共查询到10条相似文献,搜索用时 15 毫秒
1.
樊博 《现代图书情报技术》2011,(9):54-59
针对目前公共突发事件的预警情报缺少空间信息分析的现状,在地理信息系统(GIS)的基础上,设计空间关系数据的计算方法,获得突发事件位置周边的空间关系;然后对应急管理过程中的空间数据和非空间数据进行集成,得出面向突发事件预警分析的更为全面的数据源;最后,提出空间关系信息的过滤算法,从海量的数据源中找出影响灾情等级的关键性空间情报,为政府的应急预警规划提供新的决策视角。 相似文献
2.
随着计算机的普及与快速发展,如何通过在批量数据中提取有效规则实现机器智能分类与推理,提高知识推理的有效性与准确率,成为当前知识服务领域的难题之一.文章基于本体(Ontology)的知识组织方式和粗糙集(Rough Set)理论的知识获取技术,针对批量数据的规则提取实现知识推理,提出知识推理模型ORSKM.ORSKM模型利用九元组构建领域本体,实现实例数据的语义化描述;从领域本体的属性中提取粗糙集的决策表,由决策表对领域本体关系进行领域知识知识库归约,获取领域知识相关的属性规则;通过粗糙集知识推理算法实现知识获取,最后通过实验对该知识推理模型进行验证. 相似文献
3.
从知识管理的视角研究突发事件公共应急管理是一个新的领域和方向.针对目前我国突发事件频发、应急管理研究支撑理论薄弱、应急效率和水平急需提高等问题,结合知识管理的理论框架,以应急管理为研究对象,应急流程为主线,提炼应急管理中的知识活动并分析其特性.并在此基础上,构建面向应急流程的应急知识管理体系框架,提出建议,以期提高我国... 相似文献
4.
在数字化学术图书馆中,对海量非结构化读者相关知识的管理问题开始成为学者感兴趣的研究领域.提出一种基于文本挖掘技术,对读者知识进行管理的具体方案.实验结果表明,该方案能够将读者知识进行有效提取、组织和共享,从而推动数字学术图书馆的知识管理水平和能力. 相似文献
5.
6.
7.
随着深度学习的迅速发展和领域数据的快速积累,领域化的预训练模型在知识组织和挖掘中发挥了越来越重要的支撑作用。面向海量的中文政策文本,结合相应的预训练策略构建中文政策文本预训练模型,不仅有助于提升中文政策文本智能化处理的水平,而且为政策文本数据驱动下的精细化和多维度分析与探究奠定了坚实的基础。面向国家级、省级和市级平台上的政策文本,通过自动抓取和人工辅助相结合的方式,在去除非政策文本的基础上,确定了131390份政策文本,总字数为305648206。面向所构建的中文政策文本语料库,基于BERT-base-Chinese和Chinese-RoBERTa-wwm-ext,本研究利用MLM (masked language model)和WWM (whole word masking)任务构建了中文政策文本预训练模型(ChpoBERT),并在Github上对该模型进行了开源。在困惑度评价指标和政策文本自动分词、词性自动标注、命名实体识别下游任务上,ChpoBERT系列模型均表现出了较优的性能,可为政策文本的智能知识挖掘提供领域化的基础计算资源支撑。 相似文献
8.
从题名抽取关键词,把题名作为基于本体自动分类的文本主体,实现海量科技论文高效、精准地分类,已经成为图书馆事业发展的重要课题。本文利用文本内部词汇的语义关联特性,在高频词和隐含主题两个不同粒度层面,构建了基于BTM模型的题名信息自动分类方法:首先从细粒度层面进行词频统计,提取领域高频词;随后从粗粒度层面进行BTM模型分析,得到主题关键词;之后,将两者去重合并获得领域核心词集;最后,利用SVM算法进行文本分类。该方法有效地实现了知识的快速聚类和关联自动分类,为用户提供了满意度更高的知识发现及相关扩展服务。 相似文献
9.
10.
为了提高文本挖掘的深度和精度,研究并提出了一种基于领域本体的语义文本挖掘模型.该模型利用语义角色标注进行语义分析,获取概念和概念间的语义关系,提高文本表示的准确度;针对传统的知识挖掘算法不能有效挖掘语义元数据库,设计了一种基于语义的模式挖掘算法挖掘文本深层的语义模式.实验结果表明,该模型能够挖掘文本数据库中的深层语义知识,获取的模式具有很强的潜在应用价值,设计的算法具有很强的适应性和可扩展性. 相似文献