语义网环境下数字图书馆知识发现的维度框架研究

数字图书馆知识发现并非是单一线索下的线性知识延展，相反却是极具多维性且在实践工作中不同维度之间总是相互关联、相互作用的。目前，数字图书馆资源聚合与知识发现的途径主要通过组织结构维度下的领域本体来实现，其语义化程度较高但却无法摆脱概念树结构的桎梏。而关联关系维度则能够突破主题领域内部严谨苛刻的层级限制，基于知识问的关联关系将平面树形结构拓展到网络立体空间。传递扩散维度更是将知识的客观属性与人类的主观认知相结合，充分体现了知识与人的交互。笔者认为，以多维度融合的视角考查数字图书馆资源聚合与知识发现，最大程度上弥合了学术界当前存在的分歧，使基于数字图书馆资源聚合的知识发现成为可能，有助于突破数字图书馆知识组织研究领域的瓶颈，把数字图书馆资源聚合与知识发现研究推向一个新的高度。

一种基于改进KNN的哈萨克语文本分类

将文本分类理论应用于哈萨克语中,给出了哈萨克语文本预处理过程.介绍一种改进的KNN算法,并结合自己构建的哈萨克语料集实现基于改进KNN算法的哈萨克语的文本分类.仿真实验数据表明,该方法在哈萨克语的文本分类上获得了较好的效果.

一种基于SVM-修正KNN 算法的哈萨克语文本分类

为了实现哈萨克语文本分类,根据哈萨克语语法规则,给出了哈萨克语文本词干的提取方法;结合DFR特征选择方法和VSM文本表示模型实现哈萨克语文本的预处理,提出了一种SVM和修正KNN协同的文本分类算法,分别在自行构建的语料集和整理的《新疆日报》哈萨克语数据集上进行大量文本分类仿真实验.结果表明,该方法在哈萨克语文本分类上具有良好的分类性能,并比SVM,KNN的测试性能优越.

数字资源聚合的理论基础及其方法体系建构

首先,从哲学和图书情报学视角探究数字资源聚合的思想和理论基础。其次,从概念聚类、概念关联、知识关联三个层次阐述数字资源聚合方法,构建数字资源聚合的方法体系。