区域图书馆资源共建共享的思考   总被引：10，自引：2，他引：8  

李翠平 《高校图书馆工作》2006,26(1):57-59

区域图书馆实施文献信息资源共建共享是社会发展的必然,是图书馆自身存在和发展的需要,本文从区域图书馆资源共建共享的目的及意义、实施的可行性、实施中可能出现的问题以及实施的措施几方面进行了分析.参考文献10.  相似文献   

评估形势下的高校图书馆文献采访工作   总被引：2，自引：0，他引：2  

龚菲 《高校图书馆工作》2006,26(2):35-36,46

在高校迎接教育部新一轮本科教学评估的紧张准备期间,图书馆文献资源采访工作要及时纠正采访思维偏差,理性面对馆藏量不足和经费困扰问题,按照馆藏建设原则行事,合理分配有限的购书经费,注重采访质量的控制,本文结合吉首大学图书馆实际工作体会总结了文献采访的一些新经验.参考文献3.  相似文献   

浅论新时期档案文献管理   总被引：2，自引：0，他引：2  

刘昱 《高校图书馆工作》2006,26(3):79-80,88

本文探讨新时期对档案文献管理工作的创新,提出将档案管理职能向文献管理领域延伸、将档案文献的服务工作渐趋扩大化、将档案文献管理模式向多元化发展的对策,使档案文献管理能适应不断变化的环境.参考文献7.  相似文献   

从文献课教材内容特点看高校信息素质教育发展新动向     

徐庆宁  陈雪飞  江梅 《大学图书馆学报》2007,25(5):49-54

通过对近三年出版的具有代表性的文献课教材的抽样调查,对现行教材内容的特点进行分析和归纳,并从中总结出当前信息素质教育发展的新动向:信息素质教育要强调全面培养学生的信息意识、信息技能和信息道德;只有注重实际教学效果,强化检索实践,关注社会需求,才能不断拓展文献课的作用和影响;教材内容必须及时反映信息资源变化及信息检索技术的最新成果,尤其需要突出信息创新意识、创新技能以及信息道德规范教育。  相似文献   

XML数据在浏览器端的动态关联显示处理研究     

何莹莹 《科技广场》2006,(1):10-12

  相似文献   

一种基于特征编码的Word文档数字水印算法     

方旺盛  舒明磊 《科技广场》2006,(1):4-6

本文基于文本数字水印的特征编码思想,通过设置Word文档中字符的下划线格式以嵌入和检测水印。实验表明,该算法有较强的不可见性,能较好的嵌入和检测水印,从而达到数字水印的一般要求。  相似文献   

文献资源发展政策简论   总被引：1，自引：0，他引：1  

张洪元  燕今伟 《高校图书馆工作》2007,27(6):1-4

文献资源发展政策(即馆藏发展政策)研究于20世纪70年代起始于美国,此后20年,文献资源发展政策实践在美国图书馆界得到了大力普及.我国图书馆界虽然从20世纪80年代起就开展这项研究,但时至今日,我国文献资源发展政策实践成果仍寥寥无几.文献资源发展政策可分为"总纲""学科文献资源描述""附件"三个部分,文章从编制实践出发,对撰写"政策"时需要明确的具体内容进行详细阐述,同时提出了文献资源发展政策工作办法.参考文献6.  相似文献   

我国涉农信息服务政策核心话语演变分析:以1980年以来中央“一号文件”为例     

汪汉清  樊振佳 《图书情报工作》2019,63(8):96-106

[目的/意义]对我国自1980年以来涉农信息服务政策核心话语体系构建及其演变进行研究、对话语形成的社会背景进行剖析、对话语实践进行统计与描述，以期为精准化涉农信息服务研究提供参考。[方法/过程]采用定性分析方法，运用费尔克拉夫话语分析框架，从文本向度、话语实践向度、社会实践向度三3个向度对1980以来我国涉农信息服务政策文本及其核心话语的演变进行分析，以中央一号文件为文本分析对象，对其进行话语提取、编码与归类。[结果/结论]1980年以来我国涉农信息服务可以分为两个阶段：第一阶段为1982-1986年，核心话语集中在有限的主体、对象、内容和较低的服务层次，基层基础设施建设总体发展缓慢；第二阶段为2004年至今，涉农信息服务不局限于传统的农民、农业活动以及农村地域，对象呈现多样化，服务主体规模扩大，两者界限不鲜明，服务内容呈现制度化、规模化、个性化特征，涉农信息服务服务体系逐渐形成。两阶段各有其发展特点与特色，又具有延续性和一致性、延伸性和发展性。  相似文献   

Paragraph-based representation of texts: A complex networks approach     

Henrique F. de Arruda  Vanessa Q. Marinho  Luciano da F. Costa  Diego R. Amancio 《Information processing & management》2019,56(3):479-494

  相似文献   

The impact of deep learning on document classification using semantically rich representations     

Zenun Kastrati  Ali Shariq Imran  Sule Yildirim Yayilgan 《Information processing & management》2019,56(5):1618-1632

This paper presents a semantically rich document representation model for automatically classifying financial documents into predefined categories utilizing deep learning. The model architecture consists of two main modules including document representation and document classification. In the first module, a document is enriched with semantics using background knowledge provided by an ontology and through the acquisition of its relevant terminology. Acquisition of terminology integrated to the ontology extends the capabilities of semantically rich document representations with an in depth-coverage of concepts, thereby capturing the whole conceptualization involved in documents. Semantically rich representations obtained from the first module will serve as input to the document classification module which aims at finding the most appropriate category for that document through deep learning. Three different deep learning networks each belonging to a different category of machine learning techniques for ontological document classification using a real-life ontology are used.Multiple simulations are carried out with various deep neural networks configurations, and our findings reveal that a three hidden layer feedforward network with 1024 neurons obtain the highest document classification performance on the INFUSE dataset. The performance in terms of F1 score is further increased by almost five percentage points to 78.10% for the same network configuration when the relevant terminology integrated to the ontology is applied to enrich document representation. Furthermore, we conducted a comparative performance evaluation using various state-of-the-art document representation approaches and classification techniques including shallow and conventional machine learning classifiers.  相似文献