摘要： 璃眼蜱屬是我國部分區(qū)域的優(yōu)勢蜱種,可傳播多種病原.為了解新疆地區(qū)盾糙璃眼蜱生境適應性,從文獻中獲取我國新疆地區(qū)盾糙璃眼蜱分布點信息,結合環(huán)境氣候因子數(shù)據(jù),運用MaxEnt最大熵模型,分析了19個環(huán)境氣候因子對盾糙璃眼蜱分布的潛在影響,并分析和預測了當前和未來不同氣候模式下盾糙璃眼蜱潛在的地理分布區(qū),篩選出了4個相關的環(huán)境因子變量,并且繪制了響應曲線.AUC值的檢驗結果說明模型具有較高的預測精度和準確性.在當前氣候模式下,新疆盾糙璃眼蜱非適生區(qū)、低適生區(qū)、中適生區(qū)和高適生區(qū)面積分別約為1.081×106、0.276×106、0.161×106和0.142×106 km2;在ssp245氣候模式下,新疆盾糙璃眼蜱適生分布區(qū)面積均有增加;在影響新疆盾糙璃眼蜱地理分布的環(huán)境和氣候因子中,主導環(huán)境氣候的因子主要為Bio14最干月降水量(33.2％)、Bio15季節(jié)性降水量(29.1％)、Bio3等溫性(4.3％)和Bio2晝夜溫差月均值(9.6％).在未來不同氣候模式下,新疆盾糙璃眼蜱適生區(qū)面積會增加,溫度和降水對新疆盾糙璃眼蜱分布區(qū)影響較大.以上結果可為盾糙璃眼蜱所攜帶病原、疾病傳播的動態(tài)流行趨勢提供理論依據(jù),為更好地評估蜱媒傳染病傳播風險提供了參考.

摘要： [目的]探究華榛(Corylus chinensis Franch.)地理分布格局隨氣候的變化趨勢,劃分不同等級的華榛適生區(qū),為華榛的保護利用提供科學依據(jù)。[方法]本研究基于華榛83條現(xiàn)代分布記錄信息和篩選后的18個環(huán)境變量數(shù)據(jù),采用物種分布模型中的最大熵模型(MaxEnt)模擬華榛末次間冰期以來6個時期的潛在分布區(qū)。[結果]受試者工作特征曲線下方面積(AUC)結果顯示:模擬結果較為準確,溫度是影響華榛在6個不同時期地理分布的重要因素。末次間冰期華榛的適生區(qū)總面積相比現(xiàn)代少9%左右,末次盛冰期變化不大,全新世中期適生區(qū)總面積相對現(xiàn)代多4.4%,預測未來2050s和2070s適生區(qū)面積均增加。華榛不同時期的分布中心均位于湖北省,在未來氣候變暖情況下分布中心呈向高緯度地區(qū)遷移的趨勢。從適生區(qū)面積來看,華榛在冰期時適生區(qū)面積呈收縮趨勢,在全新世中期及未來全球氣候變暖情境下適生區(qū)面積呈擴張趨勢。[結論]華榛在氣候變化的情境下適生區(qū)分布區(qū)域不同,溫度是影響其分布的主要因子,未來氣候變暖條件下分布中心有向高緯度方向遷移的趨勢。

摘要： 通過研究多花黃精(Polygonatumcyrtonema)的生態(tài)適宜性,為其野生資源保護及人工規(guī)范化栽培提供依據(jù)。收集237份多花黃精分布位置和55個生態(tài)因子,導入最大熵(MaxEnt)模型運算,結合地理信息系統(tǒng)(GIS)分析其適合生長區(qū)域。結果表明,影響多花黃精生態(tài)適宜性的主要生態(tài)因子是3月降水量、年均降水量、6月降水量、5月降水量、4月降水量、2月降水量和最冷季降水量,在福建省具有廣泛適宜生長區(qū)域。模型預測結果可靠,可為多花黃精野生資源保護提供參考,并為其科學種植提供指導。

