领域本体中的概念相似度计算

借鉴计算语言学中的语义距离思想,提出了RDFSchema构词所描述的本体概念相似度计算方法,并利用该方法对农业知识本体(AO)所描述的部分概念进行了相似度计算和分析.结果表明,该方法可以定量地分析概念、特性之间的相似度,并可以指导基于领域知识本体的语义查询中的概念集扩充和查询结果排序.

基于知识本体的资源管理平台框架设计与实现

针对大量领域信息资源缺乏有效内容分析这一问题,设计、开发了通过构建领域本体来充分发掘信息资源之间内在关系,实现信息资源增值服务的原型系统.首先构造了服装知识本体CO(Costume Ontology)用来表示服装领域知识.利用CO对被管信息资源进行语义描述,在描述数据库的基础上,实现基于语义的信息检索.讨论了服装知识本体的建模过程,本体的形式化表示以及存储方式.实验系统采用J2EE架构,开发了存储组件、语义查询接口组件、语义分析组件和语义推理组件.通过使用资源描述框架RDF,实现被管信息资源到知识本体层的映射.通过语义分析和语义推理,可以充分利用信息资源之间的关系实现相关信息资源检索与语义融合.

语义万维网的概念、方法及应用

近两年来,语义万维网(semanticweb)的研究逐渐引起了知识表示、逻辑编程、信息系统集成、web开发等各个领域的广泛关注。笔者在研究万维网环境下的领域知识表示及语义共享模式的过程中,阅读了大量有关语义万维网的文献资料,认为,语义万维网的研究将对传统web上信息的发布、存储和处理方式产生一场变革,但是语义万维网的概念、思想和方法还处于形成阶段,国内少有综述性的文献,对语义万维网及其相关技术的认识比较模糊。该文分析了语义万维网的起源、概念、技术框架,总结了语义万维网及相关工具的现状,并讨论了语义万维网技术在智能信息检索、企业间数据交换、知识管理以及万维网服务中的应用。

跨领域多来源主题词表集成与服务研究

在调研现有领域主题词表情况的基础上,结合Web Service技术和知识组织技术,针对国家科技热点监测的需要,提出了跨领域、多来源主题词表的集成服务框架。集成服务框架的核心是知识组织工具体系,它包括:主题词表转换适配器、主题词表RDFS表示、概念融合工具,主题词表应用程序访问接口等,并对语义集成过程及关系构词进行了重点分析。

汉语科技词系统建设实践——以新能源汽车领域为例

汉语科技词系统是汉语科技词汇深层次知识组织与应用服务工具的集成体系,其知识组织核心内容包括词汇属性描述、词间关系组织、词汇类别信息模型,其核心工具包括词汇和关系的自动获取工具、协同编辑和管理平台系统以及相关应用服务接口。本文比较分析了目前国内典型的词汇语义知识工程,提出了汉语科技词系统数据模型,并以新能源汽车领域知识组织系统为例详细介绍了汉语科技词系统的内涵及相关知识模型。结合实例详细介绍了新能源汽车词系统建设过程中的数据收集策略、分析处理流程,并展望了科技词系统下一步的研发和应用方向。

面向创新战略的情报工程理论方法与挑战

本文从创新过程和创新链对情报产品的需求分析入手,提出情报工程是情报业发展到当前阶段的必然要求。通过情报业和传统制造业的对比分析,有针对性的借鉴和吸收机械工程和工业工程的相关原理和方法,来构建情报工程研究框架,并探讨了情报工程的发展路径。

美国政务信息资源分类探析

对美国政务信息资源按使用目的进行分类,划分为两个阶段,并对两个阶段中政务信息资源的分类方法、思路和应用广度做了调研和分析,并针对我国目前政务信息资源分类标准化工作提出了一些技术、管理和政策方面的建议。

汉语科技词系统研究进展

汉语科技词系统是科技词汇知识深层次组织与应用服务工具的集成体系。文章首先概述了词系统的内涵，然后总结了三年来在词汇自动获取、词空间构建和词聚类以及词系统的复杂网络分析评价上所取得的技术突破，并展望了科技词系统下一步的重点研发方向。

Apriori算法在政务本体构造中的应用

获取政务频繁词汇与词群是建立实用政务本体,实现政务信息资源深度开发利用的前提。提出了基于Apriori算法发现政务频繁词汇与词群的方法,并结合政务训练文档,做了相关实验。该方法首先利用典型政务文档,构造政务字典,并获取政务句子数据库。在此基础上,通过Apriori算法来发现句子数据库中的政务频繁项集和词群。

共现聚类分析的新方法：最大频繁项集挖掘

针对某一领域的文献，如果两个研究对象同现的频率越高，则通常假设二者存在联系的可能性越大。从而促使共词分析、文献共引分析以及文献作者共著分析等共现分析方法的流行。然而，传统共现分析三个阶段中的前两个阶段存在一定的缺陷，从而导致最后得到的共现聚类分析的结果可能存在一定的误导性。为克服该缺陷，本文从关联规则挖掘领域引入了一种新的共现聚类分析方法——最大频繁项集挖掘，它将传统共现分析法的三个阶段压缩为一个阶段，充分利用了可以利用的各种信息，克服了传统方法的缺陷。通过实验分析发现，设置合适的最小支持度阈值，基本上可以得到比较满意的结果。

基于句类特征的作者写作风格分类研究

不同作家的作品有自己的特点,这些特点体现在词汇、句型、修辞手法等各个方面,尝试使用句类特征进行作者写作风格分类,进一步可以用于作者的识别。利用向量空间模型,以句类作为特征,并通过混合句类分解等技术对句类向量空间降维,使用itc算法对特征项进行权重计算,KNN算法进行分类并利用集成判决技术,形成作者写作风格分类器。本分类器的性能在近现代小说的按作者写作风格的分类和鉴别方面的性能是可以接受的,并有进一步提升的可能。

