用传统分类表与叙词表编制TAXONOMY 的理论可行性研究

Taxonomy概念可以理解为一个用于支持浏览功能的、基于某一特定环境或领域的概念等级体系。它由等级结构和主题词两个基本元素组成,在形式上结合了分类法和叙词表的特点,为用传统分类法和叙词表编制Taxonomy提供了理论可能性。但由于分类法、叙词表和Taxonomy在性质与功能上均有不同之处,在利用传统分类法和叙词表编制Taxonomy过程中会遇到一些问题,首先,分类法和叙词表在主题范覆盖范围方面可能满足不了Taxonomy的要求;其次,分类法和叙词表的两个基本元素,等级结构和主题词在多大程度上可被利用,有待进一步实证。另外,如何将环境因素结合到Taxonomy类表中,是个有待补充的问题。     

Taxonomy:定义、辨析和应用

文章旨阐释Taxonomy概念,包括三部分内容:Taxonomy概念的定义、Taxonomy与文献分类法、叙词表、本体和主题指南的区别与联系以及Taxonomy的具体应用。     

用于信息检索的叙词表编制标准

叙词表的主题规范控制在网络环境下依然不可或缺,编制标准对于促进叙词表编制的规范化和词表之间的数据交换与共享具有重要作用.我国叙词表编制最新标准GB/T 13190.1-2015《信息与文献叙词表及与其他词表的互操作第1部分:用于信息检索的叙词表》使用重新起草法,修改采用ISO25964-1:2011编制.新标准的实施将为我国传统叙词表的网络知识组织适应性改造和新叙词表的编制提供指南和方向,本文对该标准的修订背景、基本思路、编制风格和内容特点等进行梳理与分析.     

世界三大叙词表简介

为后组式索引编制的检索语言,最早出现在科技领域,到现在为止仍然在所包括的范围和数量上占优势。但是,尚没有一部叙词表能够象综合性分类法那样,涉及整个知识领域。即使是范围较广的叙词表也都限于某一学科领域,如科技、教育、经济发展等方面。在使用上,叙词表也没有象杜威十进分类法、国际十进分类法和国会图书馆标题表那么广泛,用得最多的大概是《工程师联合会叙词表》(以下称EJC叙词表)及其相关的一些叙词表,但它们也只是在有限的一些图书馆中使用。很多图书馆在使用后组式索引时,总要编制自己的叙词表,或者以某一种叙词表为基础来进行编制。这里准备就目前在应用的几种较为重要的叙词表作一简略的介绍。     

网络环境中汉语叙词表的自动构建研究

为解决网络信息检索效率低的问题,需要把叙词表等控制机制引入到网络检索系统中,但传统词表编制方式已经不能满足网络信息检索的需要.本文制定了一种汉语叙词表自动构建方案,以财税领域为例,采用模式识别、词聚类、同现分析等自然语言处理技术实现自动识别词间等同关系、等级关系和相关关系,从而构建一部财税领域叙词表,最后对所构建的叙词表进行测评.相比传统叙词表编制方法,自动构建叙词表能降低编表专家的智力负担,而且编表时间短,费用低,时效性强,符合普通用户的检索习惯.但对词间关系的识别不如人工编表时精当可靠,所以需要人工辅助判定.     

国外三大叙词表简介(续)

分面叙词表不少英国图书馆都编制了叙词表,但除了英国电气公司以外,没有一个有EJ C和L EX计划那么大的规模。英国电气公司的工程分类法,正如我们提到过的,是英国分类法研究小组的一个成员设计的第一部大型的分面分类法。一九六一年出了第三版。在随后几年中,越来越明显地感到,必须对它进行详细的修改。但在同时,该公司的图书馆正着手调查使用电子计算机技术及编制后组式索引的可能性,因此,决定把叙词表和分类表合起来出一个新版。结果在一九七○年出版了分面叙词表,“分面叙词表”(T     

电子政务主题词表自动构建研究

电子政务主题词表是电子政务信息组织和检索的重要语义工具。传统手工编制叙词表的方法已不再适用于网络环境。电子政务词表的自动构建技术主要有基于N-gram方法的词汇收集和选择词间关系的自动识别。要想编制一部性能优越且容易应用的词表,应将计算机自动构建与传统方式编制结合起来,取长补短。表7。参考文献10。     

网络环境下叙词表协同编制系统的构建

指出网络化、数字化的信息环境影响着用户的信息需求,从而使叙词表的编制方法、技术和手段发生变革;合理、有效和灵活的叙词表编制体系将对网络信息的组织、检索等服务具有重要的支撑作用。阐述网络环境下叙词表的协同编制机制,分析网络环境下叙词表的基本特征,以此构建叙词表协同编制平台,对叙词表的编制系统进行优化。     

网络环境下新型《汉语主题词表》的功能定位与发展

网络环境下,从信息服务向知识服务转型过程中,对叙词表的编制、使用及其作用的发挥提出了更高的要求.作为我国第一部大型综合性叙词表,网络环境下的新型<汉语主题词表>,其在表现形态、编制方式、功能定位和应用方式上都将发生根本性的变化.作者基于对网络时代叙词表编制的探索性实践,分析了网络环境下新型<汉语主题词表>的形态特征,提出了<汉语主题词表>在网络环境下编制和维护方式,并对其功能定位进行了探索展望.     