摘要： 中華小熊貓(Ailurus styani)為我國II級重點保護野生動物,目前對其研究較少。該研究使用最大熵模型(Maximum entropy model)對邛崍山系中華小熊貓適宜棲息地進行了預測分析,同時采用Jackknife檢驗對生態(tài)因子的重要性進行分析。結果表明:中華小熊貓適宜棲息地預測模型的訓練集和測試集的受試者工作特征曲線下面積(AUC)值分別是0.945和0.886,均大于0.8,模型精度可靠。模型預測結果表明,影響中華小熊貓適宜棲息地分布的主要生態(tài)因子為年均溫(25.7%)、海拔(24.9%)和降水量變異系數(shù)(21.5%),這3個變量的累計貢獻率達到了72.1%;其次是公路(6.6%)、最濕季降水量(5.1%)、坡度(3.9%)等生態(tài)因子。邛崍山系中華小熊貓適宜棲息地主要分布于山系中段,棲息地連貫但破碎化。

摘要： 烏檀的干燥莖(含樹皮)和根稱膽木,為海南黎族常用植物藥。通過建立MaxEnt并利用ArcGIS,分析影響烏檀分布的因素、烏檀在當前及未來氣候條件下的適生區(qū)。結果表明:(1)烏檀當前適生區(qū)大致范圍為15°~35°N,90°~125°E,中高適生區(qū)集中分布于我國南部沿海廣東、廣西、海南三省以及臺灣地區(qū)。(2)在未來氣候變化下,烏檀適生區(qū)有明顯遷移現(xiàn)象,中高適生區(qū)向北遷移并止步于長江流域;在適生區(qū)總面積基本未變的情況下,低中適生區(qū)向高適生區(qū)轉(zhuǎn)化。(3)影響烏檀分布的關鍵氣候因子是熱季降雨量(bio-18),其次是晝夜溫差與年溫差的比值(bio-3)。

摘要： 我國南藥之一、藥食兩用的熱帶植物檳榔,其藥理作用豐富,臨床應用廣泛。根據(jù)檳榔現(xiàn)有的分布記錄及氣象數(shù)據(jù),利用最大熵模型MaxEnt和ArcGIS預測氣候變化背景下的檳榔在我國適宜性生長區(qū)域,為其種植栽培和開發(fā)利用提供理論依據(jù)。3個時期(1970—2000年、2040—2060年、2061—2080年)不同碳排放情景下(RCP2.6、RCP8.5)的模擬預測結果精度均值都達到了0.990,結果可信度極高。檳榔適生區(qū)總面積在RCP2.6情境下呈下降趨勢,在RCP8.5情境下呈上升趨勢;貢獻率和影響力最大的氣候因子為最熱季降雨量,符合檳榔的生態(tài)習性;集中分布區(qū)域主要在瓊、粵、桂、滇南、臺等地區(qū)。

摘要： 中尼交通廊道作為中國近年來建設的重點區(qū)域,地質(zhì)災害頻發(fā),尤其是滑坡災害層出不窮。文章基于對G216國道沿線地質(zhì)災害的實地調(diào)查以及遙感解譯結果,以最大熵模型為方法,利用169個災害點數(shù)據(jù)和8個評價因子圖層預測了研究區(qū)滑坡災害的易發(fā)性分布。根據(jù)占比劃分五級風險區(qū)。結果表明,滑坡易發(fā)概率以G216為中心向外輻射逐漸降低。同時采用刀切法檢驗評價因子對預測結果的貢獻度,確定了滑坡主導因素及其閾值。最后通過ROC曲線驗證了模型的可靠性。為中尼邊境公路區(qū)域建設提供一種地質(zhì)災害預測分析模型,也為青藏地區(qū)公路邊坡防災減災提供有效支撐。

