大型国有电网企业用户情报需求的情景偏好研究

情景偏好是计算科学与社会科学目前普遍关注的问题。文章通过对南方电网公司的调查研究,对南方电网用户的情报需求情景偏好进行了归纳、比较,整理了南方电网用户在不同情景下的情报需求程度,发现了用户的情景偏好,认为该公司在今后开展的情报服务工作中,需更关注用户在获取情报时的情景因素,从而提供更高质量的情报服务。     

档案网站用户需求调查报告

用户需求是档案网站开展档案信息服务的前提和依据。通过对河南省部分档案网站用户的问卷调查,在数据分析的基础上总结用户对档案网站的实际利用效果、新的需求特点以及用户对档案网站信息服务的期望等。同时指出我国档案网站应根据用户需求的特点有针对性地采取相应措施,从资源、检索功能、与用户互动和用户教育等方面提高档案网站的服务能力和水平。     

基于学生偏好的多属性决策购书模型

高校图书馆的职能是为高校师生科研、教学提供有效信息,因此,在购书种类选择上,如何择优选出满足师生需求的书籍就成为购书最重要的环节。文章以学生为主体,根据学生对图书的主观偏好及其对图书各属性的评价信息,引入对方案的偏好信息为效用值的多属性决策情形,建立优化模型,对备选待购的图书进行择优排序,最大化地满足学生需求。     

试述大事记编写中史料的收集与鉴别

正大事记是一种按照时间顺序记载一定范围内发生的重大事件和重要活动的参考资料。编写大事记,要占有大量可靠、确凿的历史资料。但这些资料并非信手拈来,需要通过各种渠道的方式进行收集及鉴别。现就大事记编写中史料的收集与鉴别作一探讨。一、大事记史料收集的方法收集大事记史料可重点从以下几方面着手:1、党政领导机关的简报、快报、要闻摘报、动态等。2、利用已出版的有关该题目的书籍或报刊,获知有关材料的大致所在。借此与检索工具所得情况比较,     

图书馆图书供应商选择的定量方法

针对图书供应商选择问题的特点,为其提出一种多属性群决策方法.基于决策者给出的每个被评价属性下各图书供应商的序数偏好信息(即优劣次序),对决策者加权,利用逼近理想解法集结个体序数偏好,求得对决策群体而言每个属性下的供应商优劣次序.对属性加权,利用0-1规划求得各供应商的最终综合优劣次序,并以一个实例说明该方法的应用.     

基于XML WEB SERVICE的数字图书馆统一检索技术研究

分析了数字图书馆统一检索需要解决的核心问题,讨论了如何利用XML和WEB SERVICE对问题的解决方案,提出了基于XMLWEBSERVICE数字图书馆统一检索的总体模型,最后给出实例,介绍如何利用该模型建立统一检索系统.     

基于主题图的数字图书馆英汉跨语言检索模型

数字图书馆海量信息的多语种问题,成为人们获取信息资源的一大障碍,而当前的跨语言检索系统普遍存在翻译准确性差、效率低、成本高等不足.主题图作为一种可合并的索引,在知识表示、知识描述、资源定位、语境等方面的优势,可为翻译提供充实的上下文信息.本文正是针对跨语言检索的上述问题,在深入分析主题图技术的基础上,提出一种新的基于主题图的数字图书馆英汉跨语言检索模型.该模型采用索引翻译的策略,实现跨语言检索的目的.其最大的优点是在提高翻译准确性的同时,降低了翻译的工作量和成本.     

转移支付对县级公共支出的影响:以江西为例

通过对江西省2005年分县数据的定量研究发现,财政收入越高的县,对教育投入越多.财力性转移支付对教育支出和行政管理费的影响非常显著,尽管它没有显著改变县本级财政对教育和行政管理费的投入,但它自身却被更多地用于行政管理费,而不是教育,说明县级政府还是更偏好优先满足自身消费,维持政府机构的运转仍然是政府支出的首要选择.     

常见10种古籍全文数据库的比较研究

文章通过网络和文献调研,选取10种常见古籍全文数据库作为研究对象,从数据库的基本情况、检索方式、检索字段和检索结果处理等方面比较分析各自的功能,然后借助图文型古籍库的全文检索功能,选取8个检索主题词进行检索实证研究,计算5种图文型古籍库相互之间的资源重合率,总结各个数据库的差异,为图书馆资源采购者、古籍研究者提供采购和使用参考,为数字出版商提出数据库改进建议。     

MGTL-SAE精细特征学习的图像资源快速检索

[目的/意义]数字图书馆图像资源检索服务需要准确和快速的响应。针对现有深度学习图像检索方法存在特征不够精细和检索速度慢等问题,提出了多组双层稀疏自动编码器(Multi-Group-Two-Layer Sparse Auto-Encoder,MGTL-SAE)精细特征图像资源快速检索方法。[方法/过程]首先,GoogLeNet预处理模型提取图像资源深度学习特征作为初始特征,并用密度峰值聚类算法划分初始特征集。其次,依据聚类类别数构建MGTL-SAE网络结构,聚类划分图像子集中随机抽取图像块初始化MGTL-SAE的均值和方差参数,梯度下降法估计MGTL-SAE网络参数以学习特征直到目标函数收敛,迭代密度峰值聚类和MGTL-SAE参数估计以计算精细特征直到特征基收敛。最后,在图像资源精细特征密度峰值聚类划分子集上快速检索查询样本图像。[结果/结论]实验结果表明,MGTL-SAE方法相较于CaffeNet和GoogLeNet等深度学习检索方法具有更高查准率、查全率和平均mAP,更快检索速度,为数字图书馆图像资源检索研究提供了新视角。