一种基于知识元变异的ESI研究前沿知识演进分析方法

[目的/意义]作为一类面向学科领域科技情报需求、针对全文本关键语义计量分析、旨在实现情报自动化到知识自动化实践应用的探索研究,本文基于语义标注和机器学习等技术,在前期研究从知识元共现视角探测研究前沿演进机理基础上,进一步提出一种基于知识元变异的研究前沿知识演进分析方法。[方法/过程]利用Word2vec词嵌入模型将知识元表示为词向量,通过计算知识元向量的欧几里得距离,利用K-means聚类方法识别具有相似语义语用关联的知识元簇集,计算历时簇集内各知识元TF-IDF值,对变异后知识元重要程度的突发变化结果进行定量测度,进而挖掘ESI研究前沿演进中的知识元变异特征和规律。[结果/结论]通过探测结果的对比检验发现,基于知识元变异的科学计量方法,不仅是对前期研究方法的补充和拓展,使得针对研究前沿内部知识运动规律的挖掘更加具体详实,更是在时间序列范畴内,能够尽早、及时探测研究前沿未来发展动向和关键情报信号的有力证据。     

开源机器学习Weka环境下的数据分类算法实现及应用

针对天气变化的多样性,传统的分析方法已经难以适应及时分析天气变化的趋势。因此,本文以weka数据挖掘平台作为分类模型的数据样本建立工具解决了数据变化太大不易分析,数据多不好分析的问题。利用所收集的两周的天气数据作为小样本进行试验,实验表明,Weka平台可以有效地分析天气数据。     

用户模型及其学习方法

主要通过分析检索中影响个体用户满意度的用户相关度，指出了利用用户模型可以对用户的检索行为、信息需求喜好等进行学习和推导。然后重点阐述了在信息检索过程中，用户需求的特点及针对用户建模的方式和学习的方法，最后用户模型在检索中的应用前景及其存在的难点进行了简要的评述。     

概念知识库的设计与学习方法

概念知识库包含两类知识元素:与专业领域相关的概念,概念之间的语义关系。概念库中,属分等级关系是概念之间诸关系中最本质的关系,是组织概念库的核心元素。图2。表3。参考文献4。     

专利无效对比文件判定方法研究

[目的/意义] 对比文件是用以判断专利能否授权或无效的重要文件,针对传统信息检索方法的不足且鲜有利用机器学习方法研究对比文件检索的问题,在引入对比文件信息的基础上,构建专利相关性判定模型。[方法/过程] 以专利无效判决书中的目标专利与对比文件为数据集进行实验,提取文本相似度、共现词汇和共词数量特征信息,利用GBDT模型将对比文件的检索问题转化为判断其是否相关的分类问题。[结果/结论] 研究结果表明,不同字段数据对分类效果的贡献不同,其中说明书字段的准确率、召回率和F1值分别为79%、48%和59%,并且多特征集成后的分类效果显著优于单一文本相似度的结果,最后对实验错分情况进行分析,指出本研究下一步的研究方向。     

学术社交网络问答质量智能评价与服务优化研究

[目的/意义]学术社交网络所提供的问答服务已成为学者们快速获取学术信息、解决学术问题的重要途径,实现基于机器学习的问答质量智能评价和服务优化对学术社交网络中优质内容传播具有重要意义。[方法/过程]以ResearchGate问答服务为研究对象,从结构化特征、内容特征、其他特征以及回答者特征4个维度构建答案质量评价体系,利用机器学习方法和数据增强技术进行答案质量分类预测。[结果/结论]SMOTE算法在处理不平衡样本时具备有效性;支持向量机在单一模型预测中,取得出色的分类效果;组合模型使预测精度得到进一步提升,基于随机森林、支持向量机、BP神经网络构建的组合模型分类性能最佳,以此为基础可通过搭建问答质量智能评价系统实现学术社交网络问答服务优化。     

基于机器学习的文本聚类描述算法研究

传统的聚类算法直接用于文本聚类这一应用上,存在的突出问题就是传统的聚类算法只负责将对象进行聚类,不负责对聚类后生成的类簇进行概念描述和解释.标注文本集合聚类后生成的类簇被称为聚类描述问题.聚类描述可以帮助用户迅速确认生成的文档类别与其需求是否相关,它是文本聚类应用中一项重要并富有挑战性的任务.针对文本聚类结果可读性较弱问题,本文提出了一种增强聚类结果的可理解性与可读性的算法,即基于支持向量机的文本聚类结果描述算法.实验结果表明基于支持向量机的聚类描述算法所取得的效果要优于常规的聚类结果描述方法.     

基于N-IKOS自动分类的实证研究

指出大数据时代的到来使自动分类再次受到人们的关注.总结现有的自动分类方法,介绍中国科学院文献情报中心的KOS引擎项目中的集成知识组织体系.在此基础上,改进BP神经网络算法,提出N-IKOS自动分类模型.最后,通过实验检验基于N-IKOS分类的准确性,通过基于BP神经网络的分类实验、基于KOS引擎的分类实验和基于N-IKOS的分类实验比较新模型在自动分类中的优劣.实验结果表明:该研究改进了原有的KOS引擎分类,可为自动分类领域提供新的思路.     

附加情感特征的在线问答社区信息质量自动化评价

[目的/意义] 考察在线问答社区信息中的情感特征以及其对在线问答社区信息质量自动化评价的影响。[方法/过程] 综合以往研究,提取Yahoo! Answers中的回答信息的文本特征、用户特征、时序特征等,并提出附加情感标注的回答特征,利用Weka机器学习的方法进行信息质量自动化分类预测。[结果/结论] 结果显示,在线问答社区信息中具有一定的情感特征且情感特征的加入能够提高分类预测的准确率。     

基于机器学习的数字图书馆智能化服务模式研究

文章介绍了基于机器学习的数字图书馆智能化服务的流程,从检索、推送、辅导三个方面分析了基于机器学习的数字图书馆智能化服务模式的主要内容,探索了基于机器学习的数字图书馆智能化服务的具体应用方式,以期推动数字图书馆智能化服务取得新突破。