摘要： 研究了基于最大熵原理的城際軌道交通客流分布預測模型,將各站點周邊一定范圍內(nèi)劃為交通小區(qū),根據(jù)人口分布、客流走廊特征等確定各個小區(qū)的公交出行比例,得到公交出行量,引入軌道出行量占公交比例,應用最大熵預測交通小區(qū)間軌道交通客流分布情況,將發(fā)生概率最大的客流分布看作希望得到的分布情況,考慮隱含隨機因素影響,可以很好描述城際軌道交通客流出行行為,以某線路為實例,在應用中標定模型參數(shù),結果表明:該模型適用性較強。

摘要： 生境適宜性評價對野生動物的保護與管理具有重要意義。為了解陜西秦嶺地區(qū)斑羚(Naemorhedus griseus)的生境狀況,利用2011-2013年間在秦嶺地區(qū)采集的斑羚分布點數(shù)據(jù),通過MaxEnt模型對陜西秦嶺地區(qū)的斑羚生境進行適宜性評價。結果表明,陜西秦嶺地區(qū)的斑羚適宜生境面積約為9800 km^(2),占秦嶺山地面積的17%,主要位于秦嶺中西部區(qū)域;次適宜生境面積約為6940 km^(2),占秦嶺面積的12%,主要位于適宜生境的周邊區(qū)域。海拔、月均晝夜溫差和年降雨量是影響陜西秦嶺地區(qū)斑羚生境適宜性的主要環(huán)境變量,而人類干擾對生境適宜性的影響較小。陜西秦嶺地區(qū)的斑羚偏好于選擇1800-3000 m的中高海拔區(qū)間、年降水量為750-850 mm、月均晝夜溫差8°C左右的環(huán)境。明確了斑羚適宜生境在秦嶺的分布狀況及關鍵環(huán)境影響因子,可為下一步制定瀕危動物保護和生境管理提供理論依據(jù)。

摘要： 犬瘟熱是由犬瘟熱病毒引起的、廣泛分布的致死性傳染病,犬瘟熱的流行對虎豹公園內(nèi)旗艦物種的保護造成了巨大威脅。為了系統(tǒng)的了解犬瘟熱在公園內(nèi)的風險水平,本研究通過最大熵模型、主成分分析等方法探究犬瘟熱在東北虎豹公園高發(fā)區(qū)域的分布及環(huán)境因子與犬瘟熱暴發(fā)之間的關系,為該地區(qū)犬瘟熱的預防和控制提供理論和依據(jù)。研究表明,犬瘟熱風險分布與降水量呈正相關,寒冷季節(jié)發(fā)病較多,其中最濕季節(jié)平均溫度以及11月最高溫度累計貢獻率達64.9%。

摘要： 本文以判別標點句缺失話題是上句的主語還是賓語為任務,將該任務作為標點句缺失話題自動識別研究的切入點.本文首先歸納了一系列判別這一任務的字面特征和語義特征,然后結合規(guī)則和最大熵模型,進行自動判別實驗.結果顯示,對特定類別動詞的實驗F值達到82％.對實驗結果的分析說明,動詞特征和語義特征對判別該任務的作用最大,規(guī)則方法和統(tǒng)計方法在判別任務中不能偏廢,精細化的知識對判別的性能有重要影響.

摘要： 跨站腳本(Cross-site Scripting，簡稱為XSS)漏洞就是基于瀏覽器端腳本語言(如Javascript)的Web安全漏洞。為提高XSS攻擊檢測的準確性,提出了一種基于最大熵模型的XSS攻擊檢測模型,將攻擊檢測轉(zhuǎn)化為對用戶輸入進行二分類的問題.首先,通過輸入預處理模塊對用戶提供的原始輸入進行規(guī)范化處理;然后,由特征提取模塊將用戶輸入按照預定義的特征序列轉(zhuǎn)化成特征向量,并將特征向量交由最大熵分類器進行分類;最后,由結果處理模塊根據(jù)分類的結果進行后續(xù)的處理.實驗結果表明,該檢測模型在實際的XSS攻擊檢測中準確率較高,漏報率和誤報率都相對較低,且部署簡單,實用性較好.

