关于民族古籍数字化的思考

本文对现阶段民族古籍数字化建设的障碍进行了分析，并提出了相应的发展对策。     

夏天是什么颜色的——《多彩的夏天》教学片断及评析

一、自主读书,张扬个性 师：现在我们就来感受夏天的炎热.其他同学一边听一边想,哪个句子最能表现夏天的炎热？谁愿意读？     

论藏书建设工作

<正> 目前,图书馆界对藏书建设工作的认识不尽统一.如:有的把图书采访工作叫做藏书建设工作,有的把书库管理当做藏书建设工作,还有的把藏书建设工作看成是一项计划工作.我们认为,如果对图书馆的各项业务工作按其性质分类,可以划分为"藏书建设工作"和"藏书利用工作"两大部分.这样,     

北京市中学图书馆现状调查

实行九年制义务教育已成为"七五"期间的一项重要任务.为了更全面了解北京市的普教情况,北京市教育学院图书馆于1985年底组织调查小组,对全市中学图书馆情况作了一次调查研究.现将调查报告的部分内容摘登如下,供研究我国图书馆事业和教育事业的同志们参考.     

基于主题模型的文本分类算法性能比较SSCI

文章利用LDA模型进行文本降维和特征提取,并将传统分类算法置于集成学习框架下进行训练,以探讨是否能提高单一分类算法的分类准确度,并获得较优的分类效果,使LDA模型能够发挥更高的性能和效果,从而为文本分类精度的提高服务。同时,以Web of Science为数据来源,依据其学科类别划分标准,建立涵盖6个主题的实验文本集,利用Weka作为实验工具,以平均F值作为评价指标,对比分析了朴素贝叶斯、逻辑回归、支持向量机、K近邻算法4种传统分类算法以及AdaBoost、Bagging、Random Subspace 3种集成学习算法的分类效果。从总体上看,通过“同质集成”集成后的文本分类准确率高于单个分类器的分类准确率;利用LDA模型进行文本降维和特征提取,将朴素贝叶斯作为基分类器,并利用Bagging进行集成训练,分类效果最优,实现了“全局最优”。     

基于γ-散度的稳健有序误标记logistic回归

有序多分类方法已经得到了广泛研究。传统的有序多分类方法假设样本的类别标签是不存在误标记的。但是由于实际数据复杂以及人工经验有限,获得标记完全正确的样本是不现实的,因此,传统的方法就存在局限性。提出一种基于γ-散度的有序误标记logistic回归方法,在处理存在误标记的有序多分类问题时具有很强的稳健性,也就是说,当某一样本被错误标记时它对参数估计的权重小于其被正确标记时的权重。该方法通过最小化γ-散度构建模型,利用梯度下降算法求解模型,不仅具有很强的稳健性而且在模型中可以忽略误标记概率。模拟研究和真实数据分析都说明该有序误标记logistic回归方法在处理存在误标记的有序分类问题时效果很好。