敦煌壁画叙词表构建与关联数据发布

叙词表在知识组织中发挥着重要作用,然而敦煌壁画领域叙词表的缺失,限制了敦煌壁画研究及其价值的挖掘。通过建立一套规范、全面的敦煌壁画领域叙词表,可以为网络环境下敦煌壁画数字资源语义标注、信息检索和知识组织等提供智力和技术支撑。本文详细阐述敦煌壁画叙词表的构建与其关联数据发布过程,采用自顶向下与自底向上相结合的领域叙词表构建方法,提高叙词表建设效率的同时保证叙词表的高质量。在此基础上,研究实现敦煌壁画叙词表关联数据发布和可视化,与外部词表进行语义关联,并提供开放数据服务。敦煌壁画叙词表的构建和编制,可促进敦煌壁画领域数字人文应用的开发,也为我国文化遗产领域受控词表的建设提供了重要参考和借鉴。图8。表5。参考文献40。     

网站分类法的比较研究

通过对网络信息分类组织方法的比较,阐述了分类法揭示网络信息资源的优势,网络信息分类组织的发展前景。     

Hierarchical Clustering Using Non-Greedy Principal Direction Divisive Partitioning

We present a non-greedy version of the recently published Principal Direction Divisive Partitioning (PDDP) algorithm. The PDDP algorithm creates a hierarchical taxonomy of a data set by successively splitting the data into sub-clusters. At each level the cluster with largest variance is split by a hyper-plane orthogonal to its leading principal component. The PDDP algorithm is known to produce high quality clusters, especially when applied to high dimensional data, such as document-word feature matrices. It also scales well with both the size and the dimensionality of the data set. However, at each level only the locally optimal choice of spitting is considered. At a later stage this often leads to a non-optimal global partitioning of the data. The non-greedy version of the PDDP algorithm (NGPDDP) presented in this paper address this problem. At each level multiple alternative splitting strategies are considered. Results from applying the algorithm to generated and real data (feature vectors from sets of text documents) are presented. The results show substantial improvements in the cluster quality.     

文献分类法使用本使用中的再认识

为了不断适应和满足读对献信息的检索和利用，为了保持分类法的生命力，我国图书情报界的权威机构在不断地进行分类法的修订和版本的更新工作。而献分类法的使用本，也应该在保证分类体系的一致性、系统性、连续性的基础上，进行不断的修订和更新。     

基于中介词典的网络图书分类体系映射研究

采用以《中国图书馆分类法》为中介词典的兼容映射思想,根据向量空间模型原理构造映射函数,分别对当当网、卓越亚马逊、京东商城三个网上书店的网络图书分类体系与《中国图书馆分类法》进行类目相似度的映射,并根据类目相似值制订详细的类目映射关系规则。通过对映射关系进行横向及纵向分析,为未来的网络分类体系构建提出建议,最后指出本研究的不足及下一步需要改进的工作。     

专家分类法、大众分类法和本体的融合架构与演进策略

[目的/意义] 针对传统和新兴信息资源组织方法在Web2.0环境下的协作与融合问题,选择专家分类法、大众分类法和本体作为代表探寻三者的融合架构和演进策略。[方法/过程] 首先分析三者融合所处的阶段及主要瓶颈,再利用优劣互补的思想剖析三者融合的机理,进而以形式概念作为三者深度融合枢纽,搭建基于概念格的T-F-O融合框架。[结果/结论] 梳理了三者融合的方向和实现途径,并在动态发展的视角下探讨三者的环向演进策略。     

一种集成客户终身价值与协同过滤的推荐方法

提出一种加权RFM与协同过滤相结合的集成推荐方法,对由"Web数据挖掘"隐式收集的客户评价数据进行协同过滤处理,应用加权RFM对相似用户聚类结果加以改进,从而更有效地发现推荐规则,提高推荐质量。同时应用产品分类树(PT)对产品进行预处理,以减少计算空间的复杂度。实验评价结果表明该方法无论在推荐精度还是推荐相关性上都更为有效。     

注意菌物分类学论文中学名的规范使用

阐述菌物分类学论文中关于拉丁学名、中文学名、地名和人名的规范写法,以及新种发表时的一些注意事项。     

Outcomes Assessment and Legal Research Pedagogy

This article explores application of a taxonomic approach in legal research pedagogy to outcomes assessment based on Prof. Paul Callister's adaptation of Bloom's Taxonomy of Educational Objectives which integrates instructional design and learning activities compatible with formative assessment during the learning process and summative assessment at its conclusion. It reviews the development of outcomes assessment initiatives by legal educators and the development of outcomes assessment standards by the American Bar Association for the accreditation of law schools.     

基于带语义差别的模糊Taxonomy的交易数据库关联规则聚类

关联规则聚类是大量关联规则的一种有效组织方式,本文针对基于商品分类信息的规则聚类方法存在的不足进行了改进,同时考虑了不同层次间的项目语义差别,以及具有不同隶属度的项目细致语义差别,将商品分类树改进为模糊Taxonomy的有向无环图结构,该结构可以处理一个项目同时属于多个父结点的情况.我们充分考虑了有向无环图的性质,提出了带细致语义差别的模糊Taxonomy结构构建方法和相应的规则距离计算方法,其中,规则距离计算过程中的项集距离计算方法无需计算最佳匹配,因此,具有较小的时间开销.规则距离计算和聚类可视化试验结果表明了该方法的可扩展性和有效性,在规则的聚类计算上取得了较为满意的结果.     

Navigating the Information Landscape

This article explores the tension between the structures by which the library organizes and presents information, and the ways in which students and researchers access, use, and conceptualize knowledge. I suggest that while knowledge structures are vital to learning and research, an overemphasis on structurality is mistaken, and can lead to an inappropriately positivist approach that impedes the research mission. The article examines various metaphoric ways of negotiating meaning and navigating information structures, and of crossing the threshold of structurality.