共查询到20条相似文献，搜索用时 530 毫秒
1.
STKOS中领域本体模型框架研究 总被引：4，自引：0，他引：4
[目的/意义] 构建普适的领域本体模型框架和规范的方法体系,为STKOS实现动态建模的本体工具集和面向领域应用的本体网络提供建设依据。[方法/过程] 调研分析不同层次的领域本体模型,总结能够为STKOS本体建设提供的参考,构建STKOS中学科领域本体模型的3层架构,提出各层框架可遵循的方法,并以中国科学院植物研究所的需求为例,阐述本文模型框架在构建植物多样性领域本体的应用。[结果/结论] 按照领域本体模型3层架构所构建的植物多样性领域本体较之其他领域本体,具有知识组织体系清晰、构建过程高效、所支撑应用场景丰富的优点,因此,该研究可为STKOS快速而有效地构建领域本体提供实用框架,未来可应用于知识服务平台语义层的建设。 相似文献
2.
专业领域知识环境(SKE)工具支持用户建设嵌入科研工作流的知识环境和学术社区,是基于科研本体和主题本体的知识组织模型,应用语义网技术,结合推理规则的开发,实现特定学科领域内综合科技信息的管理、组织和知识发现,同时在本体、系统管理、数据内容上实现用户个性化定制。目前该工具在中国科学院范围被用来建设XKE平台,主要应用在领域知识环境建设、群组知识平台建设、项目信息环境建设、重大科研团体协作研究平台的建设中。 相似文献
3.
专业领域知识环境建设的理念与实践 总被引：1，自引：0，他引：1
科研综合数字信息环境已经形成,在探讨专业领域知识环境(SKE)的理念、定位和目标、概念框架和关键技术的基础上,对中国科学院专业领域知识环境(SKE)的建设思路和应用实践进行讨论,并提出在建设过程中的一些思考. 相似文献
4.
5.
在对知识关联的概念和常见应用形式概述的基础上,探索科学数据系统引入知识关联需要解决的两个关
键性问题,即如何集成实体对象的知识节点和如何确定实体对象的关联标识。然后以植物学领域为切入点,分析知识
关联模型在植物数据整合和增值服务方面发挥的作用,构建植物学知识关联的集成服务实验系统,从而为知识关联技
术在实现异构数据库系统互操作方面做出了有益探索。 相似文献
6.
当前几种经典的复杂网络模型尚不能有效拟合领域知识网络现实情况,表现为:①以边连线为增长单元难以有效拟合知识网络模块化增长的高聚集效应;②知识增长中除马太效应外,有其他重要因素(如守旧、创新)与之抗衡。因此,有必要根据领域知识自身增长特点探寻一种新的演化模型,以有效实现领域知识的量化分析和预测。本文以典型的领域共词网络为例,从微观的增长视角解析其生成过程、增长方式和多种影响因素,以前人研究结论为证据,提出一种由模块化增长单元组成,并融合跟风、守旧与创新三种影响因素的领域知识网络演化模型;随后,通过实验仿真证明了该模型能更好地拟合现实领域知识网络的整体和微观结构;最后,以此模型为基础,通过进一步的仿真实验揭示了相关因素在领域新知识增长、知识聚集中的影响力度和相互作用。本研究为领域知识增长规律和共现型知识网络结构规律的探索提供了更直接可靠的量化分析基础。 相似文献
7.
8.
研究图书馆2020：走向知识协作实验室Knowledge Collaboratory）中国科学院国家科学图书馆服务于基础科学、生命科学、地理环境科学和高新技术领域的3万多名研究者和3万多名研究生。随着电子资源优先和网络服务优先模型的建立,国家科学图书馆正在从基于资源的信息系统转变为嵌入研究过程的、与研究者合作的知识服务机制。我们将这种机制称为知识协作实验室,以突出它的主要特点： 相似文献
9.
