我们已经确定了具体改进的方向和改进的具体实现措施。
具体今天的进度：
我们主要明确了重点的改进方向，还有一些细微的地方将在以后的实现过程中改进。
1.分词算法
分为两类：中文分词（中科院ICTCLAS算法）
英文分词（朴素贝叶斯算法（与词库匹配））
2.提取关键词的算法
tf-idf算法。具体idf的计算方式还要进一步学习。
3.数据库操作完善（排除冗余数据）
4. 增加机器翻译的工作。
5.pdf的关键信息提取。
明天要完成的事项：
1.学习Web数据挖掘中关于朴素贝叶斯算法的部分。（杨军）
2.下载中科院ICTCLAS的分词包，进行试验，观察分词效果。（杨军，柴泽华）
3.熟悉tf-idf算法。（柴泽华）
4.研究C#操作pdf进行信息提取。（徐姗）
总体上来说，今天已经确定了大家今后工作的方向，这也是我们第一轮迭代力争要完成的效果。
希望大家明确自己的分工，加油！
——edited by 柴泽华