摘要： OCR(光學字符識別)是指先獲取帶漢字的圖像,然后對圖像文件進行分析處理,獲取文字信息的過程.在識別出文字之后,如何利用上下文信息來糾正識別錯誤的字,也是就所謂的錯誤校正,進而提高識別正確率,是OCR中重要的課題.本文介紹了一種基于最大熵模型的校正方法,很大限度地利用了上下文信息,可以同時糾正多個識別錯誤的漢字,在實驗中取得了很好的效果.通過對比幾種不同的校正方案,可以看出基于最大熵模型的錯誤校正方法是最有效的,也是擴展性最好的方法,它可以方便地利用各種語言特征,更進一步的提高準確率.實驗結果表明基于最大熵的模型是一個很適合OCR校正的模型.

摘要： 垃圾郵件過濾是網(wǎng)絡安全領域的重大研究課題和難題.本文針對傳統(tǒng)技術的不足,使用機器學習領域經(jīng)典的最大熵模型對垃圾郵件進行判定,并結合其采用針對SMTP郵件通信協(xié)議的實時阻斷技術.實驗結果表明,該技術簡單有效,并適合實時在線處理.

摘要： 以成礦系統(tǒng)理論為指導,通過提取甘肅夏河—合作一帶與成礦有關的地層、巖體以及斷裂等成礦有利證據(jù)圖層,基于證據(jù)權法、找礦信息量以及最大熵模型方法進行成礦預測.成礦系統(tǒng)理論為從不同尺度選取成礦要素提供了理論依據(jù),為進一步的數(shù)據(jù)驅(qū)動成礦預測奠定了基礎.最大熵模型法作為廣泛應用于成礦潛力分布的方法,通過與證據(jù)權法、找礦信息量法的預測結果對比以及ROC曲線分析,表明其在礦產(chǎn)資源預測中同樣具有應用潛力.

摘要： 采用基于最大熵模型的方法對泰語句子級實體從屬關系的抽取方法進行了研究.針對泰語句子中實體關系抽取的研究進程中語料庫較為匱乏的問題,首先使用漢泰雙語平行句對作為中間橋梁,將中文研究領域中相對成熟的分詞、詞性標注和實體識別等成果,通過漢泰雙語詞典映射到與中文句子相對齊的泰語句子上,對泰語句子進行必要的數(shù)據(jù)處理操作,并進行一定量的人工校正和人工實體關系標注工作;進而構建基礎的泰語實體關系訓練語料庫.在語料庫的基礎上,將泰語實體關系抽取問題轉(zhuǎn)化為分類問題,同時結合泰語語言本身的特點,選取合適的上下文特征模板,使用最大熵模型算法對訓練語料進行學習訓練,構建分類器,對泰語句子中的候選實體關系三元組進行識別,最終達到實體間從屬關系自動抽取的目的.實驗結果顯示該方法可使F值相對于已有的泰語實體關系抽取研究方法提升8％左右.

摘要： TIP-LAS是一個開源的藏文分詞詞性標注系統(tǒng),提供藏文分詞、詞性標注功能.該系統(tǒng)基于條件隨機場模型實現(xiàn)基于音節(jié)標注的藏文分詞系統(tǒng),采用最大熵模型,并融合音節(jié)特征,實現(xiàn)藏文詞性標注系統(tǒng).經(jīng)過試驗及對比分析,TIP-LAS藏文分詞系統(tǒng)詞性標注系統(tǒng)取得了較好的實驗效果,系統(tǒng)的源代碼可以從網(wǎng)上獲取.希望該研究可以推動藏文分詞、詞性標注等基礎工作的發(fā)展,提供一個可以比較、共享的研究平臺.

