1、該文在個(gè)性化信息服務(wù)推薦和機(jī)器翻譯的自動(dòng)評(píng)測(cè)這兩個(gè)領(lǐng)域的應(yīng)用進(jìn)行了研究和探索.取得的成果包括:(一)在深入研究BLEU和NIST兩種機(jī)器翻譯自動(dòng)評(píng)測(cè)標(biāo)準(zhǔn)的基礎(chǔ)上,提出了基于TFIDF權(quán)重信息的評(píng)測(cè)標(biāo)準(zhǔn)和相似度計(jì)算模型,設(shè)計(jì)并完成了一個(gè)開放性的機(jī)器翻譯自動(dòng)評(píng)測(cè)系統(tǒng);(二)在分析了傳統(tǒng)K-MEANS聚類算法的基礎(chǔ)上,利用空間數(shù)據(jù)結(jié)構(gòu)模型,提出了一種基于k-d樹的快速聚類算法改進(jìn)方案,取得了顯著的效果;(三)在合作信息推薦中,為計(jì)算用戶之間的

2、潛在相似度,給出了EVS(增強(qiáng)矢量相似度)算法,仿真實(shí)驗(yàn)表明,EVS算法在計(jì)算用戶之間相似度方面明顯優(yōu)于傳統(tǒng)算法;(四)為了提高合作式推薦系統(tǒng)的運(yùn)行性能,提出了基于特征項(xiàng)的推薦算法,這種方法就是從信息項(xiàng)之間的關(guān)聯(lián)度挖掘入手,提取對(duì)用戶具有推薦價(jià)值的信息項(xiàng),對(duì)于提高系統(tǒng)的推薦性能是一種很好的解決方案;(五)提出多Agent生態(tài)進(jìn)化算法來解決創(chuàng)新性和適應(yīng)性的問題,為避免盲目變異產(chǎn)生有價(jià)值個(gè)體的概率太低的問題,給出了基于語義網(wǎng)絡(luò)的生態(tài)進(jìn)化算法