基于二分网络分析方法的学术文献关键词自动抽取方法研究

学术文献关键词的自动抽取在各种数字图书馆工作中有着广泛的应用,可以极大减少人工标注的成本和改善文献标注的准确度。本文在候选关键词的选择基础上,提出了一种利用文献结构中标题关键词和摘要关键词共现特征构造二分网络的方法,并详细说明了网络节点和边的权值设定依据和方法,据此实现了基于二分网络权值扩散方法的关键词自动抽取方法。最后,文章利用图情类文献数据集合的实验分析,对相关方法和评价结果都做了详细说明。

基于关键词链接网络分析方法的医学文献推荐服务研究

本文提出了一种面向临床诊断决策支持服务的医学文献推荐方法,该方法首先对文献关键词从关键词列表、Mesh标准医学词库和缩略词三个方面进行了规范化处理,并据此得到关键词和文献的完整对应关系。文章对相关处理方法的思路和细节都做了详细的说明。然后,利用已知的患者症状描述信息,根据关键词共现形式来获取目标句子集合和诊断相关关键词集合,并利用基于关键词共现形成的关键词链接网络,本文设计了一种测度重要关键词及其相关文献的查询方法。最后,文章对相关实验效果及其用户满意度评价都做了必要的说明。

借阅场景下图书专业性质量测度方法和图书个性化推荐服务方法

[目的／意义]以现有图书馆借阅记录为基础，结合图书阅读相关性进行深入挖掘，探讨识别借阅场景下图书专业性质量和实现相应个性化图书推荐服务的有效方法。[方法／过程]利用图书的阅读相关性提出图书相关性链接关系，结合图书质量的迭代识别算法来识别专业图书资源。同时利用图书类别相关性链接关系，提出读者用户个性化模式的表达方法，并从长期兴趣推荐和短期兴趣的即时推荐两个方面给出个性化图书推荐策略设计原理和实现方法。[结果／结论]在图书质量识别方面，该方法更易于识别出专业性较强的优质图书资源，适用面比较灵活，也可以在限定图书范围内进行专业图书识别。在个性化图书推荐方面，发现不论长期兴趣推荐方法还是短期兴趣推荐方法，第二类用户的平均推荐命中度要高于第一类用户，在第一类用户中，最高相似度区间（75％以上）和较低相似度区间（15％-50％）的短期兴趣推荐方法的平均推荐命中度要高于长期兴趣推荐方法。本研究通过读者借阅序列分析方法识别专业图书并实现相应的个性化推荐图书方法，有利于改善现有图书馆借阅服务水平和提高读者的满意度。

基于随机森林和关键词查询扩展的医学文献推荐方法

【目的】从大量医学文献中发现有价值的内容以帮助临床医生做出诊断,提高医学文献推荐效果。【方法】基于随机森林模型与关键词查询扩展相结合的新方法,利用MeSH词典和自动构建的首字母缩略词词典,在句子、段落、文档三个层次上建立关键词与相应文章的完整关系,计算主题与文章之间的多重相似度,对于每篇文章通过文献集合中的引文网络计算HITS的PageRank权重和Authority权重。【结果】与TREC临床决策支持跟踪评价结果中NDCG@100最高的10个值的平均值相比,本文方法 NDCG@100的总体平均值差距在0.9%以内,差距极小。【局限】由于某些新文献或“睡美人”文献前期引用较低,可能会出现检索排名靠后,在此类情况下,本文方法无法进行精准推荐。【结论】通过计算主题与文章之间相似点和引文关系的权重,利用随机森林方法对查询扩展结果进行重新排序,可以有效提高医学文献推荐的效果。