保護企業(yè)機密信息的要求，取得了好評。

簡介：分類號密級單位代碼訝G￡毒手苗式學碩士學位論文善镕學術書評的人際語法隱喻研究作者姓名指導教師姓名專業(yè)名稱研究方向申請學位級別趙郁芳唐麗萍副教授英語語言文學英語語言學碩士OO七年四月ABSTRACTASASUBGENREOFACADEMICDISCOURSE，ACADEMICBOOKREVIEWHASRECEIVEDFARLESSATTENTIONTHANTHEOTHERSUBGENRESSUCH勰RESEARCHPAPEMHOWEVER，BECAUSEITCALLPROMOTEACADEMICEXCHANGESBYEVALUATINGACADEMICWORKSCRITICALLYANDPUBLICLYITISACADEMICALLYINVALUABLEINTHEVERYRECENTYEARS，SOMESCHOLARSC岳“1996；TANG20042005HAVEBEGUNTOMAKESOMERESEARCHESONTHISGENREANDITDESERVESMOREATTENTIONTHISTHESISBASEDONTHETHEORETICALFRAMEWORKOFHALLIDAYSSYSTEMICFUNCTIONALGRAMMARVENTURESTOINVESTIGATETHEINTERPERSONALMETAPHORINENGLISHACADEMICBOOKREVIEWSTHESIGNIFICANCEOFTHETHESISLIESINTWOASPECTSFIRSTITMAYFACILITATETHEUNDERSTANDINGOFACADEMICBOOKREVIEW；SECONDITSATTEMPTMAYPROVIDEANEWANGLEFORTHISSPECIFICGENRESTUDYANDWIDENTHERANGEOFINTERPERSONALMETAPHORINDISCOURSEANALYSISFORTHECONVENIENCEOFSTUDYADOPTINGTANGSDATACOLLECTINGMETHODCHOOSING15LINGUISTICENGLISHACADEMICBOOKREVIEWSEXTRACTEDFROMLINGUISTICJOURNALSORWEBSITESABROADASCORPUSANDUSINGAQUALITATIVEANDINTERPRETATIVEAPPROACHTODISCOURSEANALYSIS，THEPRESENTSTUDYDISCUSSESHOWINTERPERSONALGRAMMATICALMETAPHORSAREGENERALLYREALIZEDINENGLISHACADEMICBOOKREVIEW11LISTHESISISCOMPOSEDOFFIVECHAPTERSCHAPTER1STARTSWITHTHEINTRODUCTIONOFRESEARCHPURPOSE，SIGNIFICANCEANDMETHODOLOGYCHAPTER2PRESENTSALITERATUREREVIEWOFPREVIOUSSTUDIESOFACADEMICBOOKREVIEWSCHAPTER3ELABORATESTHETHEORETICALFRAMEWORKOFINTERPERSONALGRAMMATICALMETAPHORWITHINSYSTEMICFUNCTIONALGRAMMARCHAPTER4INVOLVESADETAILEDANALYSISANDDISCASSIONOFTHECOLLECTEDDATACHAPTER5CONCLUDESBYSUMMARIZINGTHEMAJORFINDINGSOFTHERESEARCHBYDISCUSSINGTHELINGUISTICANDPEDAGOGICALCONTRIBUTIONSOFTHESTUDYANDBYSUGGESTINGLIMITATIONSANDFURTHERDIRECTIONSFORTHERESEARCHTHEPRESENTSTUDYDEMONSTRATESTHEIDEATHATSYSTEMICFUNCTIONALGRAMMARPROVIDESALLIDEALMULTI1EVELANDMULTIFUNCTIONALTHEORETICALFRAMEWORKFORDI5COURSEANALYSISWIIAT’SMORETHESTUDVOFTHISTHESISATTEMPTSTOCONTRIBUTETOCOMPREHENSIVELYUNDERSTANDINGBOOKREVIEWSANDIMPROVINGNONNATIVELEARNERS’ACADEMICREADINGANDWRITINGSKILLSKEYWORDSINTERPERSONALGRAMMATICALMETAPHORACADEMICBOOKREVIEWMETAPHOROFMOODMETAPHOROFMODALITY

