基于ASP+ADO开发Web数据库查询系统

介绍了A SP 的基本概念及主要特点, 并简介了A SP 的组件ADO。说明了W eb 数据库查询系统的设计方法, 并给出实例加以说明。     

基于用户查询请求的Web数据库选择探讨

如何在查询中得到最好、最快所需要的信息,Web查询方法以及Web数据库的选择方式最为重要。本文提出基于Web数据库的查询表示方法,在用户查询与组织条件的数据模型建立的基础上,提出了用户相关匹配与查询统计分析,进行在用户查询请求过程中Web数据库选择方法研究。     

利用JSP技术建立Web数据库的查询

JSP是基于JavaServlet以及整个Java系统的Web开发技术 ,为基于Java环境开发多层结构的动态Web应用程序提供一种方便、快捷的方法。本文分析JSP技术的基本原理、技术特点 ,并通过实例介绍利用JSP技术建立Web数据库查询的过程     

基于ASP的图书馆Web数据库开发

本文介绍了当今将网络技术与数据库技术相结合,开发动态的Ｗｅｂ数据库应用的几种方法,重点讨论在开发图书馆Ｗｅｂ数据库中的技术特点,并以我馆外文期刊文献的数据库检索为例进行了说明。     

Web与数据库接口技术研究

Web 与数据库的结合是目前Web 技术和数据库技术发展的主流方向。本文通过对B/S 体系结构的分析, 对当前比较流行的几种接口技术进行了研究和分析, 主要包括: CGI(Common Gateway Interface) 技术、Web API(Application Programming Interface) 技术、JDBC (Java DataBase Connect ion) 技术和A SP (Active Server Pages) 技术。     

基于N-gram的Web用户浏览模式分类算法研究

Web站点用户浏览模式自动分类可以更好地组织站点上的内容信息来满足不同用户的访问需求.Web使用挖掘技术已经在这项研究中得到了广泛的应用,但是集成Web内容挖掘的成果还不多见.本文首先给出了结合Web内容和使用挖掘技术的用户浏览模式分类的原型系统框架.系统中主要的过程是:对数据集中原始的Web服务器日志进行清理,使用Web使用挖掘技术从用户浏览会话中挖掘出有代表性的用户浏览模式,根据模式中每一个相关的页面内容抽取出一个N-gram集合,构建基于N-gram的用户浏览模式简档.最后本文对用户浏览会话作了分类实验分析,实验结果表明这个方法在N-gram=6,df=10%的情况下取得了较高的分类精确度.     

利用ASP技术实现图书馆主页上Web数据库的动态查询

介绍了利用ASP 技术在图书馆主页中的应用, 实现Web 数据库动态查询的整个实施过程。     

基于KNN的图像自动分类模型研究

所谓图像自动分类是指利用图像自动分类器把待分类的图像分配到预定义的图像类的过程。用于图像自动分类的方法有多种。其中K近邻算法是一种基于实例学习的方法,是一种较理想的自动分类器。本文在它的基础上提出了图像自动分类模型,整个图像自动分类过程包括图像预处理、特征表示、机器学习和图像分类4个步骤。表1。图1。参考文献13。     

文本自动分类研究

本文简要介绍了国内外文本自动分类的发展概况，论述了自动分类的定义，自动归类和自动聚类的几种常见方法，并对应用实例进行了分析。     

基于RBFNN的专利自动分类研究

为减少人工分类的不确定性和分类错误,将文本分类技术引入专利自动分类系统,采用径向基函数神经网络(RBFNN)算法完成专利文本的训练和分类,并进行相关测试分析。实验结果表明,采用RBFNN分类器在专利文本自动分类中具有较理想的性能,测试平均F1值在70%以上。     

基于标题的中文新闻网页自动分类

借鉴tf-idf加权思想,利用新闻标题来做中文新闻网页自动分类的依据,构建基于标题的中文新闻自动分类方法,并设计多个实验对各种基于标题的中文新闻网页自动分类方法进行评测。实验结果表明,基于标题对中文新闻网页进行自动分类,可以大大缩短判断处理时间,节省存储空间,且准确率较高,特别是改进的类目加权法分类效果最好。     

中文文献自动分类研究

本文对作者开发的两个中文文献自动分类系统的工作原理、方法、数学模型和实现技术进行了比较全面的介绍。     

基于词语上下文关系的文本自动分类方法研究

用词上下文向量来表达文本集内一个词语与其他词语之间的上下文关系,并在词上下文向量的基础上生成分类器中所有类别的类别特征向量,以及待分类文本的特征向量,最后由分类器给出待分类文本的所属类别。实验显示,在类别特征向量和文本向量中融入词语上下文关系有助于改善文本分类效果。     

网页自动分类中特征权重计算方法的改进

目前,在网页分类中,对HTML主要结构特征进行加权的常用方法是绝对数值加权方法.这种方法的缺点是加权系数为定值,其对长文本和短文本所起的作用不同,使得结构特征对正文的影响随着正文长度的增加而削弱.针对该缺点,本文提出了一种改进型加权方法,即相对数值加权方法.通过网页层次分类的实验,比较了这两种方法对单个标签域以及多个标签域结合的分类性能.实验结果表明,相对数值加权方法能有效提高分类的精确度,并且效果优于绝对数值加权方法.     

基于统计-规则方法的网页层次分类技术研究

基于统计的自动分类是网页层次分类中常用的技术，但其有不足之处，主要表现为当子类之间出现严重的特征交叉现象时，分类精确率将大大下降。而网页层次分类的本质决定了同一大类下的子类存在许多相同的特征。针对这一局限性，结合基于规则的自动分类技术的优点，提出一种基于统计-规则方法的网页层次分类技术。实验表明，基于统计-规则方法的网页层次分类技术能够获得比较理想的分类效果。     

虚拟图书馆中网页的自动分类研究

概括了国内外对电子文本及Web网页进行自动分类的研究和试验,论述了虚拟图书馆中对网页进行自动分类与一般搜索引擎中对网页进行自动分类的区别,提出了一种用于虚拟图书馆中对网页进行自动分类的方法,并描述了按照此方法建立的“图书馆学情报学”虚拟图书馆的自动分类系统,对分类结果进行了分析。     

基于超链分析的Web资源自动发现技术

传统的Web资源自动发现是基于Web页面内容实现的。本文试图从超链分析的角度探讨Web资源的自动发现技术。超链分析技术起源于社会网络分析和科学引文分析理论,它只分析页面之间的关系,而不关心页面本身的属性。通过试验证明,单纯使用超链,根据用户提供的网页实例,我们能够自动发现与学科资源相关的网站。该技术可以有效的减少网络爬行器的无谓爬行,提高采集效率,减轻网络负担,在学科资源建设中起了重要的作用。     

基于Web of Science全库检索的期刊分类方法研究

利用世界著名的Web of Science中的Cited Reference Search等功能,提出一种新的JCR期刊共被引矩阵获得方法,从而对JCR期刊进行分类。从JCR的4个学科门类中随机挑选12种期刊对本方法进行实证检验,然后进一步利用这种方法对53种JCR收录的信息科学和图书馆科学类期刊进行分类研究。     

基于本体的语义Web文本分类探讨

本文探讨了本体与语义Web的关系、本体在语义Web文本分类中的作用,并重点探讨了基于本体的语义Web文本分类的特点以及Web文本分类器的一般工作原理.