摘要： 針對漢語詞法分析中分詞、詞性標注、命名實體識別三項子任務分步處理時多類信息難以整合利用,且錯誤向上傳遞放大的不足,提出一種三位一體字標注的漢語詞法分析方法,該方法將漢語詞法分析過程看作字序列的標注過程,將每個字的詞位、詞性、命名實體三類信息融合到該字的標記中,采用最大熵模型經(jīng)過一次標注實現(xiàn)漢語詞法分析的三項任務.并在Bakeoff2007的PKU語料上進行了封閉測試,通過對該方法和傳統(tǒng)分步處理的分詞、詞性標注、命名實體識別的性能進行大量對比實驗,結果表明,三位一體字標注方法的分詞、詞性標注、命名實體識別的性能都有不同程度的提升,漢語分詞的F值達到了96.4％,詞性標注的標注精度達到了95.3％,命名實體識別的F值達到了90.3％,這說明三位一體字標注的漢語詞法分析性能更優(yōu).

摘要： 問題分類旨在對問題的類型進行自動分類,該任務是問答系統(tǒng)研究的一項基本任務.本文提出了一種基于答案輔助的半監(jiān)督問題分類方法.首先,將答案特征結合問題特征一起實現(xiàn)樣本表示;然后,利用標簽傳播方法對已標注問題訓練分類器,自動標注未標注問題的類別;最后,將初始標注的問題和自動標注的問題合并作為訓練樣本,利用最大熵模型對問題的測試文本進行分類.實驗結果表明,本文提出的基于答案輔助的半監(jiān)督分類方法能夠充分利用未標注樣本提升性能,明顯優(yōu)于其他的基準方法.

摘要： 在局部保持投影算法(LPP)及最大熵模型的基礎上提出了一種基于哈希算法的圖像拷貝檢測算法.該算法通過對LPP進行優(yōu)化,可以對已有的圖像特征進行快速降維,并避免過擬合現(xiàn)象的出現(xiàn).同時,將低維特征映射為緊湊的二進制哈希碼,大大減少了存儲和計算開銷,能在千萬級圖像數(shù)據(jù)庫上實現(xiàn)高效拷貝檢測.通過實驗,確定了使拷貝檢測質(zhì)量最優(yōu)的哈希碼長度和漢明碼.實驗結果表明,該算法能夠獲得很好的拷貝檢測效果.

摘要： 本發(fā)明公開了一種基于最大熵模型的規(guī)則知識圖譜構建方法及系統(tǒng)，所述方法包括以下步驟：S1：導入非結構化數(shù)據(jù)；S2：根據(jù)現(xiàn)有的人工標注的數(shù)據(jù)和設置的規(guī)則將輸入的非結構化數(shù)據(jù)生成標注數(shù)據(jù)集；S3：利用現(xiàn)有的深度學習算法訓練標注數(shù)據(jù)集生成規(guī)則模型；S4：利用規(guī)則模型提取需求的字段，并通過融合多特征的最大熵漢語命名實體識別模型，生成知識圖譜；S5：利用尋徑算法模型生成簡化知識圖譜；S6：將待處理的非結構化數(shù)據(jù)通過校驗規(guī)則匹配依次執(zhí)行步驟S2?S5得計算結果。本發(fā)明通過生成知識圖譜降低了搜索空間、簡化了數(shù)據(jù)校驗規(guī)則，滿足了跨界面校驗關聯(lián)數(shù)據(jù)的需求，提高了校驗效率。

摘要： 本發(fā)明涉及一種基于多項式和最大熵模型的混聯(lián)電網(wǎng)概率計算方法及裝置，將非侵入混沌的多項式和最大熵模型結合處理交直流混聯(lián)電網(wǎng)的概率潮流，采用最大熵模型估計交直流混聯(lián)電網(wǎng)歷史數(shù)據(jù)隨機源的第一概率密度函數(shù)，以獲取準確的樣本點提升概率潮流分析結果的可信度；還采用替代模型模擬交直流混聯(lián)電網(wǎng)的潮流模型，提高概率分析的效率，以及采用替代模型和多項式的一階統(tǒng)計矩公式輸出的統(tǒng)計矩數(shù)據(jù)，并將統(tǒng)計矩數(shù)據(jù)在最大熵模型進一步估計概率潮流分析輸出結果的第二概率密度函數(shù)，第二概率密度函數(shù)給電網(wǎng)運行人員提供充分全面的參考信息，解決因電網(wǎng)中隨機變量服從任意概率分布，采用現(xiàn)有交直流混聯(lián)電網(wǎng)的概率潮流計算結果的準確度低的問題。

