语义网络多面观

在可扩展标记语言XML、资源描述框架RDF、本体互换语言OIL和其他新出现的标准的帮助下，语义Web有可能对已经存在的Web数据提供更多的结构和意义，这将会引导WWW发展到一个新的全球性网络：语义Web在这个网络上可以发现很多有效的信息。语义Web的实现将会对下一代的数字图书馆产生巨大的影响。     

数字图书馆互操作综述

互操作是实现数字图书馆 (DLs)的集成或联邦所面临的中心问题。文章对DLs互操作的研究现状及关键技术进行了综述与讨论 ,主要内容包括 :⑴DLs互操作协议、DLs中间件、DLs中的信息发现、语义互操作和元数据互操作 ;⑵DLs互操作的实现方法及评价标准。最后 ,指出了DLs互操作今后的研究方向。     

在元数据标准框架基础上用XML构建语义网

语义网是对网上信息语义及其之间各种联系的描述，可以提高计算机对各种信息的分析和处理能力，是下一代互联网的一个发展方向。文章首先介绍了语义网的基本概念及应用，然后描述了元数据的概念并重点介绍了RDF及其应用，最后提出要综合运用XML和RDF构建语义网。     

Google应用技巧

文章详细分析了网络搜索引擎Google 的功能特征, 讨论了在使用中存在的一些现象和问题。通过具体例证说明: 在进行组合查询时, 要对所有的查询词分别加引号; Google 在对中文繁简字体语义转换时, 有可能出现明显的错误; 搜索到的数据在同一范围内、在以小时为单位内也会出现巨大的变化; 以及在不同范围内, 搜索同一信息时, 随时间的不同, 搜索到的结果会有不同的排序。     

语义网研究的基本问题

概述目前我国语义网的研究现状，在简要介绍语义网概念和模型的基础上，着重分析当前我国语义网的四大研究热点，即语义网描述语言比较研究、元数据研究、本体层开发研究和智能信息检索研究，并阐述语义网的发展对数字图书馆建设带来的若干启示。     

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.     

基于词向量扩展的学术资源语义检索技术

[目的/意义] 尝试以统计的方法为指导思想,探究基于词向量扩展的语义检索技术来提升学术资源的语义检索能力。[方法/过程] 利用自然语言处理、文本挖掘技术,对采集来的学术资源（主要是学术论文）元数据进行预处理,结合word2vec词向量生成工具和elasticsearch全文检索引擎搭建语义检索系统,对学术资源进行语义检索的探索研究。[结果/结论] 本文提出的方法能够有效提升学术信息的检索效果,一定程度上实现学术资源的语义检索,并为后续语义检索的进一步研究提供借鉴。     

基于SKOS的学术期刊文本资源多粒度语义标注方法研究

[目的/意义] 针对学术期刊文本资源语义标注仍存在的通用本体难以构建、标注粒度单一两大问题,提出基于SKOS的学术期刊多粒度语义标注方法,从而进一步推进语义标注的应用发展,更好满足用户的多粒度学术信息需求。[方法/过程] 在对《中国汉语主题词表》进行SKOS描述的基础上,以学术期刊文本资源为对象,实现其多粒度语义标注,并通过实证研究验证该方法的可行性。[结果/结论] 利用SKOS实现对学术期刊文本资源进行多粒度语义标注,较之当前学术检索系统中的标注结果,在"查全"查准"内部特征检索入口"检索结果反馈形式"4个方面具有一定优势。     

Spatial Discovery of Linked Research Datasets and Documents at a Spatially Enabled Research Library

Current publishing practices in academia tend to result in datasets that are difficult to discover. This is because datasets are not well-integrated across academic domains and they are often not linked to the documents that reference them. For these reasons, discovering datasets across domains can be challenging; for example, discovering archeological observations and biological specimens using the same search is not widely supported, even if both datasets share a similar spatial extent, like Mesoamerica. It is also challenging to retrieve relevant documents that reference datasets; for example, retrieving a series of field reports that reference archeological observations is typically not supported. Our work develops an extensible method for: (1) geographically integrating collections across disciplinary repositories and (2) connecting datasets to related documents. We describe a collection of spatially-referenced researcher datasets, capturing their metadata elements and encoding them as linked open data. We then leverage existing library services to formalize links from datasets to documents. The system described in this work has been deployed, resulting in an experimental open data site for the UCSB campus. Results indicate that this system can be scaled-up with support from an institutional repository in the near future.     

《集韵》疑难字考辨

《集韵》是一部官修的重要辞书,在辞书史上具有重要地位。由于该书收字务从该广,书中收录了大量形音义有问题的字。本文在对传世字书进行梳理的基础上,利用文字学、训诂学、音韵学、校勘学及辞书学知识,依据汉字形体演变规律,结合文献用字,采取形、音、义三者互相求的方法,对《集韵》中的15个疑难字进行了考辨。