基于共现模式的分类号—关键词对应关系研究

文章以中国生物医学文献数据(CBM)中具有深度标引的分类号及共现的关键词作为统计对象,构建共现矩阵统计三级分类号与关键词的共现频率,在此基础上使用相互包容法计算分类号与关键词共现的紧密度,并以最高紧密度值作为判定关键词所对应的分类号.研究结果表明,该方法有效地将关键词划分到相应的分类号中,准确率达到88.89％,表明这是一种可靠的方法.同时,本文还对四级分类号与关键词的对应关系进行统计分析,结果发现随着分类号的细分,对应关键词的数量减少,显示出一定的层级特性.     

层层剥笋优化生成

教师在教学中应有效发挥实验教学的辐射功能,通过教师的积极引导,层层剥笋,充分发挥学生主体作用,挖掘实验探究因素,指导学生积极思考,主动学习,并借助实物模型或动画模型进行有效优化,引导学生积极参与实验,并从中启迪思维,优化生成,体验科学精神.     

共词分析法应用的规范化研究——主题词和关键词的聚类效果对比分析

主题词和关键词是共词聚类分析法中最常用的分析对象,但在相同的条件下,两者是否有相近的聚类效果？针对同一文献标本,采用同样的常规处理过程,对关键词和主题词的聚类效果进行对比统计分析,结果显示在高频词、类团成员及聚类质量上,存在较大差别。表明在共词聚类分析法的具体应用中,选择不同的对象时,不能简单套用相同的数据处理过程。最后,就共词聚类分析法的应用、处理规范等方面提出一些意见和建议。     

共词分析法研究(三)——共词聚类分析法的原理与特点

共词聚类分析法采用聚类的计算方法,对文章中共观的词对(主题词或关键词)的关联性进行运算,将关系密切的词聚集归类,从而达到挖掘隐舍信息的目的.通过对聚类原理的分析,认为该方法具有客观性、科学性、敏感性的特点.并讨论了共词聚类分析法的不足以及其解决办法,最后介绍了共词聚类分析法的最新研究进展.     

基于主要主题词加权的共词聚类分析法效果研究

共词聚类分析法在词对共现频率的基础上,采用聚类的算法把词(通常是主题词)聚集成类,从而揭露隐含在文献群中知识.词对共现频率结果的准确性、科学性是共词聚类分析成功的关键.本文对共词聚类分法中的词对共现频率进行深入的分析,认为在文献的标引中存在主要主题词与次要主题词的差别,在词对共现频率计算时应对主要主题词进行加权计算,从而突出主要主题词在聚类过程中的主导地位.通过实例的对比分析,说明这种加权对共词聚类分析法的改进是有效的,也是有必要的.     

基于层层深入的关键词-叙词同义关系自动识别研究

本文以科技文献中共现关键词-叙词(下称"共现词对")为挖掘对象,首先,以字面相似法统计字面相似值,以最高相似值方式认定每个叙词同义对应的唯一关键词(起点词);然后使用概率法计算词对的共现强弱,并以叙词为单位按共现紧密度由高到低排列,以起点词作为参考词,根据"同义相斥"、"相关相吸"的共现规律,按照一定的原则,逐个层层深入识别所有共现词对。实验结果表明,基于层层深入法的识别方式,是共现关键词-叙词同义关系识别的可靠、稳定的方法。     

共词分析法研究(二)——类团分析

提出粘合力、密度及向度为类团分析的三个重要计量指标,并对三个指标的原理、算法进行深入分析,还给出类团可视化分析的两种方法:类团关系图及战略坐标图.     

共现关键词—叙词同义关系自动识别研究——基于互信息法、概率法的对比分析

以科技文献中的共现关键词—叙词词对(以下简称共现词对)为研究对象,运用互信息法、概率法计算方法,以准确率和召回率为衡量指标,通过绝对值方式和相对最高值方式,分析这两种统计方法在不同区间内对同义共现词对的自动识别效果及特点。研究发现,概率法的相对最高值方式具有最佳的同义共现词对识别效果。最后,探讨互信息法、概率法与共现频率的关系,揭示这两种统计方法在同义共现词对的识别上存在互补的特性。     

以项目探索为主线的文献检索教学改革研究

认为社会的网络化和人们电脑操作水平的提升给文献检索教学带来极大的挑战。文献检索课不应仅满足于文献的检索与获取,而应以提高学生的信息素质为目的。论述以科研立项申报书的探索作为教学主线,以文献检索为手段,在项目的探索过程中,不断发现问题、检索问题,利用文献解决问题,并通过项目书的论证提升学生的文献利用与知识组织水平。实践证明,该教学方法取得了显著的教学效果,可有效提升学生的信息素质。