信息检索中一种基于词语—主题词相关度的语言模型

本文提出一种基于词语-主题词相关关系的语言模型TSA-LM(Term-Subject Association Based Language Model),它的基本思想是把一篇文档分成两个文档块,一部分是由领域主题词表中的主题词构成的主题词文档块,另一部分是由非主题词构成的非主题词文档块,分别计算两个文档块和查询的似然程度。对非主题词文档块,假设词语间独立无关,沿用经典的语言模型计算;对主题词文档块,把查询词语和主题词相关关系引入语言模型中来估计该文档块和查询的似然程度。词语-主题词相关关系采用词语-主题词相关度来衡量。词语-主题词相关度的计算除了来源于对文档中词语-主题词共现性的观察外,还来源于宏观上对词语-文档-主题词归属关系的观察。公开数据集上的检索实验结果表明,基于词语-主题词相关关系的语言模型可以有效提高检索效果。

将CBMDISC作为现代化的医学主题词标引工具

为医学主题词标引工作者提供一种新的现代化的主题词标引工具,概述了CBMDISC的基本情况,使用方法,相对于手工工具的优点(综合各年度及中医药主题词表、利于副主题的组配、利于范畴表的查找、机检的快捷高效、标引的可参考性等),标引举例及其注意事项。

基于主题词向量中心点的K-means文本聚类算法

K-means由于其时间复杂度低运行速度快一直是最为流行的聚类算法之一,但是该算法在进行聚类时需要预先给出聚类个数和初始类中心点,其选取得合适与否会直接影响最终聚类效果。该文对初始类中心和迭代类中心的选取进行大量研究,根据决策图进行初始类中心的选择,利用每个类簇的主题词向量替代均值作为迭代类中心。实验表明,该文的初始点选取方法能够准确地选取初始点,且利用主题词向量作为迭代类中心能够很好地避免噪声点和噪声特征的影响,很大程度上地提高了K-means算法的性能。

鲁迅为易俗社题词的再考察

历来关于鲁迅为易俗社题词后制成匾额的说法,以鲁迅弟子兼讲学同行者孙伏园的回忆为代表。高信因孙伏园两次回忆提法不尽相同,而其他同行者回忆中均无提及,因而质疑此事的真实性。郭楚伟、苏育生引用各种资料逐条否定了高信的质疑。根据孙伏园和易俗社骨干成员李约之、萧润华、高培支等见证人的回忆,证之以易俗社报告书的记载,可以确认鲁迅为易俗社题词并制成匾额一事属实。孙伏园两次回忆提法不尽相同但没有本质区别,从易俗社相关人员及社内文本记载的佐证,是可以得到合理解释的。至于其他同行人在相关记载中没有提及,但并没有否定的表示,是不能作为否定此说的证据的。鲁迅无论是拟写了小稿或题写成了大字,都是制作匾额时的文字依据。

语境参数视角下主题词范畴的翻译机制——以莫言代表作《生死疲劳》的主题词“死”为例

范畴分为三类:典型范畴概念、域内范畴概念和跨域范畴概念。通过分析《生死疲劳》中523个主题词"死"的英译,结果发现在语境参数因子的参照下,49.2%的主题词"死"被译为典型范畴概念,译者采用直译、替代和少数修辞的翻译策略;5.7%的主题词"死"被译为域内范畴概念,译者采用语义转换的翻译策略;34.4%的主题词"死"被译为跨域范畴概念,译者考虑到文化、语体风格、认知模式、西方受众心理等因素,采用了元韵、婉言、转喻、潜喻、拟人、省略、反译、归化、词类转换等各种各样的修辞手法和翻译策略,以提升译文的可读性和欣赏价值;另有10.7%的主题词"死"被整段删除。