簡介：上海交通大學碩士學位論文學術論文中基于語料庫的詞塊研究姓名孫麗申請學位級別碩士專業(yè)外國語言學及應用語言學指導教師衛(wèi)乃興20040108ABSTRACTIIIABSTRACTSTEREOTYPINGINLANGUAGEHASLONGBEENATTRACTINGATTENTIONAMONGLINGUISTSHOWEVERLINGUISTSHAVENOTYETREACHEDACONSENSUSONITLEXICALCHUNKSAREACTERISTICOFSTEREOTYPINGINLANGUAGETHISTHESISPRESENTSACPUSBASEDSTUDYOFLEXICALCHUNKSINACADEMICTEXTSONTHEBASISOFSUFFICIENTJDESTCPUSEVIDENCEACRITICALREVIEWOFPREVIOUSSTUDIESTHEPRESENTSTUDYWKSOUTAWKINGDEFINITIONFLEXICALCHUNKSACATEGIZATIONISMADEACCDINGTOTHEIRFMALFUNCTIONALFEATURESTHENPRAGMATICFUNCTIONSOFLEXICALCHUNKSINACADEMICTEXTSAREEXAMINEDINDETAILATBOTHAMICROLEVELAMACROLEVELSPECIFICEXAMPLESAREGIVENITISFOUNDTHATLEXICALCHUNKSAREANINTEGRALPARTOFACADEMICTEXTSPERFMINGAWIDERANGEOFDISCOURSEFUNCTIONSMAJFUNCTIONSINCLUDEDEFININGEXEMPLIFYINGINDICATINGFINDINGSSUMMARIZINGCLASSIFYINGMAKINGINFERENCEINITIATINGTOPICSHIFTINGTOPICMAKINGCOMPARISONCONTRASTPROVIDINGEVIDENCEMEOVERTHISPAPERPRESENTSACOMPARATIVESTUDYCONDUCTEDBETWEENTHENATIVECHINESESTUDENTS’USEOFLEXICALCHUNKSITREVEALSTHATCHINESESTUDENTSTENDTOUNDERUSEOVERUSECERTAINLEXICALCHUNKSWHICHEXERTSANEGATIVEINFLUENCEUPONTHEIDIOMATICITYOFTHEIRLANGUAGEPRODUCTIONINADDITIONPROSPECTSFFUTURESTUDYOFLEXICALCHUNKSAREDISCUSSEDKEYWDSSTEREOTYPINGCPUSLEXICALCHUNKFMALFEATURESPRAGMATICFUNCTIONPHRASALCLAUSALACADEMICTEXTS

簡介：計算機和互聯(lián)網(wǎng)的誕生引發(fā)了信息技術革命，使得大量電子文檔涌現(xiàn)出來，實現(xiàn)了信息交換的高速化、信息的海量存儲和信息檢索，同時也使得信息的長期保存得以實現(xiàn)。相對于傳統(tǒng)的紙張文檔而言，電子文檔具有占用存儲空間小、檢索方便、傳輸快捷、更新簡便等優(yōu)點，而且電子文檔還可以進行必要的保密編碼，提高其可靠性。在海量圖像庫中檢索用戶所需要的圖像，成為當前的研究熱點。文檔圖像有別于一般的自然圖像，它以文字為主，其中夾雜圖像、表格的一類特殊的圖像。一般是以工作文件的形式存在的，應用十分廣泛。因此文檔圖像檢索得到了廣泛關注。紙質文檔經(jīng)過掃描生成文檔圖像之后，需要經(jīng)過字符識別工具識別其中有用的信息。光學字符識別OCROPTICALACTERRECOGNITION技術的出現(xiàn)及成熟使得電子文檔的使用和處理得到廣泛的應用，提高了文檔處理的效率。作為印刷體文字識別系統(tǒng)重要組成部分的文檔版面分析，具有與字符識別同樣重要的地位。OCR技術是模式識別中開展比較早的一個領域。經(jīng)過幾十年的發(fā)展，已經(jīng)比較成熟。版面分析是OCR系統(tǒng)進入自動化階段的首要步驟，版面分析結果的有效性直接影響到文字識別模塊的運行，進而影響整個系統(tǒng)的效率，因此設計高效的版面分析系統(tǒng)，對提高整個OCR系統(tǒng)的質量，起著十分重要的作用。詳細的來說，版面分析是指對版面內(nèi)的圖形、圖像信息和結構關系所進行的自動分析、識別和理解的過程。圖像檢索的過程包括提取圖像的特征，對提取的特征進行特征匹配，利用距離度量方法比較圖像的相似度，根據(jù)相似度對檢索出的結果進行降序排列，將符合條件的結果輸出給用戶。其中特征提取和特征匹配是檢索技術的關鍵。文檔圖像具有諸如標題，段落，行等版面特征。在不使用昂貴的OCR技術方法進行文字識別，直接作用在圖像數(shù)據(jù)的情況下，我們借鑒圖像的版面特征的分析方法，將此方法用于傳統(tǒng)的基于內(nèi)容的圖像檢索技術上來，提出了從文檔圖像的文本區(qū)域的版面中提取出行特征，將提取出的版面行特征作為索引項，進行圖像的特征匹配和相似性度量工作，從而形成了一個新的檢索特征的檢索算法，將算法實際應用于圖像匹配和識別上，并有一定的識別效果。本文操作的對象是文本區(qū)域，因此在提取特征之前，利用版面分析方法分析文檔中是否含有圖像、表格等非文本區(qū)域，通過非文本區(qū)域濾波方式將這些區(qū)域進行過濾，保留文本區(qū)域。正因為如此限制了此方法的適用范圍。對于復雜版面的文檔圖像沒有涉及，如含有橫排、豎排，以及橫排和豎排混合的版面，應用范圍相對比較窄。匹配技術是文檔圖像檢索技術中的核心技術，它主要是從文檔數(shù)據(jù)庫中給出輸入圖像的最佳匹配。匹配技術建立在特征定義及其提取基礎之上。衡量兩個版面相似性度量的距離度量方法有很多。本文的特征匹配使用點模式匹配，建立在行特征基礎之上，將行線抽象為空間中的點，點的灰度值定義為行線的長度。使用中心點加權平均方式找出圖像的中心點，然后計算其相對坐標。使用差異能量來進行圖像的相似性匹配。所用的點模式匹配時間復雜度相對比較高，還需要進一步改進。