图书推荐平台Bookish

距首次公告声明两年后,由美国三家大型出版商阿歇特图书出版集团、企鹅出版集团(美国)和西蒙&舒斯特公司共同建立的图书推荐平台Bookish终于在2013年2月正式投入运营。除了以上三大出版商之外,Bookish还有其他28家合作伙伴,如哈珀·柯林斯、霍顿·米夫林-哈考特、独立出版商集团、麦格劳-希尔、兰登书屋、培生教育、普林斯顿大学出版社、《今日美国》和开路媒体公司(Open     

基于机器学习的中文书目自动分类研究

面对与日俱增的图书出版量,图书馆编目人员的手工书目分类显得力不从心,如何实现由计算机自动完成图书分类成为数字图书馆建设中亟待解决的关键问题之一。本文尝试将BP神经网络和支持向量机等机器学习算法引入到书目分类中,建立了面向中图法的基于机器学习的书目层次分类系统模型,提出了采用特征加权方式描述书目和浅层次分类体系构建的设计思路,并通过大规模实验验证了该模型的可行性和合理性,基本上解决了没有主题标注情况下书目的自动分类问题。图9。表5。参考文献14。     

人工智能时代新闻业面临的挑战与对策

人工智能作为备受关注、前景广阔的新兴事物,目前的研究与应用领域主要包括自然语言处理、语音图像识别、机器学习、智能视频技术、文字识别与数字编撰、智能硬件与机器人系统等。随着人工智能技术的快速发展,社会各行各业掀起了探索与运用人工智能的热潮。在新闻传播领域,人工智能技术对新闻业的媒介生态、内容形式、组织机构等带来了机遇与挑战,探索人工智能时代新闻业发展的新趋势、新对策成为新闻传播业界与学界共同关注的焦点话题。     

基于机器学习模型的科技论文潜在“精品”识别研究

综合运用科技文献特征向量空间和机器学习模型实现海量文献中潜在“精品”的自动识别与推荐,能够提升海量科技文献的科学影响和其科技发展促进作用。设计和实现基于机器学习的科技文献潜在“精品”识别分类器和模型框架,测度出国际高影响力期刊和国内图书情报与档案管理期刊论文的原文及引文特征,运用特征工程构建科技论文特征向量空间;然后分别采用支持向量机和朴素贝叶斯等传统机器学习模型,以及深度置信网络和多层感知机等深度学习模型进行潜在“精品”的自动识别,并基于ROC曲线（receiver operating characteristic curve）和混淆矩阵构建评价模型识别效果的指标体系。研究结果显示：(1)深度学习模型在潜在“精品”识别方面的效果较差,而传统机器学习模型的识别效果较优,其中随机森林和支持向量机的潜在“精品”识别效果最佳,决策树识别效果次之,朴素贝叶斯识别效果较差且稳定性不足。(2)影响因子越高的期刊潜在“精品”识别效果越好;无论国际自然科学领域高影响力期刊,还是国内社会科学领域图书情报与档案管理期刊,识别出的“精品”论文全部为被引频次较高的论文且综述论文的占比较低,国内期刊的“精品”论...     

基于机器学习的社会科学成果评价方法研究

对人文社会科学成果进行评价是科研管理工作中一项至关重要的内容,而采用常规专家评审、同行评议、引用次数或影响因子等单项指标的评价方法对人文科学成果进行评价往往存在一定片面性。采用随机森林、主成分分析以及十折交叉验证等不同的机器学习方法识别论文的类别,可以综合社会科学成果属性进行分析,利用机器学习的方法来鉴定社会科学成果会更加全面、客观。实验结果表明,将定性和定量相结合,通过机器学习的方法可实现社会科学成果自动分类评价,提高社会科学成果评价效率和精度。     

机器学习在获取检索知识中的应用

将机器学习技术引入网络信息检索系统是提高其智能性的关键。机器学习方法包括 :用户知识的学习 ,专家经验知识学习 ,网页分类知识学习。图 2。参考文献 8。     

Web网页识别算法研究

WWW上的文本信息挖掘工作是网络信息处理领域的新课题。本文研究了两种机器学习算法———Rocchio算法和Widrow Hoff算法在Web网页识别领域中的应用 ,并对几种网页识别算法进行了比较分析     

基于机器学习的文本自动分类研究进展

文本自动分类是目前最常用的文本信息自动处理技术,也是机器学习、自然语言处理和信息检索领域的研究热点之一。本文比较全面、深入地论述了基于机器学习的文本自动分类所涉及的相关问题及解决方法,并提出了当前该领域面临的主要研究问题。     

基于社交网络的社交关系强度分类研究1）

本文利用监督学习的方法从社交网络的用户数据中分两个阶段挖掘最佳的社交关系强度分类模型,并进一步探讨不同用户数据对于社交关系强度的区分能力。研究发现,基于贝叶斯网络算法的分类模型在区分强社交关系的过程中被证明最有效,而基于 Logistic 回归算法的分类模型则在区分出临时社交关系的过程中表现最佳。研究还通过属性分析发现互动性因素总体上对社交关系强度的区分能力最为突出,相似性因素中的共同好友数也有很好的区分能力,但时间性因素对于社交关系强度的区分能力没有被发掘出来。     

档案鉴定与人工智能:将来,如何以及是谁在言说历史

将人工智能应用于档案鉴定就是要构建一个具备机器学习能力的档案鉴定专家系统,但该人工智能系统与人脑的差异、"黑盒子"及不确定性令人们暂时无法放心地将档案鉴定工作交给它.由是,改变档案鉴定的理念或许是一条可行的进路,即依靠人工智能实现的鉴定不再掌握档案的生杀大权,只令其在系统中进行虚拟的价值鉴定,而不在物理意义上进行销毁鉴定.对于档案鉴定专家系统所依赖的全局数据库应尽数保留,对鉴定无用的档案也应一并存入全局数据库进行保存.对于档案中保存的史实,一时代有一时代之观点,一时代的人工智能亦有一时代之"偏见",只要尽可能多的全局数据被保存,人类的视域也就被最大程度地保留了下来,这可能是目前人的历史不被机器言说所取代的唯一途径.