共查询到17条相似文献，搜索用时 156 毫秒
1.
2.
3.
基于条件随机场的自动标引模型研究 总被引：3，自引：1，他引：2
条件随机场(Conditional Random Fields,CRF)模型是一种概率图模型.为了有效利用标引对象的特征,并考虑到抽词标引可以转换为序列标注问题,本文提出基于条件随机场的自动抽词标引模型.实验结果表明,该模型在改善抽词标引的性能方面,要优于支持向量机、多元线性回归模型等其他机器学习方法,是到目前为止解决序列标注问题的最好方法.但是,该模型本身还不能解决由于样本中存在同义词和相近词带来的问题,需要进一步对训练集和标引过程中存在的词汇语义情况进行考虑,提高标引的质量. 相似文献
4.
中文期刊文献通用词标引分析 总被引：1，自引：0，他引：1
通用因素是文献主题的构成因素之一，对主体因素起细分作用。通用词是指那些在专业领域没有独立检索意义的泛指词。在中文期刊文献标引的过程中，通用词的使用对其标引结果产生着重要的影响。文章讨论了通用词标引的一般规则，并以《中国期刊网》中的文献为例，进行抽样统计和实例分析，归纳了通用词标引的错误现象及其原因，并对期刊文献的通用词标引提出了几点改进意见。 相似文献
5.
6.
基于多词表的自动标引技术研究——新华社新闻稿自动标引的实验 总被引：9，自引：0，他引：9
避开汉语分词中的技术特点 ,转向基于多词表自动标引抽词研究是当前中文信息自动主题与分类标引可以采取的一种策略 ,也是最为可行的方法。本文以新华社新闻稿中的题名和导语为对象 ,详细介绍了基于多词表自动标引技术中的词表构建、自动抽词、主题标引和自动分类等技术。并成功设计了新闻信息自动标引的实验系统 ,取得了较好的效果。 相似文献
7.
基于EMM中文抽词算法的XMARC主题信息挖掘 总被引：4，自引：0，他引：4
本文在分词词典上采用区间最大词长,改进正向减字最大匹配法为“词首 长词匹配 短词推进”自动标引方法,从而有效地减少领域的分词歧义性和缩短标引时间。最后将该研究付诸于XMARC主题信息的挖掘与检索的实现,并证明其在时间和质量综合性能上的优越性。 相似文献
8.
9.
针对中文自动标引过程中经常会产生诸多歧义词,导致检出的信息不切题或漏检这一问题,在论述自动标引中歧义词消除方法的相关研究基础上,提出一种将穷举法和消歧规则相结合的歧义词消除方法。测试结果表明,这是一种行之有效的消除歧义词的方法。 相似文献
10.
19 自由标引中标引副标题概念词的问题
1 本文用词说明
本文所用“自由标引”一词是指不依据词表的人工标引，属于自然语言标引的范畴。期刊论文的在版标引一般都是自由标引。自由词补充标引是受控标引与自由标引的结合，不包括在本文讨论的范围内。 相似文献
11.
中文全文标引的主题词标引和主题概念标引方法1 总被引：20，自引：3，他引：17
中文全文标引正在越来越受到重视。本文主要研究了三个方面的问题，首先是全文主题词标引的加权问题，综合考虑了五个方面的因素；其次是介绍了一种用层次概念词典改进主题词标引质量的新方法；最后又提出了用三种不同的方法产生主题概念进行全文标引的的主题概念标引。受限范围内的实验结果显示本文的方法有一定的理论和实用价值。 相似文献
12.
文献信息自动标引研究 总被引：12，自引：0，他引：12
作者认为我国文献自动标引研究的重点应由分词研究向实际标引研究转移。由此, 作者从标引源的确立、标引词权值的定义和使用、标引词库的构造、自动标引算法的实现等方面阐述了他们在自动标引方面的研究成果, 同时介绍了利用标引词库进行的检索改造。 相似文献
13.
14.
杨贺杨奕虹乔晓东李宁朱礼军 《现代图书情报技术》2010,26(6):17-24
讨论计算机辅助标引文献加工系统中自然语言词表系统的建立过程。基于海量文献人工标引,运用计量分析法对多年来积累的人工标引词从词频、词长、词类型、词共现等多方面进行分析,重点阐述运用字面相似度计算词间关系来建立适用于机标和后控词表的自然语言词表的过程。 相似文献
15.
《Journal of Informetrics》2020,14(4):101079
The rapid development of scientific fields in this modern era has raised the concern for prospective scholars to find a proper research field to conduct their future studies. Thus, having a vision of future could be helpful to pick the right path for doing research and ensuring that it is worth investing in. In this study, we use article keywords of computer science journals and conferences, assigned by INSPEC controlled indexing, to construct a temporal scientific knowledge network. By observing keyword networks snapshots over time, we can utilize the link prediction methods to foresee the future structures of these networks. We use two different approaches for this link prediction problem. First, we have utilized three topology-based link prediction algorithms, two of which are commonly used in literature. We have also proposed a third algorithm based on nodes (keywords) clustering coefficient, their centrality measures like eigenvector centrality, and nodes community information. Then, we used nodes topological features and the outputs of aforementioned topology-based link prediction algorithms as features to feed five machine learning link prediction algorithms (SVM, Random Forest Classifier, K-Nearest Neighbors, Gaussian Naïve Bayes, and Multinomial Naïve Bayes). All tested predictors have shown considerable performance and their results are discussed in this paper. 相似文献
16.
文本聚类结果描述研究综述 总被引：1，自引：0，他引：1
章成志 《现代图书情报技术》2009,3(2):1-8
首先对文本聚类结果描述的研究背景和相关的研究情况进行说明,分析自动标引、自动文摘、概念聚类与文本聚类结果描述的关系,定位文本聚类结果描述的研究内容;然后根据文本聚类结果描述的具体要求,对该问题进行形式化;最后给出文本聚类结果描述的评价方法。 相似文献