非结构化文本中内容对象抽取的技术方法综述

近年来,知识抽取技术在非结构化文本的处理中起到很重要的作用.文章在对当前知识抽取的相关文献、系统和项目分析研究的基础之上,提出了当前知识抽取研究中的主要抽取内容对象的分类,并对这些主要内容对象抽取的相关技术方法进行综述.主要总结了Web对象识别和集成、术语识别和抽取、主题发现和识别、概念层次关系的抽取、非概念层次关系的抽取、事实抽取、观点抽取和倾向识别等7种内容对象抽取的技术方法.并在此基础之上,对未来知识抽取的发展趋势进行了分析.该文为2008年第9期本期话题"知识抽取"的文章之一.     

当前知识抽取的主要技术方法解析*

 对MnM、KIM、Text2Onto、Amilcare、Melita等具有知识抽取功能的系统所应用的技术方法进行解析。提出在当前知识抽取技术中,机器学习和自然语言分析两大思路各自得到较大发展,并且在相互融合、相互借鉴中受益。在基于机器学习的知识抽取方面,出现以自适应信息抽取（Adaptive IE）、开放信息抽取（Open IE）为代表的新思路,并且有向自动本体学习（Ontology Learning）方向发展的趋势;在基于自然语言分析的知识抽取方面,基于模式标注、语义标注的方法得到广泛关注和进一步完善,并且有向基于Ontology的信息抽取（OBIE）方向发展的趋势。此外,为减少Ontology建设成本,让人们可以利用简单的自然语言构建Ontology,基于受控语言的信息抽取（CLIE）技术也得到一定的关注。     

2006“数字图书馆与开放源码软件（OSS）”学术研讨会综述

2006年10月19—20日．中国科学院国家科学图书馆联合中国图书馆学会数字图书馆研究与建设专业委员会在北京成功举办了2006“数字图书馆与开放源码软件（OSS）”学术研讨会。     

分布式参考咨询服务标准与规范研究与应用

根据网上数字参考咨询服务发展，介绍了国内外主要的数字(或网上)参考咨询服务系统的问答内容创建、对象描述、知识组织、数据存取传递、专家信息管理、协作馆信息管理、服务流程管理、质量控制、知识产权管理、个人隐私控制等方面的标准规范的研究和发展。讨论了国家科学数字图书馆分布式参考咨询服务和管理标准规范研究和规定。     

一种基于开放源码的数字保存系统设计

在数字保存的技术体系上提出一种设计思路:基于开放源码软件实现一个数字保存系统。以DSpace为基础进行数字保存系统的扩展,扩展了保存管理功能、摄人功能、仓储功能、存储和访问功能。表1。图4。参考文献7。     

科技信息资源与服务集成揭示系统中分类体系的设计

从UDDI系统的结构框架出发,通过对科技信息资源和服务集成揭示系统中需要集成的资源和服务的类型和特点的分析、UDDI系统资源和服务的描述规范特点的分析和目前国内外对资源和服务的描述和分类的主流方法的分析,提出科技信息资源和服务集成揭示系统中的资源和服务分类体系。     

基于网页特征识别的噪音网页过滤方法研究

本文通过对网页结构和内容特征的深入分析和识别,对噪音网页的过滤方法进行研究和实验。首先利用阈值过滤具有明显特征的噪音网页,而后建立网页特征向量,利用SVM对网页进行分类。采用采集自Web的网页数据进行实验分析,最后得出研究结论,并展望下一步工作。     

语义仓储构建技术研究进展

如何对海量的RDF数据进行存储、查询、存取和推理是RDF数据管理研究领域最关心的问题之一,文章界定了语义仓储的概念及其与关系数据库管理系统的区别,根据语义存储介质和组织方式的不同对语义仓储进行了分类,结合实际的案例对基于内存、基于传统数据库和原生方式存储模式的语义仓储的优缺点、适用范围和不同存储模式之间的区别和联系进行了分析,在语义仓储的分布式存储策略上,对集中式语义仓储和自组织语义仓储这两种网络结构的组织形式和应用系统做了综述,还对语义仓储测试基准及应用系统的研究进展进行了分析,讨论存在的问题及未来可能的研究方向.     

数字保存系统中的信息模型研究

在对OAIS的信息模型进行分析的基础上,研究了CEDARS,DSEP,DIAS等几个数字长期保存系统中信息模型的具体实现问题;认为在构建数字长期保存系统时,有若干问题需要关注。图2。参考文献15。