基于文本语义的SA-LDA增量爬取图书选择与推介

为满足当前图书馆各专业领域最新技术图书的采购,以网络数据为基础,构筑领域关键词的本体语义库,并与图书馆学科书目库进行相似度比较,通过聚类算法选择相似度、相关度大的图书进行推介.文章建立在语义本体库类属层次基础上,首先通过Web网络对领域主题词的爬取,逐次对网络进行增量爬取以丰富语义库,再与当前图书目录的学科关键词计算文本相似度,提出了一种采用基于Entropy类属平均距离计算的近邻分类算法,最终实现一种基于相似度计算的图书的指派与推介策略.实验表明,该图书选取方法能有效地改善最新图书采购的准确度,进一步提升大数据在图书购买的效率.

高职图书馆纸质文献资源馆藏结构与利用分析——以杨凌职业技术学院图书馆为例

通过对杨凌职业技术学院图书馆2000-2020年期间馆藏图书资源存量结构、近5年的文献利用以及图书增量情况进行分析,从馆藏图书资源的数量、结构类型、借阅利用等不同层面,研究馆藏图书资源结构现状及建设过程中存在的问题、依据读者需求提出了优化馆藏图书结构的思路和方法,为提升高职院校图书馆服务水平提供依据。

图书信息增值研究

图书信息作为社会信息系统的重要组成部分,对社会的发展和人类文明的进步起着重要的作用,对此问题的探讨也成了学术界关注的焦点。本文以图书信息增值为切入点,初步构建了图书信息增值的模型,并深入探讨了在信息化、网络化的今天,如何开发图书信息资源,最大限度的满足用户的需求,使图书信息实现真正意义上的增值。

基于增量学习的图书文本分类方法

[目的/意义]旨在解决传统图书文本人工分类耗时耗力的问题,以及深度学习算法无法良好处理更新图书文本资源的分类问题。[方法/过程]提出了一种基于增量学习的图书文本分类方法,先利用现有图书资源创建标准文本分类模型,再采用增量学习方法修改模型,使其能够不断地帮助模型学习到新增的图书类别。[结果/结论]研究实验表明,增量式图书文本分类算法可以不断学习新增图书文本类别知识,且维持分类准确率91%以上。该方法有效解决了图书馆文本分类个数有限的问题,有助于图书资源管理进一步推广与应用。

论有声读物的独创性判断——以“选择空间”标准为视角

有声读物的可版权性主要依赖于对其独创性的判断,是否具有独创性及其独创程度如何判断一直以来都是困扰学界与司法界的难题。而要打开困局首先应当以朗读型、广播剧型和原创型区分其类型,其次要考虑到现有“额头流汗”标准、主观主义标准、客观主义标准与有声读物独创性判断之间存在不适配的问题。本文提出采用“选择空间”标准,以增量要素为着眼点,结合法院必要的自由裁量权,从而为有声读物的独创性判断提供更为客观和理性的标准。