“主题词教学法+混合式教学”在一流课程建设中的应用——以高等代数课程为例

“主题词教学法”是以主题词为主要线索,师生共同从感性认识到理性认识完成教学全过程的一种教学方法,目前已在多所本科及专科院校广泛应用。文章对“主题词教学法+混合式教学”在一流课程建设中的运用过程进行了讨论和设计。并以高等代数课程为例,通过将主题词教学法与课堂线下教学、课堂线上交互、课下线上学习及线上调研分析各环节相结合,在教学各环节实施教学研究和教学改革。在教学实践后,采用SEM—PLS模型对实施效果进行分析和评价。对这些内容的研究一方面可为主题词教学法注入新的形式和内容,另一方面也可为一流课程的建设工作提供一些新的角度和方向。

自动标引中自然主题词的切分

自动标引是计算机文献管理中的一个重要过程。主题词的切分是自动标引的第一步。一般标引词均有标准主题词库 ,而自然主题词千差万别 ,使切分有一定的困难。本文利用自然主题词的特点 ,给出了一个基于自然主题词基本结构的切分方法。先使用相关信息对自然主题词的可能起始部分进行判断 ,再根据约束条件对自然主题词的整体进行判断 ,同时根据其出现的频率及位置施以加权处理 ,从而得到正确完整的自然主题词。通过标引系统的标引结果证明了方法可行。

CNMARC中非控主题词著录现状分析

通过检索实践,分析CNMARC中非控主题词著录的必要性,总结非控主题词著录的现状及存在的问题。

编制统一的国家公文主题词表势在必行

应用公文主题词进行计算机文件存贮检索，由８０年代末发展至今，已有相当进步。目前关于标引方面研究文章较多，而有关规范化的必要工具———公文主题词表的建设完善则涉及较少。笔者根据今年６月参加成都市公务员培训需求调查与公文教学的经验，深切认识到在当前广泛运...

谈公文主题词的标注

谈公文主题词的标注成都行政学院黎培荣一、主题词的含义、作用主题词是揭示文件主题内容的规范词。主题词是将自然语言中的名词术语经过规范化处理而提取的词和词组。标注主题词是公文必备格式之一。１９８５年中央文件已开始标注主题词。１９８８年９月５日国家技术监督...

基于Semantic Turkey的主题词表及本体构建应用研究

主题词表及本体是语义化知识管理系统的基础数据支撑,对领域知识的语义化组织及知识图谱的构建具有重要意义。在建设公共危机案例知识集成平台的过程中,采用开源软件Semantic Turkey开发主题词表及本体构建功能,并在此基础上实现规范数据录入、词表导航、知识映射等功能,从而支持进一步的语义检索和知识推理。构建的主题词表及本体模型基于语义网标准与技术,具有良好的规范性和互操作性。开源软件Semantic Turkey提供了功能完备的应用程序编程接口,与完全自主开发相比,降低了开发成本,缩短了开发时间,为语义化知识管理系统的开发工作提供新思路和参考依据。

公文与档案主题词标引之比较

主题词标引是把文献(公文、档案、图书等)的主题内容用规范、简明的主题词表达出来的标引方法。它不仅能科学直观地提示文献主题,而且能够使利用者迅速准确地了解文献内容,是文献机检和手检的重要依据和主要途径。 按照国家的有关规定,公文和档案都需要进行主题词标引,对二者进行比较,分析研究二者的异同,对于做好标引工作,更好地开发公文档案的信息资源,具有重要的意义。

中国主流英文媒体双奥新闻议程设置的嬗变——基于主题词的多元对应分析视角

中国主流英文媒体报道的双奥新闻是中国对外讲好体育故事的窗口,可以影响海外受众对我国体育发展状况的认知。采用基于主题词的多元对应分析法,分析中国主流英文媒体报道的双奥新闻的主要议题及其历时性变化,旨在探究双奥新闻议程设置的嬗变。研究结果表明,夏奥会新闻聚焦于赛事的经济效益及竞技成绩,冬奥会新闻的主要议题则涉及外交、文化、科技、卫生等众多领域,议程设置及报道方式也更加多样。我国主流英文媒体报道双奥新闻的议程设置实现了从求同到自塑个性形象、从本土视角到全球视角、从凸显中国优势单项到注重中国多领域创新、从成果导向到过程导向的嬗变,反映了过去十余年我国主流英文媒体对双奥新闻的报道模式的变化和中国民众体育理念的转变。