摘要： 本發(fā)明提供一種基于最大熵模型的代碼摘要生成方法，根據(jù)限定的樣本模板采集訓練樣本；根據(jù)訓練樣本構建基于最大熵模型的代碼元素分類器；將待分析的源代碼輸入到分類器，以識別其中的代碼元素，并獲取各代碼元素所包含的詞項；將獲取到的詞項進行降噪；根據(jù)詞項所屬的代碼元素類型，并指定各個詞項的權重；根據(jù)權重和出現(xiàn)次數(shù)，評估詞項的重要性；根據(jù)重要性評估結果以及用戶指定的摘要約束，生成代碼摘要，使得得到的代碼摘要更加的準確。

摘要： 本發(fā)明公開了基于最大熵模型的地質(zhì)災害生態(tài)安全評價模型的構建方法，包括：(1)通過MAXENT模型將對象已知分布點的像元作為樣點，根據(jù)樣點像元的環(huán)境變量得出約束條件；(2)滑坡數(shù)據(jù)；(3)環(huán)境變量數(shù)據(jù)；(4)土壤質(zhì)地與土壤類型數(shù)據(jù)；(5)巖性因子數(shù)據(jù)；(6)NDVI數(shù)據(jù)；(7)道路及河流數(shù)據(jù)；(8)分析。本發(fā)明的滑坡災害分布模型中，加入建設用地距離變量的預測模型，其滑坡高敏感和極高敏感區(qū)域范圍更小，高敏感區(qū)域的范圍會更精確的鎖定在建設用地周圍。

摘要： 本發(fā)明公開了基于最大熵模型的地址災害生態(tài)安全評價模型的構建方法，包括：（1）通過MAXENT模型將對象已知分布點的像元作為樣點，根據(jù)樣點像元的環(huán)境變量得出約束條件；（2）滑坡數(shù)據(jù)；（3）環(huán)境變量數(shù)據(jù)；（4）土壤質(zhì)地與土壤類型數(shù)據(jù)；（5）巖性因子數(shù)據(jù)；（6）NDVI數(shù)據(jù)；（7）道路及河流數(shù)據(jù)；（8）分析。本發(fā)明的滑坡災害分布模型中，加入建設用地距離變量的預測模型，其滑坡高敏感和極高敏感區(qū)域范圍更小，高敏感區(qū)域的范圍會更精確的鎖定在建設用地周圍。

摘要： 本發(fā)明公開了一種基于GIS與最大熵模型預測銀杏適應性評價方法，包括如下步驟：步驟一：銀杏分布數(shù)據(jù)的獲取與處理，主導環(huán)境因子包括：氣候因子，坡度和坡向；步驟一中銀杏地理分布點通過中國數(shù)字植物標本館、國家標本信息基礎設施、及實地調(diào)查數(shù)據(jù)獲得；所述氣候因子共19個，來自世界氣候數(shù)據(jù)；地形數(shù)據(jù)來自地理空間數(shù)據(jù)云，經(jīng)ArcGISMapl0.2處理得到坡度和坡向；將以上數(shù)據(jù)采用ArcGISMapl0.6處理并統(tǒng)一坐標，空間分辨率為1X1km，輸出為.asc格式文件，用于Maxent軟件分析；步驟二：運用最大煽模型和地理信息系統(tǒng)分析其潛在生境分布，利用MaxEnt軟件內(nèi)置的刀切法分析影響其分布的主要環(huán)境因子；步驟三、預測結果采用受試者工作特征曲線進行檢驗精度，生成中國銀杏生境預測結果。

