针对动态数据挖掘问题,提出了一种平稳系统连续变量动态贝叶斯网络(Dynamic Bayesian Networks,DBN)结构学习模型,用于智能体的自主优化;首先给出了平稳系统连续变量结构学习的基本思路及假设条件,讨论了平稳系统连续变量DBN结构学习的模型设计问题;其次,在诸多随机过程系统文献的基础上,提出了系统的BIC评分函数,在有限时间T内的情况给出三个定义,并设计了学习的基本框架;最后,设计了平稳系统连续变量的实验模型并进行了仿真,结果表明,该模型能正确地学习出所设计的DBN结构。

首先,根据标注语料库,通过基于错误驱动的学习思想,获取交集型歧义消歧规则库,同时,利用统计工具,构建N-Gram统计语言模型;然后,采用正向/逆向最大匹配方法和消歧规则库探测发现交集型歧义字段;最后,通过消歧规则库和评分函数进行交集型歧义的消歧处理。

然而,关于决策树评分函数的研究尚未取得令人满意的结果。

接着,在用户对源术语进行翻译时,利用已获取的模式来抽取候选答案集,最后依据评分函数,对候选答案进行排序,并将结果以格式化的形式反馈给用户。