基于教材文本语料库的自适应主题词表构建——以经济类专业为例

[目的/意义]构建一套面向汉语非母语学习者的专业词表对专业学习和国际中文教育学科建设及发展具有重要意义。[方法/过程]针对当前外向型专业词表较少及构建方法单一问题,本文首先从网站爬取小说、新闻和论坛留言构建参照语料库,根据教育部专业课程设置目录,选取专业教材构建专业教材语料库,运用TF-IDF-TF算法遴选专业主题词并构建词共现矩阵,利用凝聚聚类法实现专业主题词聚类。在此基础上,计算词簇内主题词的语义相关性,选取语义共现度最大的词作为词簇中心词,并根据语义相关性编排词表。最后,以经济学类专业为例构建面向留学生的专业主题词表。[结果/结论]结果表明,本文构建的经济类专业主题词表能够较好地提取专业词汇且有效地将语义关联度紧密的专业主题词聚类在同一词簇内,学习者能够快速有效获取相关词簇进行专业自适应学习,并为其他专业主题词表的构建提供了依据。

要重视高校公文主题词的标引

中共中央办公厅制定的《公文主题词表》方便了党政机关公文的处理,而对于有着不同于党政机关公文特点的高校公文来说则不太适用。 首先,主题词表中主题词的确定,取决于语料样品的分布情况及抽样对象、选词范围、选词者和时间等诸多因素,这会使统计结果发生一定的偏差。以中办《公文主题词表》为例。

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。

《中国中医药学主题词表》“中药功能分类”主题词选词研究

目的研究《中国中医药学主题词表》(以下简称《词表》)中药功能分类主题词选词原则与方法,为新版词表修订提供依据。方法基于《词表》编制总则,根据中医药文献数据库词频统计和相关数据库检索结果,参考2010年版《中华人民共和国药典》及《中药大辞典》《中华本草》等相关资料,对2008年版《词表》中药功能分类主题词进行选词研究,拟确定新版词表此类主题词。结果 2008年版《词表》中药功能分类主题词1679个,其中拟删除39个,拟新增135个,拟修改8个,并按中药主要功效归类将此类主题词进行位置调整。结论新版《词表》中药功能分类主题词选词主要依据使用词频,对主题词依据中药主要功效进行归类整理,避免冗余。

谈党委系统《公文主题词表》新版本的使用法

1993年5月,中共中央办公厅下发了《关于印发(公文主题词表)的通知》,要求自l993年9月l日起,凡报送中央和中央办公厅的文件,均按《公文主题词表》标引主题词.这个主题词表即中共中央办公厅秘书局编制的《公文主题词表》(第1版).1998年10月,《公文主题词表》修订本出版发行.这个版本无论是词条内容还是标引方法都有较大改动,总的说来是更规范、更实用、可操作性更强.根据5年来主题词标引的实践和实际需要,修订本删除了原词表中不适用的主题词137条,增补了1014条.这样,修订本收录的主题词同共有5116条,为了提高文献的检准率和检全率、修订本在标引方法上作了详尽的规定,且附有实例.

论公文的主题词及其应用

主题词是公文的一项格式内容,它随着公文处理的现代化和信息化的需要而产生。国务院1994年6月修订并发布使用的《国务院公文主题词表》有主题词715个,为公文主题词的标注规定了统一的用词规范,它对公文的写作、阅读,标引、存储、检索等都有重要的理论和实践意义。本文从主题词、主题词表、主题词标注三个方面进行了探讨。