《军事信息资源分类法》在文献分类中的应用

《军事信息资源分类法》（简称《军分法》）是军事类文献分类的主要工具。分析了《军分法》的特点,指出分类人员必须具备相应的军事学及所分类学科专业基本知识,并熟知《军分法》中专业类目的设置情况,才能科学合理地开展专业文献分类。编制学科专业分类简表及背诵主要类目分类号等方法可以有效提高学科专业文献分类标引效率。     

中文新闻信息自动分类标引的构想与实现

《中文新闻信息分类》标准经过历时一年8个月的研制及反复检测论证，在2005年9月2日专家评审会上，标准审查委员会一致通过对《中文新闻信息分类》国家标准（送审稿）的审查，建议标准起草组尽快形成报批稿，上报国家标准化管理委员会作为推荐性国家标准发布实施。作为我国第一部即将上报的新闻信息分类标准，《中文新闻信息分类》标准的研制工作取得了初步的成果，但能否在业界真正实现应用，达到整合全球中文新闻信息的目的，最为关键的是下一步技术支撑的构建。因此，只有建立自动标引系统，实现自动分类，《中文新闻信息分类》标准的现实价值才能真正体现。本文提出了实现自动标引的整体构想，希望为《中文新闻信息分类》标准下一步的研究与实际应用有所贡献。     

基于语料和基于标引经验的自动分类模式比较

以传统文献分类体系为框架，构建知识库或分类器来实现信息的自动分类是信息加工自动化的一个发展方向。这种自动分类系统一般有两种模式：基于训练语料和基于人工标引经验。我实验室分别在这两种模式的基础上设计开发了两个不同的自动分类系统。本文将详细介绍这两个自动分类系统的结构、设计及其构建，然后分别从原理、知识库构建、分类算法等方面对这两者进行比较分析。     

《军事信息资源分类法》的应用与启示

文章主要阐述了军事信息资源分类法在军事图书资料馆的虚用情况,并对军队信息部门开展信息资源分类提出了有益的建议。     

基于标引经验和机器学习相结合的多层自动分类

由于《中国图书馆分类法》类目数目庞大且各类目上文献分布不均衡,导致基于机器统计学习的自动分类技术在这种多层分类体系上力不从心。基于人工标引经验的自动分类试图通过情报检索语言兼容互换的原理解决这一问题,然而直接应用标引词串对分类进行匹配在实际应用中产生了一系列的问题。本文试图通过将两种分类技术相结合的方法对信息资源进行分类,提出了用相关度来测定关键词和类目概念之间的关联,构建关键词、分类器的构建原理、构建方法以及分类流程,并对该方法存在的不足进行了分析。     

应用《中国档案分类法》分类标引的几个问题

<中国档案分类法>(第二版)(中国档案出版社,1997.12)(以下简称"中档法")出版发行两年来,对推动档案分类标引、组织档案分类目录起了很好的作用.这部大型工具书的出版是我国档案领域的一项较大的研究成果,可庆可贺.当然,任何事物都不是完满无缺的.我们在应用这部分类法进行档案分类标引工作中,确实遇到某些具体问题,给标引工作带来了误差.本文所指的某些问题,有的是我们对"中档法"的理解不够,有的则显然是这部分类法自身的某些不完善,我们认为的不完善之处将在这里列举一二,希望能与专家及使用者共同研讨.     

评《军事信息资源分类法》索引

从索引类型、索引范围、索引编制方式、索引排序等角度对《军事信息资源分类法》索引给予评介。基于对大量实例的分析,提出《军事信息资源分类法》索引应将类目的注释及隐含概念纳入标引范围,并改进其款目形式和编制方式,提高索引的标引深度、详细程度和专指度的建议。     

《军事信息资源分类法》的总体设计与技术特色

《军事信息资源分类法》是我军第一部主要用于网络信息资源管理的综合性分类检索语言工具，是我军信息化建设的重要基础工程。本文概要介绍了《军事信息资源分类法》的总体设计（包括编制目的、原则、使用对象、结构、类目设置等）以及技术特色（如多维揭示、分类主题一体化、主题词——分类号对应索引、标记符号等）。     

