数字图像语义标注模型比较与分析

[目的/意义]图像语义标注的基础是图像语义标注模型的构建,对当前主流图像语义标注模型进行梳理和总结,剖析其在图像语义标注中的优缺点,可为后续相关研究提供借鉴和参考。[方法/过程]采用文献调研法,总结出4类主要的图像语义标注模型,即Eakins模型、Jaimes&Chang模型、Kong模型、Panofsky模型。其后采用比较法和归纳法,从语义层次、可扩展性以及应用范围和方式3个方面对前三类模型进行比较分析。[结果/结论]Eakins模型语义层次最全面,语义表达能力最强,应用范围最广;Kong模型的可扩展性最强,适应性最好。     

国外图像特征研究进展与启示

[目的/意义]调研分析国外图像特征研究的进展与发现,总结图像特征体系的特点以及相关用户使用行为,为改进和优化图像标引和检索提供参考借鉴。[方法/过程]系统回顾国外图像特征的相关研究,分析现有图像描述和著录规范、图像特征的分类与分层研究以及标引与检索情境下用户对图像特征的使用行为及影响因素等研究。[结果/结论]国外图像特征研究内容较为全面和系统,研究视角涵盖以图像为中心和以用户为中心,研究方法涉及日志研究和调查研究,研究对象有普通用户和专业人员,研究发现,图像类型、用户视觉经验、专业知识背景、任务类型、检索阶段等因素与图像特征使用行为有关。未来可在面向非专业用户的图像特征体系构建以及图像特征使用等方面开展更多研究。     

简单知识组织系统(SKOS)模型及其应用研究进展

[目的/意义] 对国内外SKOS模型及其应用研究成果现状进行梳理及分析,旨在为国内应用SKOS模型展开服务提供参考与启发。[方法/过程] 通过中外数据库检索和网络调查,对有关SKOS模型及应用的文献按年代进行统计分析,从知识组织系统SKOS描述方法、SKOS模型的局限与扩展、SKOS词表管理与质量控制、SKOS模型的应用4个方面分别进行评价和总结。[结果/结论] 分析得出国外SKOS研究的特点是跨学科、跨语言和注重实践。我国应该加强SKOS研究成果的共享,拓展研究广度,增加研究深度,从而加速知识组织系统语义化应用的进程。     

语义Web服务概念及主流框架研究

作为一种新兴的分布式技术,Web服务引起了越来越多的人的关注,语义Web服务的研究一直是这个领域的热点。介绍了语义Web服务的概念．并分析了两种典型的语义网络主流框架——OWL-S和WSMO的差别。     

基于CSSCI本体的知识服务模式研究

为充分发挥知识在组织科学决策中的作用,将本体机制引入信息服务领域以实现知识服务的解决方案,对基于本体知识应用的三个方向,包括知识地图、知识检索和知识创新等进行总结。在此基础上,以CSSCI知识服务为例,在假设CSSCI知识本体已经构建完成的情况下,提出并论证基于CSSCI本体的知识服务模式,即知识检索服务和科学评价服务,以提高CSSCI的服务质量。     

基于概念簇的文本分类算法

针对传统文本分类算法在向量空间模型表示下存在向量高维、稀疏以及忽略特征语义相关性等缺陷所导致的分类效率低和精度不高的问题,以知网(HowNet)为知识库,构建语义概念向量模型SCVM(Semantic Concept Vector Model)表示文本,根据概念语义及上下文背景对同义词进行归并,对多义词进行排歧,提出基于概念簇的文本分类算法TCABCC (Text Classification Algorithm Based on the Concept of Clusters),通过改进传统KNN,用概念簇表示各个类别训练样本,使相似度的计算基于文本概念向量和类别概念簇。实验结果表明,该算法构造的分类器在效率和性能上均比传统KNN有较大的提高。     

基于视觉语言模型的图像语义挖掘研究

针对图像的特性,给出一种图像的二元视觉语言模型,在此基础上提出一种新的图像语义挖掘方法。该方法将每幅图像表示成一个由视觉单词构成的矩阵,通过计算每个视觉单词的权重,按照权重的大小对视觉单词进行选择,利用选择后的视觉单词集合,构建图像的视觉语言模型;之后,按照贝叶斯公式,建立基于视觉语言模型的图像语义挖掘方法。实验结果表明,该方法在图像语义描述能力和区分性方面是有效的,能充分反映人对图像内容的理解,具有很好的应用价值。     

基于P2P的改进型图书馆语义检索模型研究

以P2P网络为基础,提出一种基于缓存的分布式语义检索模型.当网络中某一节点的剩余负载能力达到一个阈值时,它将成为中心节点,并与周围的普通节点共同构成一个拓扑域.中心节点收集域中各普通节点上的资源信息列表建立索引缓存,并将索引缓存分发到域中各普通节点.同时,中心节点会为域中的热点资源建立内容缓存,存储在本地.域中每个节点都存有检索资源的路径信息,中心节点存储着热点资源,利用这些已有信息辅助检索,可以有效提高检索的命中率,降低资源消耗.     

以UMLS语义命题为基础的医学信息资源聚合

UMLS语义命题是用三元组表示的最小语义化知识单位,其主语和宾语都是UMLS超级叙词表中的概念,谓词是UMLS语义网络中的语义关系。UMLS语义命题的抽取过程涉及浅层句法分析、概念映射、谓词识别与语义命题生成等环节。两种以UMLS语义命题为基础的医学信息资源聚合方法——用知识单元作为资源单位的聚合方法和用文档关联数据作为资源单位的聚合方法,其聚合结果分别是知识网络和文档网络。     

智慧图书馆建设视角下馆员元数据核心能力构建

构建与智慧图书馆建设目标相适配、与实践需求相结合的馆员核心能力体系,能够有效促进馆员的专业化发展,对于全国智慧图书馆体系建设也具有重要意义。本文通过梳理国家级战略规划以及图书馆“十四五”发展规划,挖掘智慧图书馆建设中元数据管理需求,确定战略目标;参考元数据馆员岗位职责,分析战略目标实现过程中的各项元数据活动;基于已有馆员核心能力标准,梳理馆员元数据核心能力要素。根据布鲁姆教育目标分类法,将核心能力分为三类：能懂(记忆与理解)、能做(分析与应用)和能创新(评价与创造),构建馆员元数据核心能力框架,该框架可以作为评估馆员元数据能力的分级标准,有助于培养元数据管理人才,为智慧图书馆建设提供人才支撑。图1。表5。参考文献28。