图书情报领域中外学者研究方法使用差异分析——跨语言文本分类的视角

[目的/意义]对学科研究方法的自省式分析对于理解学科发展和建立学科自主知识体系至关重要。通过研究国内外学者在研究方法上的使用差异,可以更全面地了解不同地区和文化背景下的研究者在应对不同研究问题所采用的策略和方法,从而促进学术交流和跨国合作,并进一步推动学科的发展与学科知识体系的完善。[方法/过程]以图书情报领域5种高影响力中英文期刊中1990-2021年共30余年的学术论文为研究对象,采用跨语言文本分类方法对这些论文中的研究方法进行自动分类。然后从研究方法的使用频率与演化差异以及适用主题多样性差异两个角度,进行中外比较研究。[结果/结论]国外学者越来越倾向于使用定性方法,而对定量方法的使用正在减少。同时,国内外大多数研究方法的适用主题多样性都在增加。这项研究对于理解图书情报学科的发展、促进学术交流与合作以及提高国内学者的国际影响力具有重要意义。

山地城市工程冲沟的分类方法和设计策略研究

为了将工程冲沟融入城市自然环境,改善二者在空间和肌理维度上的矛盾,本文在传统冲沟分类方法中融入环境角色,依据冲沟和环境的2种形态构建两态性分类法。该方法实现从“治理”到“运用”的目的变迁,有助于解析冲沟与环境矛盾问题的具体表现。依据矛盾点,提出“交、映、隐、联、融”的设计策略,重新构建冲沟与环境的有机关系,打造山地城市的滨江景观风貌。

基于改进深度置信网络的水果分类识别方法

为了解决现有水果分类识别方法存在的识别精度低等问题。基于水果分类识别系统,提出了一种用于不同水果分类识别的改进深度置信网络。通过2路深度置信网络将不同特征图像作为输入,使用SoftMax对输出分类。与常规分类识别方法相比,所提方法能较准确地实现不同水果的分类识别,多特征融合识别准确率最高,识别准确率为98.75%,满足水果分类识别的需要。通过优化现有深度学习方法,可有效提高该方法的性能。

OECD数字密集型产业分类方法及启示

产业的数字密集度反映产业对数字技术的开发应用程度。OECD从技术组成、人力资本和市场经济活动三个角度提出数字密集型产业测算框架,采用独立分类法和位次平均分类法,分别对OECD国家36个细分产业的数字密集度进行了研究。本报告对OECD数字密集型产业分类和我国数字经济产业分类进行了研究总结和比较分析,并提出促进我国数字密集型产业发展的有关建议。

幼儿园教师多维度观察方法分类及实践注意事项

对幼儿的行为观察是我国学前教育理论探究及幼儿园实践探索过程中共同关注的热点问题。幼儿园教师进行行为观察,需要厘清多角度下的观察分类方法及注意事项。从分类方法(参与性观察与非参与性观察;定期观察、短期观察和长期观察;开放式观察和封闭式观察;直接观察和间接观察)入手,剖析不同维度分类方法的特点,提出了幼儿园教师在观察环节中需要注意得到观察许可、保证幼儿的身体和心理安全、尽量保证观察的客观性、禁止对幼儿行为医学定性等四个实践性问题。

电路理论中的受控源分类方法研究

受控源属于至关重要的电路设计元件,能够大幅提升电路的灵活性,赋予电路强大的可操作性。文章根据受控源实际作用、控制形式存在的差异性,分析电路理论中受控源的分类方法,旨在为电路设计提供较为适配的受控源,便于根据电路设计的功能需求进行受控源的组合配置、使用,差异满足级别更高的复杂电路设计需求。

化学概念分类:意义价值、理据方法和教学实践?

新时代素养化教学背景下,知识学习的关注点从知识掌握目标,转向了知识对能力素养发展的工具意义。文章从概念知识生成机制对化学概念进行属类分析,匹配教学方法策略,有利于开展实践性教学;根据化学概念特征可将化学概念分为事实性概念、规则性概念及理论性概念,分别匹配“呈现原型概括本质”“问题解决方法总结”“证据推理模型建构”三种主要教学方法,侧重于不同核心素养的培育发展;以物质的量为例进行了教学实践分析。

基于图核同构网络的图分类方法

图表示学习已成为图深度学习领域的一个研究热点.大多数图神经网络存在过平滑现象,这类方法重点关注图节点特征,对图的结构特征关注度不高.为了提升对图结构特征的表征能力,提出了一种基于图核同构网络的图分类方法,即KerGIN.该方法首先通过图同构网络(graph isomorphism network,GIN)对图进行节点特征编码,并使用图核方法对图进行结构编码,进一步利用Nystrom方法降低图核矩阵的维度.其次借助MLP将图核矩阵与图特征矩阵对齐,通过注意力机制将图的特征编码和结构编码进行自适应加权融合,进而得到图的最终特征表示,提升了图结构特征信息的表达能力.最后在7个公开的图分类数据集上对模型进行了实验评估:与现有图表示模型相比,KerGIN模型能够在图分类准确度上有较大幅度提升,它可以增强GIN对图结构特征信息的表达能力.

