排序方式： 共有8条查询结果，搜索用时 15 毫秒
1
1.
[目的/意义]作为一门与信息技术密切关联的学科,近年来快速发展的人工智能为情报学带来了诸多影响。有效梳理和整合这些影响的发展脉络与应用场景,强化人工智能在当前情报工作中的角色与作用,能为情报学相关研究的发展提供一定的参考与启示。[研究设计/方法]聚焦情报学领域人工智能相关研究,从高被引论文、文献共引、主题词共现三个维度对人工智能在情报学中的知识基础及其演化和研究热点予以分析与解读。[结论/发现]归纳了人工智能研究对情报学的影响,主要包括促进情报学研究主题的衍生和情报学研究方法的革新两方面,并从理论创新、研究对象拓展、信息服务提升与学科建设四个方面探讨人工智能在情报学领域可能的应用。[创新/价值]通过对情报学领域人工智能相关研究进行深入量化分析和定性研究,探讨和揭示了该主题下研究热点、研究趋势和相关发展规律,为相关领域学者提供一定借鉴与启发。 相似文献
2.
数字人文的兴起引发了社会人文历史领域的广泛关注,海量的数据资源与新兴的数据分析技术为更高效和宏观地解决人文研究中长期存疑和讨论的主题提供了全新的思维范式。尽管有关数字人文的合理性仍存在诸多争议,但是数据驱动下的跨领域人文计算在人文主义重构活动深度与广度上所展现出的高效性已经被大量项目与实践所证明。本文以宋代政治为例,从数字人文视角出发,借助符号分析方法对哈佛大学“中国历代人物资料库”进行实证探索与可视化分析,结合已有的史学问题和相关观点,从宋代政治整体网络分布特征、核心人物的地位与结构拓扑以及不同时期宋代政治网络的时序政治关系演化模式三个层次,进行逐一分析与讨论,为研究宋代党争政治格局提供了一种新的思考方式,同时也展现了数字人文技术在人文历史领域研究中的可行性与巨大潜能。图8。表5。参考文献40。 相似文献
3.
[目的/意义]用户兴趣推荐是信息服务中的重要内容,针对目前融合情境信息推荐的研究更多是直接将情境作为单因素而缺乏考虑情境关联的思想,本文以情境关系为切入点实现社会化媒体用户的兴趣推荐。[方法/过程]以具有相似情境用户可能具有相似兴趣为假设,来改进用户原始兴趣网络从而实现推荐。通过社会网络和资源相似性计算构建原始兴趣网络中显性网络和隐性网络;借鉴共现原理和情境本身相似性构建情境网络;通过兴趣传递关系计算直接兴趣度与间接兴趣度;最后借鉴协同过滤的思想实现推荐。[结果/结论]与以往的只考虑单一情境因素的推荐方法相比,基于本方法的实验表明,将情境关系融入到推荐过程中不仅可以扩展用户的社会关系,而且可以得到更好的推荐效果。 相似文献
4.
为了解决多源词表的异构性和知识扩展的局限性问题,本文基于知识论中波普尔世界理论论证和辨析知识融合范式的概念及其有效性,并基于开放世界假设提出了面向多源词表融合的框架体系“MtFFO”,重点对外部环境信息输入框架——不同数据单元的多级化调整和交换系统,内部核心系统的知识模式匹配方式、冲突冗余识别方式,知识映射与合并策略,质量控制和知识扩展方法等逐步进行阐述和分析。MtFFO框架不仅是对知识融合方法体系的合理补充,而且为开放环境中多源词表构建和融合提供了一定的理论基础和技术参考。图5。表1。参考文献76。 相似文献
5.
古籍数字化整理是推动我国汉语古籍数据库建设及相关资源整合和利用的基础性工作。作为关键的技术环节之一,面向古籍命名实体的自动化抽取备受国内外学界和业界的关注。但是一些制约汉语古籍实体抽取方法的“卡脖子”问题仍未得到有效解决,包括少样本学习问题、标注成本管理问题和数据质量控制问题。本研究提出了一个面向古籍资源命名实体自动化抽取的通用框架——HanNER,包括“基于规则的实体预标注”“基于深度主动学习的迭代实体抽取”以及“人机交互模式下的标注决策”三个主要部分。多组实验比较证明了HanNER的可行性和优势,包括基于深度主动学习模型CNN-BiLSTM-CRF+margin的优势、多功能标注模块“标注查询”与“自动推荐”的积极作用以及ZenCrowd-II算法的优势。最后,本研究基于优化后的BERT-CNN-BiLSTM-CRF模型开发了在线的汉语古籍的实体自动抽取系统。HanNER的提出有利于推进汉语古籍实体抽取工作及相关任务在方法与技术上的发展,而且从工程化角度为古籍实体抽取产品的落地提供了借鉴和启发。 相似文献
6.
【目的/意义】结合随机游走算法PageRank、词共现和多样性测度指标提出一种改进的热点主题探测方法
C_BI-PageRank,该方法有效提高了热点主题探测的效率和模型质量。【方法/过程】首先对PageRank 算法进行理论
回顾,引入词共现和布里渊系数构建C_BI-PageRank 算法模型,然后采用4 种不同因素组合的PageRank 算法对
Web of Science 系统2006-2016 的应用心理学领域的期刊文献进行实证分析,最后基于波达计数的专家方法进行算
法比较与评价,同时也探索其与词频统计之间的相关性问题。【结果/结论】实证表明C_BI-PageRank不仅在运行效
率上收敛快、运行时间少且质量评估优势明显。该方法引入不同文本主题因素,一定程度解决传统词频分析和机
器学习的不足,为热点主题探测方法提供了新思路。 相似文献
7.
[目的/意义]深入挖掘和准确理解中国大学生日常网络行为模式，不仅对促进用户行为和检索领域的发展具有巨大的理论意义，而且在提升面向大学生用户的企业个性化服务与信息推荐能力方面也具有潜在的社会价值和实践意义。[方法/过程]提出一种基于大规模日志分析的大学生用户行为模式识别新方法，该方法包括一种基于深度学习和文本分析技术的半监督学习算法"MaxMatching"以及混合两种特征熵（香农熵与真实熵）的聚类模型。[结果/结论]实证结果表明本方法不仅在算法和结果解释上具有一定的优势，而且能从网络使用能力、访问时序性和主题倾向性三方面归纳与呈现中国大学生网络行为全方位模式。该方法和结论有效地拓展了信息检索领域查询项的语义化理解方面的方法体系，也为企业提升面向大学生用户的个性化信息推荐服务提供一定的参考和可行性意见。 相似文献
8.
针对主观文本识别、情感分词以及情感分类模型选择等研究方法上存在的效率较低、文本表达维度高等问题,文章提出了一种基于旋进原则和AdaBoost集成技术的回归SVM情感分类模型(AdaBoost+ SVM-L),不仅提高了主观文本标注准确率,更通过AdaBoost+ SVM-L模型对情感样本的极性和强度进行了判断,实现了文本情感强度阈值的可视化.并通过分组对照实验比较了SVM、NB以及AdaBoost+ SVM-L模型的性能指标. 相似文献
1