利用专利文本分析识别技术主题的关键技术研究综述

[目的/意义]针对利用文本分析识别技术主题的关键技术:技术主题表示模型及相似度计算的研究现状进行系统的综述。[方法/过程]总结了当前技术特征项识别的不断深入、文本表示模型的多样化及技术主题知识单元的关联强度分析的主要方法,以及当前利用专利文本分析识别技术主题的关键技术的不足之处。[结果/结论]提出了基于专利文本分析的技术识别关键技术的发展趋势,主要包括技术主题表示模型不断拓展且结合运用、主题知识单元关联的多层次分析、专利文本内容分析与引用分析的结合和主题聚类及聚类融合方法的改进及应用。

基于词形规则模板的术语层次关系抽取方法

术语层次关系抽取是领域概念关系体系构建的重要基础。针对目前术语关系抽取中手工实现的问题，提出了基于词形规则模板匹配的术语层次关系抽取方法，实现从科技论文文本中抽取类属关系（IS-A）和整体部分关系（PART—OF）关系。利用复合术语的head和modifier特征，比较两个术语之间存在的边缘共用词汇，构造模板来确定它们之间的IS—A和PART-OF关系；提出泛化度指标，用于测量两个术语在概念层次树上的相对位置；提出相关度概念，用于测量两个术语之间在语义上的相关性。对不存在共用词汇和不匹配模板的术语采用泛化度差值和相关度来判断它们之间是否存在层次关系。实验从信息资源管理领域的论文文本中提取层次关系术语对1306对，准确率达到92．5％，证明提出的方法是有效的。

基于MOOC的高校教学模式构建研究

针对当前国内高校基于MOOC教学实践缺乏符合国情、具备普适性与易操作性、满足学生个性化需求的教学模式,以及现有相关研究成果多停留在表面的现状,采用文献分析、网络使用体验法,系统分析了高校基于MOOC教学模式的构建基础、总体架构、实质内涵等。初步构建了基于MOOC的高校普适性教学模式:遵循学生为主体、教师为主导等教学理念,由教师团队预先设置并基于学习数据分析动态微调教学目标、精心设计并在教学中根据反馈动态调整教学内容,以翻转式教学法、混合式学习法为主要教学方式,按照教师发现并学习所需MOOC课程、碎片化重组知识供学生自主预习、在线讨论与测验、教师主导学生研讨并及时反馈、基于MOOC进行多元评价的流程开展教学活动。

国内知识可视化研究进展:实践应用

文章从实现方法、软件工具、领域应用三方面揭示了国内知识可视化研究进展。

基于BP神经网络的专利自动分类方法

提出了一种基于后向传播神经网络的专利自动分类方法。通过中文分词从专利文件集中提取特征项,并根据特征项在专利文件中出现的频率赋予其权重,从而将每篇专利文件表示为一个特征项向量。为取得较好的BP神经网络(BPN)训练效果,使用X2统计方法进行特征向量降维,并使用BPN专利分类器进行专利文件分类。用国际分类号为H02下的专利文件作为测试数据,取得了较好的分类效果。

基于领域本体的智能检索模型

在传统检索模型的基础上,结合本体概念,提出一种基于领域本体的检索模型。该模型利用本体中语义概念关系及语义扩展机制对查询关键词进行概念映射及扩展,通过计算文档相似度返回检索结果,提高检索的查准率和查全率。

国内电子商务个性化推荐研究进展:核心技术

本文从用户兴趣建模、推荐机制、信息资源管理三方面阐述了国内电子商务个性化推荐研究进展:用户兴趣建模研究用户兴趣模型表示、初始化、进化;推荐机制按实现方式分协同过滤推荐、基于内容推荐、基于规则推荐、基于知识推荐、基于效用推荐、基于人口统计推荐、混合推荐;信息资源管理研究集中在数据挖掘和存储。

基于词汇相似度的IPC与CLC映射

专利作为一种具有特殊性质的文献,包含先进的技术方案,但存在管理困难、相对孤立、使用率低等弊端。针对该问题,定义分类法类目的概念模型,通过计算类目之间的概念相似度,为国际专利分类法与中国图书分类法建立类目映射。在计算类目相似度中引入与类目相关的词汇语义相似度计算,综合考虑类目的上下文环境对类目间关系的影响,降低专利数据的孤立性,实现专利数据与其他期刊数据的交互操作。实验表明,该方法能有效提高类目间相似度计算的准确率。

情感视角下的社交网络信息传播分析研究

[目的/意义]从情感视角探讨社交网络中影响信息传播的内在因素。[研究设计/方法]从Twitter(推特)平台收集某一电影数据,通过情感分析和认知语言分析工具,分析不同情感下的信息传播网络结构特点;进一步通过方差分析对强传播性、中等传播性和弱传播性的情感强度和认知强度两个维度的差异性进行度量。[结论/发现]强传播性内容具有较高的认知语言特征。其中,负面强传播性信息比正面和中立强传播性信息具有更显著的低情感强度和高认知强度特点。电影话题相关信息在社交网络平台传播过程中,认知强度也是信息传播强传播性的重要因素。尤其在负面情感信息中,理性思考型内容比情感共鸣型内容的传播性更强。[创新/价值]除了探讨情感强度指标,还加入了认知强度指标,从情感强度和认知强度两个维度探讨导致信息传播性强弱的内在原因。