大学图书馆现代化指南针报告

教育部高等学校图书情报工作指导委员会和北京大学图书馆合作研制《大学图书馆现代化指南针报告》,报告主要采用德尔菲法对34位图书馆学、情报学领域的专家和学者进行了三轮意见征询,集成专家智慧,总结出大学图书馆现代化在核心理念、主要目标、实际问题、理论问题、关键要素和生态关系等方面的发展趋势,为实现大学图书馆内涵式发展、整体发展、高质量发展、科学发展、可持续发展提供方向指引,成为新时代新征程上大学图书馆谋划新思路、推动新发展、构建新格局的“指南针”。     

基于文本计算的我国档案政策法律协同性研究—以《中华人民共和国档案法》（2020修订版）和《“十四五”全国档案事业发展规划》为蓝本

作为国家档案事业发展的顶层设计,《中华人民共和国档案法》（2020修订版）和《“十四五”全国档案事业发展规划》发挥了重要的引领作用,探寻其协同关系不但有助于档案工作者准确把握新时代国家档案工作总体设计方向,还能使地方政府正确贯彻执行国家档案工作的方针政策。因此本文以《中华人民共和国档案法》（2020修订版）法律文本和《“十四五”全国档案事业发展规划》政策文本为研究对象,利用LDA主题聚类及相似度计算方法对其主题和内容协同关系进行研究。结果表明：两部政策法律在档案信息化建设、档案人才培养方面具有较强的协同性,这为促进我国档案事业高质量发展及地区档案政策法律制定提供决策参考。     

遥远的勾连:故事世界的边际与互文的异质性

在围绕跨媒介叙事展开相关研究的过程之中,互文性与故事世界常被提及,两个概念各有其特征。互文性具有批判色彩,然而跨媒介叙事语境下的互文实践服务于商业化社会,围绕故事世界而非现实世界。故事世界有其边际,用以维系自身的稳定和意义的连贯。这种边际受媒介形态、其他故事世界以及粉丝的影响。互文可以被划分为“近互文”与“远互文”,“近互文”扩展故事世界,同时有助于维系其边际,而“远互文”则造成文本的断裂与意义的垮塌。在商业化社会,文化产品厂商的载体属性是一个重要的解释体系,可以让“远互文”的意义成立。这意味着一种符号化的文化商业模式,是消费主义影响的体现。     

高质量发展引领下我国运动休闲特色小镇“磁域空间”理论模型构建与运用研究

以我国运动休闲特色小镇为研究对象,以高质量发展为指导,对我国运动休闲特色小镇空间结构进行深度剖析和理论构建。研究结果如下：①运动休闲特色小镇是在一定的地理区域内,形成以体育特色产业为鲜明特征的一个“磁域空间”;②“权力、资本、市场、人文、生态”是构成运动休闲特色小镇 “磁域空间”的5类核心磁力线,其中,“权力、资本”是“重心线”,“市场”是“生命线”,“人文、生态”是“差异线”;③“磁域空间”产生“引力”的强弱与各类磁力线建设的良莠紧密相关,明确磁力线间的内在关系与建设次序,厘清磁力线建设的内容与方法,是建设运动休闲特色小镇的前提。     

基于匹配点逐层过滤的岩体点云配准方法

岩体点云配准是岩体三维重建与分析的基础。经典的点云配准方法虽然能够很好地适用于普通点云,但对于岩体点云并不能获得足够的精度。由于岩体点云表面结构复杂,且大部分区域为平面,基于岩体点云的这些特点,提出通过几何特征逐层过滤匹配点的岩体点云配准算法,引入匹配点对的协方差矩阵的特征值和特征向量矩阵,以及曲率、主方向等几何特征逐层过滤匹配点对,精确地找到匹配点对。在不同岩体点云上的实验测试与分析结果表明,该算法在准确度上有明显优势。     

基于领域本体对专利情报知识挖掘的浅析

专利作为企业间竞争博弈的重要信息源,通过对其进行深挖掘可以把握竞争对手的技术发展战略以及未来的产品布局,同时还可借助既有专利信息进行产品发明及再创新,故对专利情报进行有效组织和管理,实现隐性知识发现是当今热点问题.通过以实际工作中血管支架专利分析为例,结合对专利情报本身结构的分析,并引入本体理论,同时借助TRIZ和推理机制等概念,初步探讨基于领域本体的专利情报知识挖掘,拟研究一种可以面向专利用户实现智能化情报挖掘体系,从而有效支持专利知识的共享与重用.     

基于核模式合成的频繁巨模式挖掘算法

已有的频繁模式挖掘算法难以适应像生物信息数据挖掘、图模式挖掘等频繁巨模式挖掘应用.提出一种频繁巨模式挖掘算法,即基于核模式合成的频繁巨模式挖掘算法(Core Pattern Fusion Based Colossal Frequent Pattern Mining Algorithm,CPFCFPA),通过将各较小的核模式进行一步合成,寻求一个对频繁巨模式完整集的蕴含集.引入项集编辑距离概念,提出一种新颖的评价频繁巨模式挖掘结果质量的评测模型.实时数据集实验显示,CPFCFPA具有较好的可扩展性和挖掘性能,且对当前频繁模式挖掘算法难以或不能实现的挖掘任务,其挖掘结果能做到对频繁巨模式完整挖掘集的较好近似.     

文本分类中粗分类数据噪声修正的网络算法

在文本分类的实际应用中经常使用粗略分类的数据来训练分类器,但是这种数据中经常会包含类别标记有误的数据,这些数据对文本分类结果的精度会造成不良影响。本文针对这个问题提出了一种噪声修正算法,首先建立文档关联网络,把文档上标记的类别作为在网络上划分的集团结构,并用模块度衡量集团结构的质量,通过优化模块度指标把噪声数据调整到合适的类别中,从而提高数据质量。实验结果表明,本文所提算法能够有效修正粗分类数据中的噪声,且有较高的有效性和鲁棒性。该算法可以用于文本分类训练数据的预处理,或作为辅助技术用于文献库建设等工作。