个人知识管理的三个重点领域

本文认为，个人灵感知识管理、个人知识项目管理和个人学习管理是个人知识管理的三个重点领域，个人灵感知识管理的重点在于及时管理，个人知识项目管理的重点在于创新管理，个人学习管理的重点在于针对性管理，并分别论述了三者的管理内容和相应的管理方法。     

图书馆软环境发凡(下)

图书馆应当拥有自己的精神资源。图书馆应当营造自己的精神家园。原因是：图书馆的发展光靠管理与制度体系的完善，仍然是不能独善其身的，精神动力的领军作用不可或缺。     

关于广东开展普通高校成人教育评估的实践与思考

广东省普通高等学校成人教育评估,是在我国高度重视高等教育质量的大背景下,广东省教育厅开展的一项规范成人教育教学的重要举措。广东普通高等学校成人教育的扩招,加快了高等教育大众化的进程,但是教育教学上的许多新老问题也暴露出来。通过对中山大学等5所普通高等学校成人教育的第一批评估,加强了教育管理部门和办学单位依法办学的思想意识,改善了办学条件,规范了教育教学管理,提高了教学质量和办学水平,评估达到了预期目的。     

加强期刊间的学习与交流

期刊是作者与编辑智慧的结晶,每种期刊都有值得他人学习、借鉴之处.加强期刊间的相互学习与交流,有助于及时掌握科技动态和作者信息,提高编辑素质,吸取他人之长补自己之短.     

图书资料资产清查建库工作的组织与管理

山东农业大学近期对高校合并后，全校近百年来各个图书馆和院系资料室的所有图书资料进行了数据库建设和资产清查，实现了全部图书资料管理的现代化、规范化、科学化，为今后图书资料的优化配置和资源共享打下了基础。本文介绍了该校在图书资料数据库建设和资产清查中组织与管理工作的做法和措施。     

有效的制度供给是高校图书馆事业发展的保障--2002年版《普通高等学校图书馆规程》评述

法治时代，有效的制度供给是推动各项事业发展的前提和保障。2002年新修订的《普通高校图书馆规程》与原来的《规程》相比有较大的进步，它将进一步推动我国高校图书馆事业的发展，为了更好地理解、把握其的精神实质，本文对其进行评述。     

基于机器学习的自动文本分类模型研究

基于机器学习的方法是自动文本分类中非常重要的一大类方法。本文先给出了形式化的定义，提出了自动文本分类的流程模型，然后选取了支持向量机（Support Vector Machine，SVM）算法作为一个典型例子进行分析，最后作者通过一个中文文本分类实验评价了该算法的效果。     

国家科学数字图书馆网络联合参考咨询服务质量控制及评价方案研究*

介绍了国内外数字参考咨询服务质量评价体系的研究与应用概况。结合国家科学数字图书馆网络联合数字参考咨询服务的质量控制需要，在项目一期建设基础上选取部分指标建立了实际操作的评价体系，并制定了制度化的系统评价方案。     

档案袋评价在教育中的运用

在我们的生活与工作中，做记录并使之归档不是什么新鲜事，但要把档案记录作为一种教育评价方法却足近十几年的事。     

Analysis of Statistical Question Classification for Fact-Based Questions

Question classification systems play an important role in question answering systems and can be used in a wide range of other domains. The goal of question classification is to accurately assign labels to questions based on expected answer type. Most approaches in the past have relied on matching questions against hand-crafted rules. However, rules require laborious effort to create and often suffer from being too specific. Statistical question classification methods overcome these issues by employing machine learning techniques. We empirically show that a statistical approach is robust and achieves good performance on three diverse data sets with little or no hand tuning. Furthermore, we examine the role different syntactic and semantic features have on performance. We find that semantic features tend to increase performance more than purely syntactic features. Finally, we analyze common causes of misclassification error and provide insight into ways they may be overcome.