地图聚合模型研究与实现

地图聚合是Mashup的一种重要方式,是当今Web2.0网络应用下新出现的一种现象。本文在AJAX加入GIS网络服务,整合WMS和WFS两种服务的基础上,提出了地图聚合模型。根据本文提出的模型,本研究在MapGuide和GoogleGIS平台支持下,将两种不同的支持WebAPI应用进行堆叠而形成的新型地图Web服务,创建了MapGuide和Google聚合地图,以从MapGuide和Google数据源检索到的内容来创建全新的创新服务,创造出更加增值的数字地图服务。     

浅谈Google Earth在送电线路勘测设计中的应用

简要介绍了GoogleEarth的现况,初步分析了GoogleEarth的平面和高程精度以及在送电线路勘测设计中的应用。     

Google搜索引擎研究新进展

文章从Google搜索引擎的特色功能、搜索方法等方面阐述了Google搜索引擎研究和开发应用所取得的新进展.     

处理非结构化信息的桌面搜索模式的发展和竞争现状

关键词全文检索技术亟待突破．以模式识别、语义匹配为核心的检索技术日趋成熟。以非结构化信息处理为核心的桌面搜索模式成为众IT巨头研发竞争的焦点。对代表厂商Autonomy的技术特色和技术优势及其相关竞争厂商的研发情况进行了全面的研究。     

百度国学与Google学术搜索

介绍了搜索引擎开展的学术搜索,比较百度国学和Google学术搜索的特点、收录内容、检索结果．并指出其对图书馆的启示。     

四大搜索引擎网站声誉评价能力研究

本文在分析网站声誉及其评价指标的基础上,对Google、AltaVista、Lycos和Yahoo四大基于三种不同技术的搜索引擎的输出网站的声誉进行用户评价,结果表明Google的各项指标均优于其它三个搜索引擎,在网站声誉评价的能力方面,基于链接结构分析技术的搜索引擎强于基于内容分析技术和基于人工指定目录技术的搜索引擎。     

Google学术搜索检索性能的分析及评价

本文通过利用Google Scholar、EI和SCIE的作者检索功能,对这3种检索工具的检索结果进行了比较分析。研究表明Google Scholar是比较权威和全面的免费学术检索工具,但Google Scholar在中文学术文献检索中文献重复率高达2837%,且由于来源数据库的局限,文献的漏检现象比较严重。     

Google数字图书馆计划及其影响分析

Google发布的数字图书馆计划引起世界震惊。随着时间的推移,其影响力日渐加强,并从数字图书馆向整个图书馆业、互联网信息服务业乃至世界文化的传播方面扩展。文章比较详细地分析了Google数字图书馆的建设模式,并从上述四个方面对Google数字图书馆计划的影响作了分析。     

基于Google学术搜索的引文检索研究

在分析搜索引擎新进展的基础上,简要介绍了Google学术搜索的基本情况,并从关键词检索、作者检索和学术高级检索等方面详细地介绍了Google学术搜索的引文检索新功能,指出了其不足之处,提出了一些改进其质量的措施。     

Social media analytics: Extracting and visualizing Hilton hotel ratings and reviews from TripAdvisor

Analyzing and extracting insights from user-generated data has become a topic of interest among businesses and research groups because such data contains valuable information, e.g., consumers’ opinions, ratings, and recommendations of products and services. However, the true value of social media data is rarely discovered due to overloaded information. Existing literature in analyzing online hotel reviews mainly focuses on a single data resource, lexicon, and analysis method and rarely provides marketing insights and decision-making information to improve business’ service and quality of products. We propose an integrated framework which includes a data crawler, data preprocessing, sentiment-sensitive tree construction, convolution tree kernel classification, aspect extraction and category detection, and visual analytics to gain insights into hotel ratings and reviews. The empirical findings show that our proposed approach outperforms baseline algorithms as well as well-known sentiment classification methods, and achieves high precision (0.95) and recall (0.96). The visual analytics results reveal that Business travelers tend to give lower ratings, while Couples tend to give higher ratings. In general, users tend to rate lowest in July and highest in December. The Business travelers more frequently use negative keywords, such as “rude,” “terrible,” “horrible,” “broken,” and “dirty,” to express their dissatisfied emotions toward their hotel stays in July.