Summarizing Similarities and Differences Among Related Documents

In many modern information retrieval applications, a common problem which arises is the existence of multiple documents covering similar information, as in the case of multiple news stories about an event or a sequence of events. A particular challenge for text summarization is to be able to summarize the similarities and differences in information content among these documents. The approach described here exploits the results of recent progress in information extraction to represent salient units of text and their relationships. By exploiting meaningful relations between units based on an analysis of text cohesion and the context in which the comparison is desired, the summarizer can pinpoint similarities and differences, and align text segments. In evaluation experiments, these techniques for exploiting cohesion relations result in summaries which (i) help users more quickly complete a retrieval task (ii) result in improved alignment accuracy over baselines, and (iii) improve identification of topic-relevant similarities and differences.     

局部文本特征选取算法的比较和改进研究

本文通过实验比较了互信息、χ2统计算法和优势率三种算法在用于局部文本特征选取时对文本分类性能的影响.实验结果显示,在应用于局部特征选择的情况下,文本特征选取算法仍然可以将特征空间的维度降低90%以上,而不降低文本分类的性能.同时,我们发现在应用于局部文本特征选取时,优势率算法的性能不如互信息和χ2统计算法.另外,对于K最近邻分类算法,随着K值的增大,文本分类的查准率在增加,而查全率在降低.最后,本文详细分析了造成这三种算法性能差异的原因,并提出了一种改进算法,来提高优势率算法应用于局部文本特征选取时的性能.     

注意分配与动作技术完成质量的研究

通过分析技术动作的构成以及注意分配与各注意品质的关系，研究了完成体育技术动作过程中的注意分配。结果表明，注意分配是完成技术动作过程中不可缺少的一种注意品质；提高运动员的注意分配能力对完成动作的协调性、节奏性以及加快反应都有着重要的作用。     

核心素养视角下我国学校体育政策及特征研究——基于2014年以来的11份政策文本量化分析

利用三类型政策分析工具，采用文献资料法、内容分析法对2014年以来我国11份学校体育政策文件中学生核心素养发展的相关条目进行归类和分析。研究结果表明，我国学校体育政策在学生核心素养培育中更倾向于使用供给面和环境面政策工具，对需求面政策工具使用不足，三种类型政策工具结构上的失衡和次级政策工具的使用不当影响了学校体育政策推动学生核心素养发展的整体效果，具体表现为政策体系中缺乏对学生核心素养发展的整体统筹和细节安排，对指向问题解决的情境构建、学以致用的创新实践、个体发展的健康生活能力等核心素养培育的关键环节政策干预不足；建议进一步优化政策工具的使用结构，完善核心素养在学校体育政策中的统筹改进与细节落实，使之与政策工具形成有效匹配。     

美国政府开放数据个人隐私保护政策及对我国的启示——基于52个政策文本的内容分析

[目的/意义]个人隐私保护是政府开放数据过程中的关键环节,通过对美国政府开放数据实践中的个人隐私保护政策梳理,为我国开放政府数据中的个人隐私保护提供一定的参考借鉴.[方法/过程]通过对美国政府开放数据相关政策文本的收集,运用NVivo文本分析工具,对政策文本进行内容编码分析,梳理美国政府开放数据隐私保护框架,以期获得有...     

探析自动索引原理

文章试图对自动索引的方法作一些探讨。首先介绍了自动索引的五种理论模型和六种自动标引方法，随后探讨了自动索引中不可或缺的两个对象——全文索引和数据库索引的原理。     

基于深度学习的中文专利自动分类方法研究

[目的/意义]面向当前国内专利审查和专利情报分析工作中对于海量专利分类的客观需求,设计了7种基于深度学习的专利自动分类方法,对比各种方法的分类效果,从而助力专利分类效率和效果的提升。[方法/过程]针对传统机器学习方法存在的缺陷,基于Word2Vec、CNN、RNN、Attention机制等深度学习技术,考虑专利文本语序特征、上下文特征以及分类关键特征,设计Word2Vec+TextCNN、Word2Vec+GRU、Word2Vec+BiGRU、Word2Vec+BiGRU+TextCNN等7种深度学习模型,以中国专利为例,选取IPC主分类号的"部"作为分类依据,对比这7种模型与3种传统分类模型在中文专利分类任务中的效果。[结果/结论]实证研究效果显示,采用考虑语序特征、上下文特征及强化关键特征的深度学习方法进行中文专利分类具有更优的分类效果。     

方志物产挖掘及系统构建

本文首先根据方志文献的行文特征,设计一个统一规范的方志文献文档处理格式,用于文本文档的预处理.本文建立方志全文数据库,并基于数据库构建一个物产挖掘系统,进行物产信息挖掘,方法如下:通过抽取数据库正名字段内容识别物产正名,通过模式识别方法识别物产异名别称.最后建立包含物产正名和异名别称的物产标引词典,对全部物产文献进行标引,从而挖掘出物产名称.经测试,异名别称的识准率为71.6%,识全率为88.6%,表明系统是可行的.     

基于主题模型的科技报告文档聚类方法研究

[目的/意义]探索实践以科技报告为文献载体形式的融合主题模型的文本聚类方法,拓展基于科技文献进行技术监测服务的新领域,提出基于科技报告进行语义分析的新方法。[方法/过程]以国家科技报告服务系统中的科技报告为数据源,首先基于LDA主题模型对经过文本预处理的科技报告进行主题挖掘,再基于Ward与K-means相结合的聚类算法对包含主题分布信息的文本向量进行聚类分析,尝试提出一种适合科技报告文档聚类的文本挖掘新方法。[结果/结论]实验结果表明,LDA主题模型能有效准确挖掘科技报告中的主题信息,所提出的Ward与K-means相结合的聚类算法对科技报告的聚类效果也优于其它传统聚类算法。     

基于文本情感分类的网络推手识别

网络推手识别研究在净化网络环境、监测网络舆论导向等领域有广阔的发展前景。采用文本情感倾向分析方法进行网络推手识别,通过分析信息发布者的情感倾向,统计正面情感信息与负面情感信息的比重,确定该信息发布者是否是网络推手。重点讨论信息抽取及情感分类相关技术的实现,并验证方法的可行性。