【摘 要】
：
去除内容相同或相近的新闻是提高搜索引擎关键技术之一。提出了一种基于主题关键词的新闻去重算法。该方法可基于小规模语料库识别新词,通过以标题为种子点构建词汇链的方法,
【基金项目】
：
国家863高科技项目(2006AA06G205)资助。
论文部分内容阅读
去除内容相同或相近的新闻是提高搜索引擎关键技术之一。提出了一种基于主题关键词的新闻去重算法。该方法可基于小规模语料库识别新词,通过以标题为种子点构建词汇链的方法,能够找到对主题贡献大的非高频词,从而抽取出能够表述文档主题的关键词集合。为了在相似新闻中挑选质量高的作为去重结果,需要进行聚类,本文采用动态生成相似文档类别标签的方法进行文档聚类。通过对该类文档总关键词的分析不断调整该类别的文档标签内容,从而适应变化的文档集合。最后,从相似文档类中选出一个或多个作为文档去重结果。本文所采用的聚类方法的好处是无需叠代计算,对文档只扫描一次。实验结果表明与传统方法相比排斥错误率降低了5%左右,运算速度提高了15-20%。
其他文献
利用电子束熔丝成形(EBRM)技术制备了TC18钛合金试样,研究了相同热处理工艺条件下,不同送丝方式对电子束熔丝成形TC18钛合金组织与性能的影响。结果表明:电子束熔丝成形件经
介绍了30 t普通功率电弧炉热装60 %铁水冶炼技术，分析了铁水热装比对冶炼时间和电耗及氧耗的影响、供氧强度与脱碳速度和冶炼时间的关系。当热装55.6 %和60 %铁水时，平均电耗分
武汉钢铁设计研究院在消化吸收移植国外最新技术的基础上，由国内开展设计制造的CA5连续退火机组已顺利建成投产。本文对该机组的主要技术性能、机组功能、主要设备组成、机组
对珠钢CSP线生产的低碳钢(ZJ400)连铸坯及轧后的组织特征观察和硬度测定表明：CSP线生产的连铸坯铸态组织为较细的树枝晶，枝晶宽度为几微米到30 μm，靠近表面层的枝晶宽度与中心
当前,人才是引领经济社会发展的重要资源已成为共识。全球各地对人才的抢夺战越来越激烈,我们国家非常重视对于人才的引进和培养,也要求各地政府把人才工作放在首要位置。在中央和山东省政府的指导下,济南市近年来出台了一系列人才政策和配套措施,但结果表现为人才新政频出,政策效果平平,很多政策颁布后并没有引起强烈的社会反响。究其原因,在政策执行过程中,公众对人才政策关注度低成为阻碍政策执行、影响政策效果的关键所
针对热轧带钢加热炉能耗高、加热质量差、氧化烧损大、故障率高等问题进行技术改造，达到节能降耗的目的。
免疫微环境的平衡与肿瘤的发生、发展密切相关,而CD4＋T细胞在肿瘤免疫应答中发挥重要的辅助作用。目前研究认为,初始CD4＋T细胞在不同条件下可分化成不同亚型的T淋巴细胞,包括Th