摘要： 本發(fā)明涉及一種基于多項式和最大熵模型的混聯(lián)電網(wǎng)概率計算方法及裝置，將非侵入混沌的多項式和最大熵模型結合處理交直流混聯(lián)電網(wǎng)的概率潮流，采用最大熵模型估計交直流混聯(lián)電網(wǎng)歷史數(shù)據(jù)隨機源的第一概率密度函數(shù)，以獲取準確的樣本點提升概率潮流分析結果的可信度；還采用替代模型模擬交直流混聯(lián)電網(wǎng)的潮流模型，提高概率分析的效率，以及采用替代模型和多項式的一階統(tǒng)計矩公式輸出的統(tǒng)計矩數(shù)據(jù)，并將統(tǒng)計矩數(shù)據(jù)在最大熵模型進一步估計概率潮流分析輸出結果的第二概率密度函數(shù)，第二概率密度函數(shù)給電網(wǎng)運行人員提供充分全面的參考信息，解決因電網(wǎng)中隨機變量服從任意概率分布，采用現(xiàn)有交直流混聯(lián)電網(wǎng)的概率潮流計算結果的準確度低的問題。

摘要： 本發(fā)明公開了一種基于最大熵模型的規(guī)則知識圖譜構建方法及系統(tǒng)，所述方法包括以下步驟：S1：導入非結構化數(shù)據(jù)；S2：根據(jù)現(xiàn)有的人工標注的數(shù)據(jù)和設置的規(guī)則將輸入的非結構化數(shù)據(jù)生成標注數(shù)據(jù)集；S3：利用現(xiàn)有的深度學習算法訓練標注數(shù)據(jù)集生成規(guī)則模型；S4：利用規(guī)則模型提取需求的字段，并通過融合多特征的最大熵漢語命名實體識別模型，生成知識圖譜；S5：利用尋徑算法模型生成簡化知識圖譜；S6：將待處理的非結構化數(shù)據(jù)通過校驗規(guī)則匹配依次執(zhí)行步驟S2?S5得計算結果。本發(fā)明通過生成知識圖譜降低了搜索空間、簡化了數(shù)據(jù)校驗規(guī)則，滿足了跨界面校驗關聯(lián)數(shù)據(jù)的需求，提高了校驗效率。

摘要： 在現(xiàn)代社會中,對于企業(yè)的運營分析主要是基于企業(yè)的財務報表，從企業(yè)財務風險的角度入手；該規(guī)則在銀行等金融企業(yè)中有著良好的效果，但是當評級問題涉及到工業(yè)生產(chǎn)領域的時候，如果只從經(jīng)濟指標去對企業(yè)的運營能力評估,則會存有隱患；例如：一些工業(yè)生產(chǎn)企業(yè)并沒有將資金投入到實業(yè)發(fā)展中，而是轉(zhuǎn)而投向房地產(chǎn)等投資行業(yè)，使得財務表格表現(xiàn)良好；一些生產(chǎn)企業(yè)盲目擴張，實際產(chǎn)能底下，造成資金的浪費；本發(fā)明公開了一種利用企業(yè)歷史財報數(shù)據(jù)和歷史能耗數(shù)據(jù)，運用最大熵模型，找到工業(yè)生產(chǎn)企業(yè)財務和能耗數(shù)據(jù)，與生產(chǎn)經(jīng)營狀態(tài)之間的潛在聯(lián)系；當新的同行業(yè)企業(yè)申請貸款時，通過訓練過的最大熵模型，為金融機構授信提供有力的分析幫助。

摘要： 本發(fā)明屬于語言分析技術領域，公開了一種基于最大熵模型和TF?IDF特征的情感分析方法，以最大熵模型作為基本分類模型；利用訓練文檔集訓練最大熵模型，當模型收斂或者迭代次數(shù)達到設定閾值時訓練結束，得到的最大熵模型用于情感分類的預測。本發(fā)明能夠深入挖掘大規(guī)模語料庫中的分類信息，結合最大熵分類模型，實現(xiàn)篇章文本的細粒度情感分析；經(jīng)測試，本發(fā)明中的方法在5分類的細粒度情感分析問題上的F值達62.9％，比傳統(tǒng)的特征工程加機器學習方法的F值提升了10％以上。