网络日志中查询串语义关系挖掘及其应用研究

通过挖掘网络日志中的查询词语义关系,将《知网》的语义知识加入到聚类算法中实现搜索引擎优化。该方法通过机器学习算法深入挖掘查询日志,对其中的查询串进行概念相似度、语义聚类等计算,使返回网页更加合理,将更准确的网页结果呈现在用户面前,能够更好地满足用户需求。     

竞争情报系统中一种自动文本分类策略——以民用航空客服行业为例

将自动文本分类引入竞争情报系统,并结合民航客服业的实际应用场景展开研究。在对文本分类的理论基础进行研究与分析的基础上,设计一种自动分类策略,其核心是针对传统机器学习方法依赖历史数据的局限,优化特征选择和学习样本获取方法。选用SVM算法,详细描述分类词表构建、分类规则提取、分类模型训练等过程,最终取得较为理想的实际效果。     

Web文本挖掘研究

本文在介绍了Web挖掘的基础上,重点分析了Web文本挖掘的概念、过程及其关键技术,包括文本的特征表示与提取、文本的分类与聚类等。     

基于专利地图的治疗型超声竞争情报挖掘

通过专利地图分析专利信息,可以挖掘技术热点,预测技术发展方向,确定竞争对手及其地位。以治疗型 超声专利为例,通过对所有在我国申请的该类发明专利的统计,利用时间序列、统计频次、聚类等方法,绘制各类专利 地图,最终以鱼骨图这种可视化的方式进行汇总,直接展示情报分析结果,挖掘治疗型超声的相关竞争情报。将鱼骨图 与专利地图结合起来对专利情报进行分析,可以将竞争环境、竞争对手、研究热点等有效因素进行有条理的可视化展现。     

云块融合的知识创造模型与语义技术实现

提高知识工作者生产率将成为21世纪管理的最重要的问题,发现新的知识创造与挖掘模型将成为情报科学的研究热点.融合是中国哲学的一个特点,在中国文化知识发展过程中起到过重要作用.本文对知识转换的SECI模型进行了分析,提出了云块融合的知识创造(CBFKC)模型,并借助于目前流行的知识交流与管理的WIKI平台进行了云块融合的语义挖掘和知识创造试验,结果令人鼓舞.     

图书馆绩效指标数据挖掘方法研究

笔者通过对公共图书馆数据调研,运用数据挖掘的分析技术,建立对公共图书馆工作改进具有实际意义的数据挖掘模型方法,对图书馆量化绩效标准、开展绩效管理进行实际指导。     

基于需求的医学移动学习平台设计

基于山西医科大学、长治医学院、汾阳医学院等院校的师生信息需求调查,构建了医学移动学习平台。该平台整合了学校的教学资源,为用户提供了多种互动学习方式,用户可以快速找到自己感兴趣的信息资源,但平台建设还需要激励措施和知识产权等方面相关制度的支持和配合。     

基于Web挖掘与社会网络分析的用户聚类研究

web用户聚类对于个性化服务、网站结构优化等具有重要意义。文章从用户的访问路径、项目评分等角度总结了用户聚类方法及算法,指出当前用户聚类研究存在的不足,提出了结合Web挖掘与社会网络分析方法的用户聚类的模型,分析了两者结合的必要性及结合策略,形成较为完善的用户聚类机制。     

基于Hadoop的K—Means聚类算法在高校图书馆工作中的应用研究

文章通过使用Hadoop计算平台,以K-Means算法为例,分析其在Mahout中的并行化策略。通过对读者的借阅数据进行分析研究,应用数据挖掘技术逐步建立应用模型,有效地将数据挖掘技术与图书馆个性化服务紧密地结合在一起。     

刑事案件上诉原因文本挖掘--基于二审文书数据

[目的/意义]从刑事二审案件裁判文书中挖掘上诉理由和相关影响因素,给法院和智慧量刑系统提供相关数据。[方法/过程]以北大法宝网近一年的刑事二审案件裁判文书作为基础数据,用信息抽取、word2vec训练词向量和聚类等文本挖掘方法对文本内容进行挖掘。[结果/结论]在传统的上诉理由之外,发现了基于上诉人自身态度的上诉理由。信息抽取、word2vec训练词向量和聚类等文本挖掘方法可用于裁判文书相关内容挖掘。