在视频监控领域,常常会涉及到视频的检索问题。常用的方法是采用文本注释图像和视频信息,以基于文本的数据库管理系统进行图像和视频检索。把图像比对技术引入到视频监控领域,可以有效的提高视频的检索的效率,为视频监控提供更有力的支持。 相似文献
10.
11.
由于大数据的时代背景以及不同用户群体间的知识服务需求存在个性化差异的现实情况,本文认为在设计领域知识结构时应充分考虑用户需求和数据动态性的特点,并以此为基础设计了一套可分领域知识结构。首先,本文梳理了大数据时代下知识服务的特点并给出了以用户为主导的领域知识服务模式;其次,根据该服务模式,本文提出了一套从知识服务视角出发的可分领域知识结构;最后,结合领域大数据转化为领域知识的过程给出了该知识结构的构建流程。本文设计的知识结构在方便领域信息库扩充的同时,也从实际问题角度出发满足了用户的个性化需求。 相似文献
12.
国内知识管理研究若干维度的特征分析——基于自科、社科立项的实证研究 总被引：1，自引：0，他引：1
从2000至2009年共有106项知识管理自科与社科项目获批。以该106项项目数据为样本进行分析,认为国内知识管理立项研究大致分为两大主体:以大连理工大学管理学院为核心的知识管理综合性研究和以北京航空航天大学经济管理学院为核心的知识管理技术与系统研究,图书情报界在国内知识管理立项研究中处于从属地位。国内知识管理立项研究集中在知识管理流程与隐性知识领域,对于知识管理与业务流程、不同组织环境、组织文化、人的关系研究较少;国内知识管理研究的领域和视角较窄,其研究群体主要集中在管理学科。缺乏来自其他学科的研究力量和研究方法;国内知识管理研究的研究方法体系不够成熟,理论研究明显占据优势,实证研究的特点与规范程度没有明确。 相似文献
13.
为推动图书馆知识服务与短视频营销的融合,满足读者的新型知识需求,文章通过文献分析法与网络调查法,以整合相关研究成果为基础,对短视频知识营销发展环境进行分析,同时提出图书馆短视频知识营销.结合7Ps营销理论,构建图书馆短视频知识营销模式,并给予针对性建议. 相似文献
14.
命名实体分类和识别是自然语言处理中的关键任务,其识别效果将会影响许多下游任务的性能。文章基于现有知识图谱,提出图情领域九大类实体,构建适用于图情领域实体识别的LISERNIE+BiGRU+CRF模型。其中,LISERNIE模型的训练以ERNIE为基础,增加了注入图情领域知识的预训练阶段训练。通过开展广泛的实验,发现LISERNIE+BiGRU+CRF模型能有效识别出命名实体,且在小规模标注数据集上具有明显的性能优势;当应用到后续的开放域关系抽取实验时,其准确率远高于CORE系统,可为进一步构建知识图谱、问答系统、机器阅读等提供模型和数据支撑。 相似文献
15.
[目的/意义]通过眼动实验探究移动用户音乐信息浏览行为的影响因素,为移动用户提高浏览行为的效率、app设计者优化可浏览性功能与服务提供理论依据。[方法/过程]选择情境和领域知识两个主要变量,研究在不同情境下领域知识水平对音乐信息浏览行为的影响。在眼动实验中将被试分为高领域知识水平组和低领域知识水平组,要求其按指定的任务浏览基于网易云音乐app修改的音乐信息,对浏览的眼动数据进行统计分析。[结果/结论 ]研究发现,在兴趣驱动情境下,高领域知识组和低领域知识组被试的信息浏览行为不存在显著差异;而在任务驱动情境下,两组被试的信息浏览行为存在显著差异。研究表明,在兴趣驱动情境下,用户的领域知识水平不会对其信息浏览行为产生影响;在任务驱动情境下,高领域知识水平的用户能够通过浏览更快速获取目标信息。 相似文献
16.