比较任务修正少样本细粒度情感分类方法

针对主流少样本学习方法在细粒度情感分类任务中难以区分情感程度相似样本的问题,提出一种基于比较任务的少样本细粒度文本情感分类的修正方法。对于比较任务的训练阶段,构建训练集样本的正负样本并设计一套比较任务模板。在比较任务的预测阶段设计一种将测试集样本与训练集样本情感程度比较结果进行投票分类的方法。利用比较任务的结果对单句分类结果进行修正,取得更稳定的结果。在细粒度情感分类数据集SST5及Amazon Product数据集上进行实验,结果表明,修正方法相较于主流方法获得更优的性能与稳定性。

一种半监督金融事件多标签分类方法

随着数字金融服务业的不断发展,互联网和金融服务系统积累了海量文本数据,对金融文本中描述的金融事件自动分类是金融科技的现实需求,也是自然语言处理和机器学习领域广泛关注的方向。目前,深度学习方法已在文本分类中广泛应用,针对文本数据中的金融事件多标签分类中存在的已标注数据缺少、已有深度学习方法消耗资源大以及现有方法未利用金融事件文本的具体特点等问题,通过采用ALBERT和TextCNN等表示工具,引入主体词注意力机制,提出了一种半监督金融事件多标签分类方法。首先,通过无监督数据增强(Unsupervised data augmentation,UDA)方法缓解标注数据量不足的问题;其次,引入了主体词注意力机制,使用ALBERT动态词向量表征方法对文本中的词进行表示;然后,利用TextCNN对文本进行综合语义表示;最后,分别采用交叉熵和KL散度度量标记数据和无标记数据的损失来训练模型。在金融文本数据集上验证了本文所提方法的有效性。

基于RoBERTa的油气高风险作业管控措施分类方法

本文提出了一种基于RoBERTa的油气高风险作业管控措施分类方法,旨在解决高风险作业JSA库针对性不足的问题,该方法可以自动、准确地将管控措施划分成关键性措施与一般性措施,能够帮助使用者快速找到并采取关键的风险管控措施,提升JSA库的应用效果和风险管控水平。此外,本文还对管控措施分类结果进行了实验验证,结果表明该方法具有较高的准确性和可靠性,F1值达到76%,能够满足实际应用的需要。

小学语文分类阅读的目标、内容与方法研究——评《小学语文分类阅读教学研究》

阅读教学是小学语文教学的重中之重,是发展学生语文核心素养的关键路径。关于阅读教学的思路与阅读方法,不少一线语文教师已有深入的思考,并进行了有益的探索,总结了不少有效的教学策略。尽管如此,小学语文阅读教学仍面临着一些问题。

基于softmax回归的通信信号循环谱的多分类识别方法

通信信号调制方式的自动识别在通信对抗领域中具有重要作用,同时也是未来认知无线电系统的重要组成部分,如何在日趋密集的信号环境中快速准确地识别多个混合通信信号是实现通信信号调制方式自动识别的重点。针对这种情况,以数字通信信号的循环谱为特征,通过构建softmax回归多分类识别器,提出一种基于softmax回归的通信信号循环谱的多分类识别方法。通过计算机验证不同条件下的算法性能,证明了该方法无需知道典型的数字调制信号(如ASK,BPSK,QPSK,16QAM,64QAM)的符号率、载频以及同步定时等先验信息,对它们组成的混合信号可以正确识别其中包含的每个调制信号的调制方式,并且识别速度较快。

基于多模态融合提升的文本分类方法

尽管基于多模态的文本分类技术在应用到具体场景中具有潜力,但仍存在局限性。现有多模态融合模型要求输入数据模态对齐,因此大量不完整的多模态数据被直接浪费,从而限制了推理时可用数据的规模和灵活性。为了解决这个问题,提出了一种基于多模态融合提升的文本分类模型和不充分多模态资源训练方法。与传统方法相比,提出的模型在标准数据集上的性能平均提高了约4.25%。此外,在除文本输入模态外的其他模态缺失率为50%的情况下,不充分多模态资源训练方法的性能比传统多路由策略提高了约4%。这表明所提出的模型和训练方法具有明显的优势和有效性。

