网络信息生态系统生态化程度测度模型研究

界定网络信息生态系统生态化程度的内涵,从信息人、信息、信息环境、系统协同、可持续发展5个方面构建网络信息生态系统生态化程度的测度指标体系,强调指标的可定量测度性,运用层次分析法计算指标权重,并提出每一个末级指标的具体测度途径和方法。基于指标体系和测度方法分析,得出网络信息生态系统生态化程度的测度模型。     

基于超网络的微博相似度及其在微博舆情主题发现中的应用

[目的/意义]准确地计算微博相似度可以提高微博主题挖掘效率,对舆情治理、保障信息安全具有实践意义。针对微博文本语义稀疏、高维的问题,提出一种融入微博非文本特征的超边相似度算法。[方法/过程]分析微博舆情发生机制,利用超网络模型表示微博舆情主题形成过程,通过计算各层子网相似度及各层子网对主题形成的贡献度构建超边相似度算法。[结果/结论]研究发现,论文所提出的相似度方法有助于提升微博舆情信息的主题聚类效果,特别是对于文字性表述相似程度高的微博信息,具有明显的主题区分性。     

图书馆生态系统协同度测度模型研究——以福州大学图书馆为例

[目的/意义]从生态学与协同学的视角探讨图书馆生态系统协同度测度方法。[方法/过程]首先,将图书馆生态系统分解为空间环境、信息资源、技术支撑、读者服务、业务交互5个子系统,并选取各子系统的序参量指标。同时,基于指标体系建立协同度模型,通过计算序参量及子系统的有序度和协同度,实现对生态系统协同状况的评估。最后,将福州大学图书馆的实际数据应用到模型中,验证模型的有效性。[结果/结论]检验结果表明,该模型能够有效地测度图书馆生态系统的协同度,为图书馆内部各子系统实现协同发展提供了良好的测度方法。     

图书情报专业学位研究生联合培养基地建设探析——以东北师范大学为例

[目的 /意义]联合培养基地建设是国家大力发展专业学位研究生教育的瓶颈,图书情报专业学位研究生培养急需突破这一瓶颈以提高质量.[方法/过程]回顾专业学位制人才培养文件,解析《专业学位研究生教育发展方案(2020-2025)》,调查分析联合培养基地弱化、双导师制流于形式、以学带专等专业学位研究生培养中存在的问题;剖析东北...     

面向语义网的本体学习技术和系统研究*

针对网络中存在的不同结构化程度的数据,探讨目前用于实现语义网的各种常见本体学习技术、方法及其可获得的本体元素、存在的问题,比较当前融合多种本体学习技术的本体学习系统,分析所采用的关键技术、适用的处理对象以及生成的结果描述。     

基于句子关系图的网页文本主题句抽取*

针对网页文本结构信息少、噪声大的特点,将句子看作点,将句子间的相似性看作边,用句子关系图描述文本中句子间的关系。抽取文本主题句的任务转化为搜索图中边最多的点。利用语义词典,将句子相似度定义为句子语义相似度,解决短文本词频相似度低的问题。选用互联网公开语料进行测试,抽取的主题句达到平均80.6%的可接受性。     

服务质量与高校图书馆的发展

通过认知服务质量和服务质量评价的方法,分析服务质量对高校图书馆发展的重要作用,全面探讨服务质量管理,提出提高实际感知质量过程管理,控制期望质量过程管理的措施,来增加读者总体感知服务水平,提高图书馆的服务质量,促进高校图书馆的发展。     

关于文科研究生"发文规定"是否合理的调查分析

为了解答研究生要获得学位必须在规定的期刊上正式发表论文的规定是否合理问题，文章归纳了正、反和折中的三种观点，详细调查、考证和统计了人文社科学术期刊数量、文科硕士生、博士生数量及每年可能的发文数量，分析了三种观点的利弊和大多数高校仍然没有取消这一规定的原因，认为硬性规定是不合理的，应该将学位与发表论文脱钩，鼓励、提倡及时将科研成果在学术期刊上发表，对确有水平的论文，不论发表期刊的档次如何，甚至是否公开发表，都可视为重要参考，但不能作为是否授予学位的唯一标准，应建立与完善学术评价体系，评价指标的设计要淡化论文数量要求，强化质量要求，完善人文社科学术期刊评价标准，明确各种期刊定位，加强期刊质量。     

相关文献检索研究综述

从文献计量学角度对相关文献检索进行分类,分析其在具体实现过程中涉及到的关键技术,重点阐述PubMed和CBM相关文献检索的文本相似度计算方法、主要研究历程及最新研究进展,在对相关文献检索的评价方法和评价指标进行概述的基础上,从正反两方面对其效用进行分析,最后简要论述其发展方向。     

基于相似项目与用户评分的协同推荐算法

推荐系统是电子商务系统中最重要的技术之一.随着电子商务系统用户数目和商品数目日益增加,在整个商品空间上用户评分数据极端稀疏,传统的相似性度量方法均存在各自的弊端,导致推荐系统的推荐质量急剧下降.针对用户评分数据极端稀疏情况下传统相似性度量方法的不足,本文提出了一种基于相似项目与用户评分预测的协同过滤推荐算法,综合利用相似项目和相似用户评分信息预测用户对未评分项目的评分.通过聚类算法形成用户候选近邻集,减小了算法搜索空间,降低了最近邻用户的搜索时间,从而增强了算法的扩展性.实验结果表明,本算法可以有效解决用户评分数据极端稀疏情况下传统协同推荐算法存在的问题,显著提高推荐系统的推荐质量.