基于“中文新闻信息分类与代码”文本分类

基于中文新闻信息分类体系,探索了中文新闻信息分类与代码的自动分类方法。根据中文新闻信息分类与代码的特点以及初始主题词满足的规则获得分类的初始主题词。

《中文新闻信息分类与代码》定量测评

通过数据对比,对《中文新闻信息分类与代码》进行测评。文章除了介绍《中文新闻信息分类与代码》的基本结构及其类目数量等外,还统计了《中国图书馆图书分类法》的相应类目,并且分别从"类目数量"与"类目质量"两个大的方面进行比较,利用多种表格以及交替度、参照度、清晰度等重要指标进行统计与分析。最后指出,《新闻表》是信息数字化时代的产物,它为信息数字化提供了统一的标准,它的编写既有利于新闻信息的整合与管理,又有利于用户对新闻信息的检索。

基于新闻信息分类标准的自动标引实践研究

为了提高海量新闻信息分类的效率,本文探索研究基于Transformer(转换器)模型和《中文新闻信息分类与代码》标准的自动分类标引,包括自动归类、聚类、检索标志的智能抽取,以及人工标引和自动标引的互相结合。Transformer模型训练数据特征效率更高,适应能力更强。基于标准的自动分类表更灵活,更高效,自动标引具有广泛的应用前景。

基于类别层次结构的多层文本分类样本扩展策略

针对大规模多层文本分类训练样本获取代价高、类别分布不均衡等问题,提出并比较几种基于类别层次结构的大规模多层文本分类样本扩展策略,即利用类别层次体系中蕴含的类别名称、描述以及类别间的层次结构关系,从内涵和外延两方面入手构造或扩展类别训练样本。在首次大规模中文新闻信息多层分类评测数据集上,基于外延的局部样本扩展策略取得较好的性能。参测系统在第一级类别和第二级类别上宏平均F1分别为0.8413和0.7139,在10个参赛系统中位列第二。

我国情报检索语言在进步中——两部新分类法的特点

《军事信息资源分类法》和《中文新闻信息分类与代码》是两部作为国家标准颁布的新分类法。本文介绍其特点,说明我国情报检索语言在进步中。