基于改进ID3算法的非结构化大数据分类优化方法

针对非结构化大数据在分类过程中,由于其数据中存在大量的冗余数据,若不能及时清洗大数据中的冗余数据,会降低数据分类精度的问题,提出一种基于改进ID3(Iterative Dichotomiser 3)算法的非结构化大数据分类优化方法。该方法针对非结构化大数据集合中冗余数据多以及维度繁杂的问题,对数据进行清洗处理,并结合有监督辨识矩阵完成数据降维;根据数据降维结果,采用改进ID3算法建立用于数据分类的决策树分类模型,通过该模型对非结构化大数据进行分类处理,从而实现数据的精准分类。实验结果表明,使用该方法对非结构化大数据分类时,分类效果好,精度高。

基于关联规则及无监督分类方法探寻孟河医派治疗中风病的用药规律

目的:基于关联规则及无监督分类方法探寻孟河医派治疗中风病的用药规律,为临床中风病的中医药诊疗提供参考。方法:检索收集清初以来孟河医派丁甘仁、费伯雄、马培之、邓星伯、杨博良等9位代表性医家,归纳整理其诊治中风病的医话医案,采用关联规则及无监督分类方法对数据进行数据挖掘分析。发现诊疗过程中的四诊信息及与之对应的核心药物。结果:共纳入105首处方,涉及中药173味;首先通过简单关联分析,调整支持度及关联度获得前10位的药物,用药频次最高的为半夏,舌苔脉象出现频次最高的为苔腻。支持度最高的药对、舌脉分别为陈皮和半夏、滑脉和苔腻;使用无监督分类方法将中药及四诊信息自动分为4大类。结论:通过频数分析,简单关联规则及复杂关联规则以及无监督的分类方法逐层探寻出孟河医派对中风病的独特治疗特色,发现通过机器学习找出的四诊信息与药物之间有相互对应关系。结合舌脉分析与药物分析,孟河医家治疗中风以清热化痰、补益气血、平肝熄风、祛瘀化痰为主。

基于深度神经网络和SoftMax分类器的台区负荷分类识别方法

随着传统分类分析算法研究的不断深入,台区用电负荷模式的分类识别也在不断发展。提出了一种基于深度神经网络(deep neural networks,DNN)和SoftMax分类器的台区负荷分类识别方法,结合已有的典型负荷曲线特征库,实现对台区未知用户的负荷预测,为电网部门需求侧管理提供可靠的支撑。对某台区1200个用户负荷数据进行实证分析,结果表明,提出的分类方法在算法收敛性、计算时间以及预测精度等方面具有更好的性能。

基于Softmax回归分类模型的网页搜索排序算法

针对网页搜索结果存在返回的网页与搜索的关键词领域不相关的领域漂移现象,导致用户无法搜索到需求信息的问题,提出基于Softmax回归分类模型的网页搜索排序算法。选择网页搜索文本特征,得到相应的特征项,利用向量表示模型,将选择的网页搜索文本特征项转换为格式化数据,对网页搜索文本数据进行均衡处理,获取网页搜索文本数据集。采用Softmax回归分类模型,分类处理网页搜索文本数据集,预测网页搜索文本类别,通过Okapi BM25算法,对网页搜索文本进行排序操作,实现网页搜索排序。实验结果表明,所提算法具有较好的网页搜索排序,提升了网页搜索排序精度,避免网页搜索排序过程中的领域漂移现象。

北京老城文物建筑开放利用的分类评价方法研究

根据文物建筑现状特征综合评估其开放利用潜力与利用形式,是提升文物建筑保护与利用水平的重要支撑。针对北京老城文物建筑特征,文章从文物建筑的本体现状、价值禀赋、外部环境3个维度构建评估文物建筑开放利用潜力的指标体系;结合文物建筑开放利用的不同形式,从参观游览、文化展示、经营服务、公益办公、社区服务、国事服务6个方面研究确定各项指标的评价标准;并以北京老城54处文物建筑为例,进行分类评价方法的实证应用,以期为北京老城文物建筑开放利用的总体统筹与分类管理提供参考。

基于决策树算法的电力客户智能分类方法

电力客户数据涉及多个维度和复杂的关联关系,导致分类不准确,因此,本文提出基于决策树算法的电力客户智能分类方法。采用中位数填充方法填补收集的电力客户数据,完成数据预处理,利用处理后的数据结合GINI系数构建电力客户决策树模型,形成一棵能够反映客户分类规律的决策树,去除不必要的分支和节点,使模型更加简洁,同时减少过拟合的风险。试验结果表明,设计方法能够根据电力客户的变化而调整,分类置信度较高,能够更加精准地智能划分电力客户类别,为电力企业的精准营销、个性化服务以及风险管理提供有力的支持。