数字人文视角下的非物质文化遗产文本自动分词及应用研究北大核心CSSCI

文本自动分词是非物质文化遗产相关数字人文研究的基础与关键步骤,是深度发掘非遗内在信息的前提。文章构建了国家级非物质文化遗产项目申报文本自动分词模型,探究了融入领域知识的机器学习模型CRF、深度学习模型Bi-LSTM-CRF和预训练语言模型BERT、RoBERTa、ALBERT在非遗文本上的分词性能,并对比了通用分词工具HanLP、Jieba、NLPIR的效果。在全部14种模型中,RoBERTa模型效果最佳,F值达到了97.28%,预训练模型中ALBERT在同等条件下训练速度最快。调用分词模型,构建了非遗文本领域词表和全文分词语料库,对非遗文本词汇分布情况进行了分析挖掘。开发了中国非物质文化遗产文本自动分词系统(CITS),为非遗文本自动分词及分词结果的多维可视化分析提供了工具。     

面向知识赋能的档案数据化编研:新逻辑及其实现

数据驱动下档案业务面临着全面转型,其中档案编研也将从依赖纸质材料、人工编排、手工书写的传统状态,转向依赖档案数据、自动或半自动化编排、机器书写的数据化状态,以解决传统编研在选材对象、加工方式和成果发布等方面的困境,改变档案编研固化、单维、线性、封闭的特征,而真正走向流动、多维、关联和开放,实现档案内容的快速增值与知识转化。以中国石油档案的数据化编研为案例,分析传统档案编研的基本流程如何迁移至编研系统或平台中,形成流畅的、人机互动的档案数据化编研流程,而具有七大功能模块的档案数据化编研系统功能参考模型,则为更多场景下的档案数据化编研提供了可复用方案。未来在充分的主体协同、齐全的系统架构、完善的标准体系、深度的数据转型和有效的人才培养保障下,档案数据化编研将更好地服务于社会知识生产、传播与服务,为知识社会发展赋能。     

科技政策隐性扩散路径自组织研究

[目的/意义]文章对科技政策隐性扩散路径自组织方法进行研究,挖掘科技政策文本包含深层语义信息,将隐性知识显性化,为科研人员拓展和丰富政策扩散路径研究提供参考。[方法/过程]本文结合科技政策篇章文本的形式语义和内容语义两个方面对政策文本结构化处理和深度挖掘,对政策文本资源全解析,抽取科技政策文本中包含的特征,其中包括概念和关系自动获取与标引技术、网络表示学习,挖掘科技政策文本中的隐含结构信息,利用BiLSTM-CRF模型的深度学习方法实现概念的自动获取和自动标引关系。将得到多篇科技政策文本的概念和关系组成概念关系对的形式,借助于表示学习的方法发现每个节点稠密的向量表示。[结果/结论]通过实验验证,证明了本文借助隐性路径特征的科技政策扩散隐性路径自组织方法的有效性,在一定程度上拓展了政策研究的方法,为科研人员在政策扩散研究上提供了参考。     

上瘾模型视角下图书馆短视频运营策略探究--以抖音为例

文章以国内活跃用户规模最大的抖音平台为例,引入互联网产品设计理论的上瘾模型,参考抖音平台的推荐算法机制,针对当下图书馆短视频运营的现状和问题,提出基于推荐算法和用户知识焦虑的用户触发、把握用户动机同时降低能力门槛、设计以猎物酬赏为主的多变酬赏,以及通过内容价值与运营技巧吸引用户投入等运营策略。     

高校图书馆数字资源配置多目标协同动态评价模型与实证分析

文章在建立数字资源配置多目标协同评价指标体系的基础上,构建了基于灰色关联投影法的资源配置多目标动态评价及障碍因子诊断模型,并以昆明理工大学图书馆2012—2020年数字资源配置的动态变化对模型进行了实证分析。实证表明:研究对象的多目标协同评价水平在研究期内缓慢提升,子目标之间的协调性逐渐增强,重心由内容评价逐渐转向使用评价;内容评价在整个研究区间内处于快速上升状态,系统评价是先快后慢地上升,使用评价是先慢后快地上升,成本与服务评价则一直处于缓慢上升状态;影响资源配置多目标动态评价的障碍因子类别、数目及障碍度都处于动态变化中,历年障碍因子总体上由内容与系统评价向使用与成本评价类因子转变。     

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”。     

全民阅读时代我国公共图书馆建设区域分布态势研究——基于空间计量模型的实证分析

文章基于2010—2018年中国31个省(未包括香港、澳门特别行政区和台湾地区)的面板数据进行探索性分析,并构建空间计量模型以检验公共图书馆机构数、藏书量以及人均占有量在空间分布上存在明显差异。最后,在"全民阅读"国家发展战略指导下,根据我国公共图书馆的空间分布特征,建议从四种维度创设新型公共图书馆。     

从"躺平"和"内卷"的流行透视青年亚文化的情绪表达及审思 ——基于LDA主题模型的分析

“躺平”作为2021年“十大网络热词”之一,引发了大量的关注和讨论。本文以新浪微博中有关“躺平”和“内卷”的内容为研究数据,基于词频统计和LDA主题模型提取主题,从文本特征透视青年亚文化的情绪表达。通过对文本数据进行分析发现,“躺平”的微博内容主要呈现出青年的“躺平原因”“内心情感”“寻求寄托”“享受生活”四个主题;而“内卷”的微博内容主要呈现出青年人视角下“内卷严重”“生活压力”“反抗内卷”“教育内卷”四个主题。“躺平”和“内卷”的话语表达折射出了当代青年人的生活现状和内心情感。对文本内容进行分析之后,本文探析了“躺平”和“内卷”流行的成因以及青年亚文化表征,并对青年亚文化的情绪表达进行思考。