排序方式： 共有24条查询结果，搜索用时 15 毫秒
1.
企业知识管理成熟度模型研究 总被引：5，自引：1，他引：4
以管理者、员工、企业文化、知识管理流程、知识管理技术和知识管理内容为结构维度,构建了知识管理成熟度模型;通过问卷获得数据;应用AHP决策分析法确定成熟度各指标因子的权重并给出了成熟度"级越"的方法.通过几个企业的实际应用效果,表明可以为我国企业实施知识管理项目提供有益借鉴. 相似文献
2.
基于Ajzen的＂计划行为理论＂,构建了＂企业员工知识共享行为影响因素＂的理论模型,利用AMOS7.0对来自企业的242个样本数据进行分析。得出不同影响因素对知识共享意向和知识共享行为的影响途径、影响程度和知识共享意向所扮演的＂中介效应＂。 相似文献
3.
文本分类中粗分类数据噪声修正的网络算法 总被引：1，自引：1，他引：0
在文本分类的实际应用中经常使用粗略分类的数据来训练分类器,但是这种数据中经常会包含类别标记有误的数据,这些数据对文本分类结果的精度会造成不良影响。本文针对这个问题提出了一种噪声修正算法,首先建立文档关联网络,把文档上标记的类别作为在网络上划分的集团结构,并用模块度衡量集团结构的质量,通过优化模块度指标把噪声数据调整到合适的类别中,从而提高数据质量。实验结果表明,本文所提算法能够有效修正粗分类数据中的噪声,且有较高的有效性和鲁棒性。该算法可以用于文本分类训练数据的预处理,或作为辅助技术用于文献库建设等工作。 相似文献
4.
基于超网络的知识传播趋势分析 总被引：2，自引：0，他引：2
分析知识传播趋势能够了解掌握该知识的人员个数的变化趋势,进而分辨出热点、新兴、消亡等知识.针对目前只根据专家经验定性判断知识传播趋势的不足,提出了一种利用超网络模型分析知识传播趋势的定量方法.研究中首先通过知识挖掘获取蕴含在知识载体中的知识元,然后按照数据种类的不同分别构建知识网络、人员网络和物质载体网络,利用不同网络之间存在的关系建立超网络模型.在构建的超网络中,根据知识和人员之间的关系,定量计算用来衡量知识传播广度与知识传播深度的指标,利用这两个指标的动态变化情况分析知识传播趋势.最后给出一个实例对模型和方法进行验证. 相似文献
5.
中英文混合术语可作为未登录词处理、加权处理和歧义消解等的辅助信息,并有助于提高中文信息处理的质量。依据长度递减与串频统计思想,本文提出了一种中英文混合术语的抽取方法。该方法不需要词典,不需要事先进行语料库的学习,不需要建立字索引,而是依靠统计信息,抽取出支持度大于等于阈值的中英文混合术语。该算法能够有效地抽取出文本中新涌现的通用词、专业术语及专有名词。实验显示该方法不受语料限制,能够快速、准确地进行中英文混合术语的抽取。 相似文献
6.
训练数据中的噪声数据对文本分类结果的精度会造成不良影响,本文提出了一种对噪声数据进行修正的快速算法.针对以前的算法,每次迭代只对一个文档进行修正,迭代次数与噪声数据数量相当,算法运行效率较低的问题,本文通过分析调整文档所属类别对评价指标的影响,提出依据模块度变化量判断噪声数据,一次迭代过程中可以对多个文档进行修正处理,从而提高算法效率.实验结果表明,本文所提算法能够更快地修正粗分类数据中的噪声,算法复杂度从以前算法的O(Tnm2)降低为O(Tnm).该算法可以用于对大数据量数据进行处理,实用价值更高. 相似文献
7.
针对作为中文信息处理基础的抽词问题,本文在作者提出的正向串频最大匹配法(MMFS)的基础上,提出了逆向串频最大匹配法(RMMFS)及双向串频最大匹配法(BMMFS)。这两种方法分别采用逆向和双向长串优先与串频统计的思路,并引进规则和支持度指标筛选,不需要词典,不需要事先进行语料库学习,不需要建立字索引,通过串匹配获取中文文本中的汉字共现模式,实时地抽取出包含专业术语及专有名词等未登录词在内的专指语义串、短语和词。实验研究了抽词准确率受规则的影响及随文本大小和词频变化的分布,结果表明BMMFS可以取得更好的抽词效果。 相似文献
8.
国家自然科学基金支持基础研究和部分应用基础研究，探讨各个学科领域中的“科学问题”，为社会提供关于研究对象的新的认知成果。研究过程具有探索性和前瞻性，研究目的具有高度的模糊性和不确定性，研究结果可能与最初设想有很大的差距，只能“根据结果令人惊异的程度来判断工作的质量”，所以基础研究具有风险性和长期性。而应用 相似文献
9.
专有名词的自动抽取是文本挖掘、信息检索和机器翻译等领域的关键技术.本文研究了组合SVM和KNN两种分类器进行汉语专有名词自动抽取的方法.对样本在空间的不同分布使用不同的分类方法,当测试样本与SVM最优超平面的距离大于给定的阈值时使用SVM分类,否则使用KNN;在实际训练语料中,常常是负类样本数远多于正类样本数,而传统KNN方法对不平衡训练集存在敏感性,所以提出了用归一化的思想对传统的KNN方法进行修正.实验表明,用SVM与修正的KNN组合算法进行汉语专有名词抽取比单一的SVM方法以及原始的SVM-KNN方法更具优越性,而且这种方法可以推广到其他非平衡分布样本的分类问题. 相似文献
10.