基于新闻信息分类标准的自动标引实践研究

为了提高海量新闻信息分类的效率,本文探索研究基于Transformer(转换器)模型和《中文新闻信息分类与代码》标准的自动分类标引,包括自动归类、聚类、检索标志的智能抽取,以及人工标引和自动标引的互相结合。Transformer模型训练数据特征效率更高,适应能力更强。基于标准的自动分类表更灵活,更高效,自动标引具有广泛的应用前景。     

多种载体信息资源的自动分类方法与实践

通过对多种载体信息资源MARC的数据分析，归纳总结其MARC数据的不同，并根据不同载体资源MARC字段的特征，设计并实现计算机自动分类，从而提高信息服务的质量。     

用于中文信息自动分类的《中图法》知识库的构建

中文文献数据库中存在着大量的分类号与关键词(或主题词)对应的人工标引记录。通过对这些数据的加工整理,以《中图法》类目体系为主干,组织各学科领域的语词,从而构建出反映分类号与语词概念对应关系的《中图法》知识库,用以实现信息的自动标引和自动分类。构建《中图法》知识库面临着一些难题:异构数据的整合;原始数据中分类号与主题词或词串之间一对多、多对多关系的筛选;标引词串与知识库中的词串的相符性比较等。图2。参考文献8。     

中文图书自动标引与分类加权设计研究

使用基于《中图法》知识库的中文信息自动标引和自动分类系统,对中文图书进行自动标引与自动分类的实验,以测试该系统对图书的适用性。实验通过对中文图书进行计算机自动标引与自动分类、人工打分测评、测试结果统计分析,得出中文图书的各标引源主题表达能力依次为:书名、内容提要、两级目次、参考文献、一级目次,在此基础上对标引源进行加权设计,权值设为5:3:2:2。实验证明该系统用于中文图书的自动标引与自动分类是可行的。表6。参考文献9。     

网络信息的自动分类问题

简要分析了网络信息与传统文献差异，探讨了网络分类导航系统的自动分类程度，网站信息的分析和提取，分类知识库的构造等问题。     

基于本体进行自动分类的元搜索引擎的设计与实现

研究基于本体对元搜索引擎查询结果进行自动分类的方法,依据事先构建的药学本体,实现基于本体对元搜索引擎的网页结果进行自动分类的实验系统,形成层次清晰、逻辑合理的分类显示结果界面。最后对实验系统的准确度进行评价,网页分类基本取得预期的效果。     

基于中文词义概念的Web信息分类检索研究

通过领域范畴索引构建网上中文信息分类检索的语义环境，使主题检索受控于范畴分类，并在此基础上研究了一种新型的Web信息分类检索方法，并证明概念词检索定位在主题类目下其查准率有进一步的提高。该研究应用于多种搜索引擎查找以不同类目归类的同一内容信息时，在类目名称与实际内容不一致情况下用户也能在同一类目下找到相关内容的信息。     

基于机器学习的中文书目自动分类研究

面对与日俱增的图书出版量,图书馆编目人员的手工书目分类显得力不从心,如何实现由计算机自动完成图书分类成为数字图书馆建设中亟待解决的关键问题之一。本文尝试将BP神经网络和支持向量机等机器学习算法引入到书目分类中,建立了面向中图法的基于机器学习的书目层次分类系统模型,提出了采用特征加权方式描述书目和浅层次分类体系构建的设计思路,并通过大规模实验验证了该模型的可行性和合理性,基本上解决了没有主题标注情况下书目的自动分类问题。图9。表5。参考文献14。     

《中图法》辅助分类系统的功能设计

针对《中图法》（第四版）电子版中存在的类号比对和类号核对不方便的问题,研制了《中图法》（第四版）辅助分类系统。辅助分类系统具有类目树显示、内容检索、类号参照、类号组配、类号核对等功能,有助于提高分类标引工作的效率,提高文献编目的自动化水平。