走向文本的历史档案数字整理:历史追溯与时代转型(下)

数字人文是现代信息生态下解决历史档案因数量庞大以致人力无法逐件式地深入文本内容的因应之道。它对于历史档案整理的根本性影响,是推动时代转型并助力建立历史档案数字整理新范式。历史档案数字整理是层累地生成的数字文本系统。它由四个层次的数字文本组成,即文本阅读的基底层、元数据搭建的桥梁层、文本内数据化的加工层,以及数据分析和可视化的知识发现层,其中第二、三个层次的元数据、标记与注释等数据的结构化整理是实现知识发现的关键。"集成""互动"与"追问"是历史档案数字整理的核心理念。     

基于文献的知识发现的应用进展研究

本文在对共词分析、共引分析理论、Swanson理论以及文本挖掘理论应用进展进行系统研究的基础上,将分别基于上述理论的基于相关文献发现、基于非相关文献发现和基于全文献发现统一整合于“基于文献知识发现”之下,构建起完整的基于文献知识发现的方法与应用研究体系,同时分析了其应用前景。     

版本学浅说

阐述了版本学的定义及其研究对象与范围,概述了古籍善本的划分标准与历代版刻的基本特征和鉴定版本的方法。     

基于概率神经网络的文本自动分类研究

本文提出了将一种径向基网络的重要变形———概率神经网络应用于文本自动分类的研究 ,与常用的K 最邻近法相比 ,具有一定的优势 ,特别是在训练集中各类的训练样本数很不平衡时 ;与BP等其他神经网络相比 ,其特点是需调节的参数少 ,不需确定隐层数、隐层中的神经元数量等网络结构 ,比较容易使用。此外 ,从研究中的不同特征选择的评价函数来看 ,它们对分类有一定的影响 ,应用X2 统计进行特征选择的分类正确率最高 ,其次是文本证据权 ,而期望交叉熵的效果最差 ,说明特征选择在文本自动分类中也是非常重要的。     

根据用户的浏览行为确定网页页面等级的方法

本文分析了用户的浏览行为特征。根据用户在页面中的滞留时间和用户对页面中的超文本链的点击情况 ,建立了计算页面等级的综合法 ,并建立了相应的数学模型     

基于支持向量机的文本自动分类试验研究

提出了将支持向量机应用于文本自动分类的研究，与常用的K-最邻近法相比，无论是对训练数据集还是测试数据集均具有一定的优势，而且不同特征选择方法对支持向量机的影响要比K-最邻近法小。此外，从研究中的不同特征选择的评价函数来看，它们对分类有一定的影响，应用X2统计进行特征选择的分类正确率最高，其次是文本证据权，而期望交叉熵的效果最差，说明特征选择在文本自动分类中也是相当重要的。     

情报检索系统用户相关性判断的灰色聚类决策

所谓灰色聚类决策,就是按多个不同的决策指标对决策对象进行综合评价,以确定决策对象是否满足给定的取舍原则。该方法可以用于对情报检索系统的检索结果进行相关性判断。参考文献4。     

利用TRS全文检索系统建设动态图书馆网站

本介绍了选择TRS全检索系统建设动态图书馆网站的背景；TRS系统的体系结构，各部分的功能；详细探讨了TRS系统在图书馆网站中的应用，结合建设实践，探讨了在应用中的一些实际问题的解决。     

基于论文与专利整合数据的研究方向发现模型研究

海量信息分析及基于分析结果得出相应的结论是一项非常重要的工作,该工作需要投入大量的时间和精力。本文涉及了基于论文与专利整合数据的研究方向发现模型,从论文和专利共同研究方向和新兴技术两个方面来揭示论文和专利之间关系,最后,我们对电动汽车论文和专利数据进行了实例验证。     

Comparison and Classification of Documents Based on Layout Similarity

This paper describes features and methods for document image comparison and classification at the spatial layout level. The methods are useful for visual similarity based document retrieval as well as fast algorithms for initial document type classification without OCR. A novel feature set called interval encoding is introduced to capture elements of spatial layout. This feature set encodes region layout information in fixed-length vectors by capturing structural characteristics of the image. These fixed-length vectors are then compared to each other through a Manhattan distance computation for fast page layout comparison. The paper describes experiments and results to rank-order a set of document pages in terms of their layout similarity to a test document. We also demonstrate the usefulness of the features derived from interval coding in a hidden Markov model based page layout classification system that is trainable and extendible. The methods described in the paper can be used in various document retrieval tasks including visual similarity based retrieval, categorization and information extraction.