基于深度学习的中文专利自动分类方法研究

[目的/意义] 面向当前国内专利审查和专利情报分析工作中对于海量专利分类的客观需求，设计了7种基于深度学习的专利自动分类方法，对比各种方法的分类效果，从而助力专利分类效率和效果的提升。[方法/过程] 针对传统机器学习方法存在的缺陷，基于Word2Vec、CNN、RNN、Attention机制等深度学习技术，考虑专利文本语序特征、上下文特征以及分类关键特征，设计Word2Vec+TextCNN、Word2Vec+GRU、Word2Vec+BiGRU、Word2Vec+BiGRU+TextCNN等7种深度学习模型，以中国专利为例，选取IPC主分类号的"部"作为分类依据，对比这7种模型与3种传统分类模型在中文专利分类任务中的效果。[结果/结论] 实证研究效果显示，采用考虑语序特征、上下文特征及强化关键特征的深度学习方法进行中文专利分类具有更优的分类效果。     

发表偏倚的原因、后果与预防研究

从4个方面对发表偏倚这一现象进行了研究: 1)发表偏倚的定义;2)发表偏倚产生的原因以及作者、编审者、资助者在选择性出版研究结果中所起的作用;3)发表偏倚的后果;4)发表偏倚的多项预防措施.     

关于网络信息咨询的若干问题

从网络信息资源的特点入手，讨论了网络信息咨询用户，人才，政策法规及发展趋势等方面的问题。     

WWW中文信息自动分类方法研究

本文采用一种基于词的归类技术。在类别词专指度的计算中 ,考虑了类别词在语料中的频度、集中度和分布性等因素。根据HTML语言的标记特性 ,应用三维加权分类算法计算类别权值。采用Bayes公式变型 ,计算WWW中文信息文件归类可信度 ,并按可信度最大归类。对 10 8篇试语料进行测试 ,封闭测试的归类正确率为98 1% ,开放测试的正确率为 83 3%。     

简论国家信息政策体系构建

本文依据政策科学的研究方法 ,从政策主体、政策目标、政策问题、政策内容和政策形式五个方面对我国国家信息政策的体系构建进行了探索性的研究 ;将国家信息政策的内容体系划分为经济和法律两个层面加以阐述 ;对国家信息政策的制定原则、方法提出了合理的建议。     

走向文本的历史档案数字整理:历史追溯与时代转型(下)

数字人文是现代信息生态下解决历史档案因数量庞大以致人力无法逐件式地深入文本内容的因应之道。它对于历史档案整理的根本性影响,是推动时代转型并助力建立历史档案数字整理新范式。历史档案数字整理是层累地生成的数字文本系统。它由四个层次的数字文本组成,即文本阅读的基底层、元数据搭建的桥梁层、文本内数据化的加工层,以及数据分析和可视化的知识发现层,其中第二、三个层次的元数据、标记与注释等数据的结构化整理是实现知识发现的关键。"集成""互动"与"追问"是历史档案数字整理的核心理念。     

科技政策隐性扩散路径自组织研究

[目的/意义]文章对科技政策隐性扩散路径自组织方法进行研究,挖掘科技政策文本包含深层语义信息,将隐性知识显性化,为科研人员拓展和丰富政策扩散路径研究提供参考。[方法/过程]本文结合科技政策篇章文本的形式语义和内容语义两个方面对政策文本结构化处理和深度挖掘,对政策文本资源全解析,抽取科技政策文本中包含的特征,其中包括概念和关系自动获取与标引技术、网络表示学习,挖掘科技政策文本中的隐含结构信息,利用BiLSTM-CRF模型的深度学习方法实现概念的自动获取和自动标引关系。将得到多篇科技政策文本的概念和关系组成概念关系对的形式,借助于表示学习的方法发现每个节点稠密的向量表示。[结果/结论]通过实验验证,证明了本文借助隐性路径特征的科技政策扩散隐性路径自组织方法的有效性,在一定程度上拓展了政策研究的方法,为科研人员在政策扩散研究上提供了参考。     

基于递归概念图的文本检索模型研究

Sowa在1984年提出了一个抽象模型,即概念图,作为基于语言学、心理学和哲学的知识表示语言.但是其概念图的定义比较简单,对于刻画文本中的语言组块的语义及语言单元之间的组合运算比较困难.为了能从形式上为将来的组块内部和组块之间的组合分析提供支持,深化概念图的表示形式,我们提出了一种适用于自然语言自动化分析的概念图的形式化描述,它可以看成是Sowa 概念图的递归扩展.然后我们将这种新颖的知识表示方式应用到文本检索领域的文本标引中,同时给出了以此为基础的概念图匹配算法.在和布尔检索的比较实验中,概念检索体现出比较明显的优势.     

文本分类中粗分类数据噪声修正的网络算法

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。     

局部文本特征选取算法的比较和改进研究

本文通过实验比较了互信息、χ2统计算法和优势率三种算法在用于局部文本特征选取时对文本分类性能的影响.实验结果显示,在应用于局部特征选择的情况下,文本特征选取算法仍然可以将特征空间的维度降低90%以上,而不降低文本分类的性能.同时,我们发现在应用于局部文本特征选取时,优势率算法的性能不如互信息和χ2统计算法.另外,对于K最近邻分类算法,随着K值的增大,文本分类的查准率在增加,而查全率在降低.最后,本文详细分析了造成这三种算法性能差异的原因,并提出了一种改进算法,来提高优势率算法应用于局部文本特征选取时的性能.