中文自动问答中旬子相似度计算研究

句子相似度计算是自动问答系统的重要理论基础和关键实现技术.目前,用于中文自动问答系统的句子相似度计算方法很多,由于缺乏系统的分析,给研究人员带来了较大的不便.依据所利用的特征信息,可以将这些方法分为四类,即基于关键词信息、基于语义信息、基于句法结构信息以及基于多重信息.通过对各类方法实验结果的比较,指出各自的优势和不足.同时指出,基于多重信息的方法是当前的主流方法,实现不同特征信息的最佳权重分配是该类方法今后的研究重点.另外,还提出一个有关相似度概念认识上的看法,即对于中文自动问答系统,实质上依据的是句子的相关度,而不是句子的相似度.通过本文的研究,旨在为中文自动问答领域的句子相似度计算研究提供一定的参考.     

基于递归概念图的文本检索模型研究

Sowa在1984年提出了一个抽象模型,即概念图,作为基于语言学、心理学和哲学的知识表示语言.但是其概念图的定义比较简单,对于刻画文本中的语言组块的语义及语言单元之间的组合运算比较困难.为了能从形式上为将来的组块内部和组块之间的组合分析提供支持,深化概念图的表示形式,我们提出了一种适用于自然语言自动化分析的概念图的形式化描述,它可以看成是Sowa 概念图的递归扩展.然后我们将这种新颖的知识表示方式应用到文本检索领域的文本标引中,同时给出了以此为基础的概念图匹配算法.在和布尔检索的比较实验中,概念检索体现出比较明显的优势.     

科研协同信息空间Research Commons的服务现状分析和功能扩展

科研协同信息空间Research Commons可以看作是Information Commons的延伸,或者是IC的另一种形式,其核心功能是通过图书馆提供的资源和服务来促进科学交流与科研合作.综合分析国内外已经开展的RC虚拟网络平台和实体物理空间的服务功能,重点研究RC虚拟网络平台四种主要形式--机构知识库、科研过程协助、主题资源共享和科研数据共享,进一步对RC的现有服务功能进行扩展,提出由科研人员交流平台、图书馆员服务平台、相关信息发布平台和用户需求互动平台组成的RC服务平台.     

国外IR理论研究与实践进展

分析国外学者在机构知识概念、特点与功能、服务模式以及技术探讨与图书馆员在IR管理中角色定位等方面的研究,综述IR建设面临的挑战,并介绍国外IR的发展概况,最后提出未来IR理论研究与实践中亟需解决的重点问题.     

完善知识管理理论 构建知识共享系统

知识共享是知识管理的一个重要组成部分.本文从知识管理的概念入手,指出了知识共享在知识管理中的重要性和特殊地位,分析了企业中进行知识共享存在的障碍与不利因素,从建立知识共享技术支撑体系、构建知识共享组织结构、营造知识共享文化、完善知识共享激励机制等方面深入探讨了如何提高企业知识共享程度,加强企业竞争力.     

文化共享工程版权使用方式的比较研究

全国文化信息资源共享工程集版权作品的传播者、使用者和创作者于一体,本文通过比较合理使用、法定许可、版权补偿金制度、交叉许可模式、授权要约模式、集体管理制度等几种版权使用方式对共享工程的适用性,为适应海量授权,认为文化共享共程应该要坚持多种模式并举.     

利用元数据整合政务信息资源

社会的不断进步使人们对信息的利用逐渐增多,对信息的要求也在不断提高,如何保证政务信息资源的有效管理、实现政府各部门之间共享信息成为迫切需要解决的问题。政务信息资源整合是实现电子政务的核心内容,政务信息资源开发利用的层次决定电子政务的发展,如何有效利用信息资源为电子政务服务,充分发挥政务信息资源价值是一项需要研究和实践的核心问题。     

深化区域信息合作与共享助推环渤海经济和谐发展——“2008年环渤海区域信息合作联席会全体理事会议”在大连召开

"2008年环渤海区域信息合作联席会全体理事会议"于6月19-20日在大连召开.大连市信产局党委书记崔亚平、环渤海地区经济联合市长联席会办公室副主任邢治华等有关部门领导出席会议并讲话,国家信息中心副主任沈大风发来了贺词.     

基于语义的半结构化P2P网络

如何利用具有本体标注的结构化文档中的语义信息组织P2P网络,提供对基于语义的信息共享与查询的P2P网络支持,是当前P2P网络的研究热点之一.本文提出采用Peer所存储文档中的加权本体概念向量作为Peer的特征向量,通过相似度计算将Peer聚成Peer组,从而构造基于语义的半结构化P2P网络.用户的查询请求由各Peer组内的组服务器负责路由转发,组服务器计算查询请求与各路由表项之间的相似度,将查询向最有可能包含查询目标的Peer组转发.文中较全面地阐述了本体概念局部和全局权重的计算方法.由于P2P网络拓扑的建立过程和查询路由过程均基于语义信息,使得网络的各项性能与基于关键字处理的P2P网络相比,得到了较大的提高.     

文本分类中粗分类数据噪声修正的网络算法

在文本分类的实际应用中经常使用粗略分类的数据来训练分类器,但是这种数据中经常会包含类别标记有误的数据,这些数据对文本分类结果的精度会造成不良影响。本文针对这个问题提出了一种噪声修正算法,首先建立文档关联网络,把文档上标记的类别作为在网络上划分的集团结构,并用模块度衡量集团结构的质量,通过优化模块度指标把噪声数据调整到合适的类别中,从而提高数据质量。实验结果表明,本文所提算法能够有效修正粗分类数据中的噪声,且有较高的有效性和鲁棒性。该算法可以用于文本分类训练数据的预处理,或作为辅助技术用于文献库建设等工作。