问题标签 [wsd]

我正在使用带有 C# 的 WMI 来枚举和修改我计算机上的打印机。

我正在运行 Windows 7，当我尝试修改“经典”安装的打印机时，一切正常。“经典”是指打印机仅使用基本的 TCP/IP 端口。我可以使用此处记录的 WMI 函数重命名它、将其设置为默认打印机等：http: //msdn.microsoft.com/en-us/library/windows/desktop/aa394363(v=vs.85)。 .aspx _

但是，默认情况下，Windows 将我的打印机安装为 WSD（设备上的 Web 服务）打印机。发生这种情况时，打印机使用 WSD 端口，我似乎无法使用 WMI 触摸该端口。

在下面的屏幕截图中，您可以看到我的打印机正在使用“WSD 端口”。该端口下方是我的打印机在未安装 WSD 时使用的标准 TCP/IP 端口。

我的打印机附带的软件使用标准 TCP/IP 端口安装打印机。但是，当我手动安装打印机时，Windows 会选择 WSD 端口。

WMI 似乎没有为启用 WSD 的设备定义。有没有人知道这是不是真的？

我正在编写一个程序来通过 WIA 使用网络扫描仪。仅扫描一页时一切正常。当我打开进纸器时：

程序接收到扫描信号，表明进纸器中仍有文档，并因 com 错误而脱落（扫描仪继续扫描）。这是检查进纸器中页面的代码：

获取图片代码：

遗憾的是找不到使用 WIA WSD 的示例。也许有一些设置可以通过 WSD 获取多个图像。

我可以枚举本地设备，我可以在注册表中找到我想连接的扫描仪的 DeviceId。CommonDialog 仅枚举本地设备。DeviceId 是只读的。

如何枚举网络上的设备，然后连接或连接到已知的 DevicedId？

谢谢

he, she, it在执行 NLP 或 IR/IE 相关任务时，是否有人们通常用来删除标点符号和关闭类词（例如）的停用词列表？

我一直在尝试使用 gibbs 抽样来进行词义消歧的主题建模，并且它不断给标点符号和近类词提供高概率，只是因为它们经常出现在语料库中。https://github.com/christianscheible/BNB/blob/master/nb_gibbs.py

根据文档，我可以像这样在 nltk 中加载带有感觉标记的语料库：

我也可以得到definition, pos, offset,examples像这样：

但是如何从语料库中获取同义词集的频率呢？分解问题：

1. 首先如何计算一个同义词集是否出现了一个有义标记的语料库？
2. 然后下一步是除以计数除以给定特定引理的所有同义词集出现的计数总数。

我想写一个程序来计算两个副词或两个形容词的相似度，但是 WordNet 没有副词和形容词的本体结构。

在第一次尝试时，我使用了 Adapt-lesk 算法。该算法的结果对于副词或形容词来说非常令人失望。计算这些相似度的最佳方法是什么？请帮我解决这个问题。

谢谢大家。

在Natural Language Processing（NLP）中，Word Sense Disambiguation（WSD）任务在给定一个单词出现的句子的情况下，通过计算确定多义词的含义或意义或概念。例如：

• “有些人愚蠢到抢劫 中央银行*。”*
• “ 河岸 满是石头”

有人知道在段落或文档级别执行的 WSD 吗？

除了从一个句子中的上下文词中消除歧义之外，还可以引入哪些其他输入来执行WSD任务？ （我以前看过带有图像的 WSD，http://acl.ldc.upenn.edu/W/W03/W03-0601.pdf）

我有一个印地语 wordnet 的数据库和 API。我想从 NLTK python 访问这个 wordnet，以便在我们的 wordnet 中使用 NLTK Wordnet 函数。有什么方法可以将我们自己的 wordnet 添加到 NLTK 中？或者是否有任何印地语词义消歧工具（可以通过一些修改与任何语言 Wordnet 一起使用）（从 wordnet 中给出最合适的意义）？

我正在尝试使用ws4j在其在线ws4j 演示中提供的两个单词的所有含义之间的 LESK 相似度得分，格式为word#pos#sense number 用于两个单词的所有含义，但我无法找到如何使用 ws4j 库获得相同格式的结果？？由于没有适用于 ws4j 的适当文档，并且该库的演示/示例代码仅给出最大值，也没有说明哪些感官获得了该分数。

有人可以帮忙吗？

I've got a training DataSet and a Test DataSet. How can we experiment and get results ? Can WEKA be used for the same ?

The topic is Word Sense Disambiguation using Support Vector Machine Supervised learning Approach

The Document types within both the sets include following file types: 1. 2 XML files 2. README file 3. SENSEMAP format 4. TRAIN format 5. KEY format 6. WORDS format