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.     

基于属性值偏好矩阵的协同过滤推荐算法

传统的协同过滤推荐算法面临用户评分数据稀疏性和冷启动问题的挑战.针对上述问题,提出了基于属性值偏好矩阵的协同过滤推荐算法,首先采用奇异值分解(SVD)对用户-项目评分矩阵降维得到目标用户的初始邻居用户集,生成新的用户-项目评分矩阵;然后将用户评分映射到相应的项目属性值上,生成每个用户的属性值偏好矩阵,并基于属性值偏好矩阵进行用户相似性度量,从而缓解了评分数据稀疏性;将新项目的属性值与用户的属性值偏好矩阵进行匹配,从而找出匹配度最高的前N个用户作为新项目的推荐受众.实验结果表明了该算法的有效性.     

局部文本特征选取算法的比较和改进研究

本文通过实验比较了互信息、χ2统计算法和优势率三种算法在用于局部文本特征选取时对文本分类性能的影响.实验结果显示,在应用于局部特征选择的情况下,文本特征选取算法仍然可以将特征空间的维度降低90%以上,而不降低文本分类的性能.同时,我们发现在应用于局部文本特征选取时,优势率算法的性能不如互信息和χ2统计算法.另外,对于K最近邻分类算法,随着K值的增大,文本分类的查准率在增加,而查全率在降低.最后,本文详细分析了造成这三种算法性能差异的原因,并提出了一种改进算法,来提高优势率算法应用于局部文本特征选取时的性能.     

CNMARC格式的604和605字段录入问题释疑

通过对CNMARC格式的604和605字段的异同点分析,指出国家图书馆与CALLS在这方面录入的差异,供其他编目人员和机构在使用这两个字段时参考.     

地方志引书挖掘系统的设计与实现

古籍文献普遍存在着引书现象,因而构建一套针对地方志引书的挖掘识别系统,对古籍的研究以及目录学史、藏书史、科技史,都具有重要意义.本文以地方志资料汇编<方志物产>为语料,设计并构建了一个古籍引书挖掘系统.重点讨论了引书的模式提取、N-gram分词识别等功能算法.     

数据挖掘在生物医学工程文献检索中的应用

本文在概述数据挖掘技术的基本概念、分析方法的基础上,分析与比较了文本自动聚类算法;综述了国内外面向MEDLINE文献数据库的数据挖掘、知识提取研究;简述了可扩展标识语言(XML)的基本概念、文档格式及其在数据管理及数据挖掘中的应用.     

蜀部创新 缓慢扩散——2008年党报创新点评

回顾2008年,可以发现党报没有轰轰烈烈的和全局性、根本性的创新,但局部的创新一直没有停止。一些创新做法在缓慢地扩散,有的甚至出现退步性的“反复”。     

对“新闻策划”研究的几点思考

新闻策划如同一个精灵,近10年来一直困扰着理论家和实践者,导致了新闻学界纷纷扰扰的论争。经过见仁见智的辩论,也没能达成多少共识,大凡谈论者往往并不在同一个层面上言说,因而新闻策划的内涵与外延多有悬殊。笔者对新闻策划方面的理论研究成果略有关注,现将几点思考形成小文,不成熟之处,敬请指正。     

观众为何总是盯住那一“点”

"露腿"、"补妆"、"哈欠","白字"……央视主播最近风波不断,在5月3日央视电影频道18时许播出的<中国电影报道>中,又有网友指出,主持人涂经纬在节目中凸点出镜,颠覆一向端庄的主播形象.对此,央视电影频道<中国电影报道>的制片人张卫称自己并不知情,要等看过当天这条节目以后才能回应.(<华商报>5月5日)     

时政新闻的“动情点”

小时候,老师就教过我们,文章要以情动人。现在,要想写好会议和领导活动这类格式、程序往往大同小异的时政新闻,"以情动人"就显得尤为重要,也可以说是写好时政新闻的制胜法宝。