随着计算机的普及与快速发展,如何通过在批量数据中提取有效规则实现机器智能分类与推理,提高知识推理的有效性与准确率,成为当前知识服务领域的难题之一.文章基于本体(Ontology)的知识组织方式和粗糙集(Rough Set)理论的知识获取技术,针对批量数据的规则提取实现知识推理,提出知识推理模型ORSKM.ORSKM模型利用九元组构建领域本体,实现实例数据的语义化描述;从领域本体的属性中提取粗糙集的决策表,由决策表对领域本体关系进行领域知识知识库归约,获取领域知识相关的属性规则;通过粗糙集知识推理算法实现知识获取,最后通过实验对该知识推理模型进行验证. 相似文献
17.
[目的/意义] 当前知识聚合模式研究侧重"依据何种知识关联开展知识聚合",本文补充性地探索"利用知识关联将知识单元聚合成何种形式"这一后续问题,以完善知识聚合模式研究和引导实践的深入。[方法/过程] 借鉴化学领域中对聚合反应两大类型划分的方法,提出以"是否保留知识单元间及其关联间的差异性"为根据,将知识聚合划分为知识类聚和知识共聚,并探讨知识共聚的基本实现形式。[结果/结论] 领域知识是知识共聚开展的基础;以文档、词语为基本知识单元粒度,以用户需求入口和聚合目标资源为维度,知识共聚可通过四种基本形式实现：基于分面导航、基于多维概念关联推荐、基于知识元链接、基于资源潜在关联发现。 相似文献
18.
基于本体的汉语领域命名实体识别 总被引：1，自引：0，他引：1
命名实体识别是众多自然语言处理任务的核心内容之一,也是近年来的领域研究热点.本文将命名实体分为两大类:常规命名实体和领域命名实体.基于已经构建的领域本体MPO,本文提出一种基于本体知识规则与统计方法相结合的领域命名实体识别方法.该方法通过本体化实例,获取实体构成词性规则模板,结合CRFs机器学习模型,进行领域命名实体识别.实验结果表明:相比运用单一统计方法而言,该方法能使领域实体的识别性能显著提高,F值达到92.36%.同时表明本体化知识规则的有效运用,能够在领域实体边界和特殊形式领域实体识别的准确率上发挥积极作用. 相似文献
19.
近年来,电视情感节目在荧屏上形成了一道亮丽的风景线。以私人情感为主要内容的电视节目的风行,凸显的是公共领域与私人领域的危机,即传媒在构建公共领域的过程中,不恰当地将私人领域放入公共领域。本文以电视情感节目为切入点,探讨在当今社会媒介环境下公、私领域的变化以及这一变化对传媒的影响,并阐述如何正确发挥传媒在构建公共领域中的作用。 相似文献
20.
[目的/意义]通过在标注资源丰富的源领域（Source Domain）中学习,并将目标领域（Target Domain）的文档投影到与源领域相同的特征空间（Feature Space）中去,从而解决目标领域因标注数据量较小而难以获得好的分类模型的问题。[方法/过程]选择亚马逊在书籍、DVD和音乐类目下的中文评论作为实验数据,以跨领域情感分析作为研究任务,提出一种跨领域深度循环神经网络（Cross Domain Deep Recurrent Neural Network,CD-DRNN）模型,实现不同领域环境下的知识迁移。CD-DRNN模型在跨领域环境下的平均分类准确度达到了81.70%,优于传统的栈式长短时记忆网络（Stacked Long Short Term Memory,Stacked-LSTM）模型（79.90%）、双向长短时记忆网络模型（Bidirectional Long Short Term Memory,Bi-LSTM）模型（80.50%）、卷积神经网络长短时记忆网络串联（Convolution Neural Network with Long Short Term Memory,CNN-LSTM）（74.70%）模型以及卷积神经网络长短时记忆网络并联（Merged Convolution Neural Network with Long Short Term Memory,Merged-CNN-LSTM）模型（80.90%）。[结果/结论]源领域和目标领域的知识迁移能够有效解决监督学习在小数据集上难以获得好的分类效果的问题,通过CD-DRNN模型能够从无标注数据中有效地筛选特征,从而大大降低目标领域数据标注相关的工作量。 相似文献