NFCNNC:一种新的模糊竞争神经网络聚类模型及其在文本聚类中的应用

提出了一种新的模糊竞争神经网络聚类模型NFCNNC,并将其应用到文本聚类中。NFCNNC将模糊中心聚类(FCC)算法得到的模糊聚类中心向量作为神经网络的权值,通过比较隶属度值得到获胜神经元。网络中仅两个神经元同时调节权值。隶属度值最大的神经元以较大的学习率调整权值,隶属度次大的神经元以较小的学习率调整权值,其他神经元权值不变。按照FCC算法调整模糊聚类中心向量值(即权值)和神经元的隶属度,当网络稳定时,即可确定聚类数。与传统模糊神经网络模型相比,本文的模糊神经网络模型具有结构简单、运行效率高、聚类精度高的优点,同时克服了传统算法需预先指定聚类数的局限性。通过对文本聚类的实验验证,本算法取得了良好的效果。     

基于文献的知识发现的应用进展研究

本文在对共词分析、共引分析理论、Swanson理论以及文本挖掘理论应用进展进行系统研究的基础上,将分别基于上述理论的基于相关文献发现、基于非相关文献发现和基于全文献发现统一整合于“基于文献知识发现”之下,构建起完整的基于文献知识发现的方法与应用研究体系,同时分析了其应用前景。     

图书馆知识管理的多态性分析

传统图书馆知识管理使知识的传播和扩散半径极大地受制于图书馆的物理辐射半径,制约了知识的创新速度。通过对知识管理多态性的分析,本文提出了若干基于知识管理的改进方法,使之顺应了信息时代知识创新的发展要求。最后,文章展望了信息时代图书馆知识管理的发展趋势。     

基于User-Ontology的图书馆用户数据挖掘研究

鉴于目前图书馆用户数据挖掘精度与效率不高的问题，本文提出一种基于User—Ontology（用户本体）的图书馆用户数据挖掘的研究思路，从而在语义层面上实现对用户数据的挖掘。文章首先分析了图书馆现有用户数据挖掘中存在的主要不足，其次介绍了目前国内外不同领域用户本体的研究与构建情况，最后在构建图书馆通用用户本体的基础上，提出了基于用户本体的图书馆用户数据挖掘系统的优势、总体框架与功能构成。     

共现分析在知识服务中的应用研究

在论证共现分析内涵、方法论和流程的基础上，探索研究共现分析在知识服务方面的应用，具体阐述共现分析在构建概念空间和Ontology实现语义检索、改进知识组织中文本分类效果、分析文献中知识内容关联、挖掘知识价值的应用。     

版本学浅说

阐述了版本学的定义及其研究对象与范围,概述了古籍善本的划分标准与历代版刻的基本特征和鉴定版本的方法。     

基于概率神经网络的文本自动分类研究

本文提出了将一种径向基网络的重要变形———概率神经网络应用于文本自动分类的研究 ,与常用的K 最邻近法相比 ,具有一定的优势 ,特别是在训练集中各类的训练样本数很不平衡时 ;与BP等其他神经网络相比 ,其特点是需调节的参数少 ,不需确定隐层数、隐层中的神经元数量等网络结构 ,比较容易使用。此外 ,从研究中的不同特征选择的评价函数来看 ,它们对分类有一定的影响 ,应用X2 统计进行特征选择的分类正确率最高 ,其次是文本证据权 ,而期望交叉熵的效果最差 ,说明特征选择在文本自动分类中也是非常重要的。     

根据用户的浏览行为确定网页页面等级的方法

本文分析了用户的浏览行为特征。根据用户在页面中的滞留时间和用户对页面中的超文本链的点击情况 ,建立了计算页面等级的综合法 ,并建立了相应的数学模型     

利用引文索引数据挖掘学科交叉信息

本文主要讨论如何利用数据挖掘方法对引文索引数据进行分析 ,以获取有关学科交叉的信息 ,并对 2 0 0 0年度CSSCI的引文数据进行具体分析 ,获得一些有意义的结果     

试论多媒体信息检索的发展

文章通过对文本信息检索语言发展的分析，得出检索语言发展的一般规律，由此对多媒体信息检索语言的发展做出回顾和总结，同时对于多媒体信息检索语言的前景进行了展望。