【资源聚合平台】5/28日工作日志

王子悦

最近这两周考试有点忙，博客更新的不怎么勤，完成的工作也比较少。

今天仔细看了一下序列挖掘的原理，发现我上次写的那个访问记录方式完全不够用的啊，那样的就没有时间序列的感觉了。但是这样抛弃掉计数加一的方法，直接多一次访问多一条记录也不行，相当于记录下来全部的访问，这样上线没几天访问量就会爆炸。考虑到如果我最近在学某一门课，那么可能会频繁的访问同一门课，而连续的多次访问对于序列来说是和一次访问等价的，这样我就有了新思路：

以用户为主体，如果这个用户的上次访问和这次访问是同一个课程，那么数据库里这一用户的最后一条记录计数加一；如果不是同一个课程，认为开始学某个新的课程了，创建一条新纪录。

---

邵长旭

改了一些课程界面的UI,同时研究了一下fnlp，做了敏感词的过滤审核，正在做关键词的提取分析
研究了对插入图片的实现

今天做了NLP的一些研究：

首先下载编译了FNLP的jar包：具体过程见https://github.com/FudanNLP/fnlp/wiki

之后尝试了一些FNLP的功能，我做的首个任务就是提取关键词：

首先初始化停用词和分隔符，然后分词：

对以下段落分词：

比特币的概念最初由中本聪在2009年提出，比特币是一种P2P形式的数字货币。点对点的传输意味着一个去中心化的支付系统。与大多数货币不同，比特币不依靠特定货币机构发行，它依据特定算法，通过大量的计算产生，它是一种虚拟的货币。

效果：

可以看到提取关键词效果不是特别好，最主要的应该是比特币这个词，所以我想加入句子结构的权重：

利用以下函数对句子结构进行分析：

结果如下：

第一列是编号，第二列是词，第三列是词性，第四列是依赖的序号，最后一个是结构

大体的想法是主语和谓语的权重较高，名词和动词的权重较高，依赖关系最多的（在树结构中孩子最多的那个节点）权重高，然后与本来提取关键词得到的得分一起加权计算一个新的得分，得分高的最为关键词。具体明天实现

---

梁惠欣

尝试使用抽取式摘要生成技术，正在研究textRank+word2vec的实现