面向本体的主题图导航定位方法研究

针对主题图导航定位的精确性和有效性问题,提出一种面向本体的主题图导航定位方法.根据主题图的特征关系去实现资源导航定位.因此,首先定义本体关系和相似性计算方法,并通过本体关系分析主题图的匹配融合方法,以及通过RDF、OWL-S、WSDL和XTM间的标签关系去实现导航定位模型;建立一种具有语义的蚁群算法进行优化求解,并与传统的蚁群算法进行比较,结果表明,具有语义的蚁群算法智能性更强.最后定义本体的召回率,用主题图精确度和语义蚁群优化效率评估该模型.结果表明,有效提高了主题图连接资源的精确性.     

长吉图开发开放先导区产业结构拓展及产业链延伸研究

以长吉图为开发开放先导区的中国图们江区域合作开发规划已上升为国家发展战略。通过对东北亚产业资源环境、产业特征、长吉图产业拓展途径等方面进行论证,认为长吉图开发开放先导区的产业结构应符合东北亚区域经济环境,通过长吉图地区主导产业产业链的延伸实现产业拓展,以此使长吉图产业结构适合于区域合作要求,并增强产业竞争力。     

基于主题图的地理空间关系表达与组织

空间关系间的关联性和层次性等非常复杂,为了更好地进行地理空间关系的应用和教学,基于主题图(topic maps,TM)技术归纳整理目前常用的地理空间关系,按照主题图技术规范的要求抽取出主题、关联和资源指引等要素,针对不同的关联关系建立了多种空间关系主题的联系类型,利用Java和Ontopia构建了空间关系主题图,形成了一个统一完整的空间关系知识复杂网络,利用主题图技术实现了地理空间关系的有效管理和检索.     

长吉图开发开放先导区产业结构拓展及产业链延伸研究

以长吉图为开发开放先导区的中国图们江区域合作开发规划已上升为国家发展战略.通过对东北亚产业资源环境、产业特征、长吉图产业拓展途径等方面进行论证,认为长吉图开发开放先导区的产业结构应符合东北亚区域经济环境,通过长吉图地区主导产业产业链的延伸实现产业拓展,以此使长吉图产业结构适合于区域合作要求,并增强产业竞争力.     

基于概念共现图的多文档自动摘要研究

以概念统计为基础,以WordNet为语义资源进行语义消歧和概念归并,提出了一种概念共现图模型并把它应用于多文档自动文摘.该模型利用概念间的共现信息构造概念共现图,抽取多文档集合的主题概念,再根据主题概念构建向量空间模型并计算句子的重要性.由于对概念进行了良好的归纳,该模型能够挖掘蕴涵在文档集中的深层次主题.在DUC2005数据集上评测的结果表明,该方法取得的效果令人满意,可用于实际的应用.     

长白山资源与环境

2009年11月，国家发改委正式发布了《中国图们江区域合作开发规划纲要——以长吉图为开发开放先导区》。为适应长吉图开发开放先导区建设，加快长白山区域的发展，《北华大学学报》（自然科学版）于2010年第1期正式推出了“长白山资源与环境”研究专栏。     

基于主题图的城市信息门户知识导航

主题图(Topic maps,TM)是对互联网上的资源进行语义标定的国际标准.针对城市信息门户,提出基于主题图的知识导航系统,包括信息资源层、知识层、信息导航服务层与应用层.知识层是利用主题图技术建立在大量分布异构的城市信息源之上的抽象层.将导航范围确立在更加精练的知识层上,缩短了导航路由,提高了用户的信息获取量.     

开放学术资源的发展与利用趋势

学术资源的开放与共享发展呈现出类型多样、数量增长快、学术价值和影响力逐步增强、开放程度加大的特点,科研人员对开放学术资源的认可度和使用意愿逐年增强。在此背景下,提供面向真实科研应用场景和需求的开放学术资源语义关联组织服务,是开放学术资源组织利用的趋势。     

精品课程应用障碍剖析及对开放课程资源的启示

自精品课程建设项目启动以来,精品课程的发展数以万计,但很多并未在实践中得到有效的应用,失去本应有的“活力”.继精品课程之后,精品开放课程、徼课、慕课等新一轮开放课程资源接踵走入广大高等教育及远程教育研究者、管理者、教育者和学习者的视野.为避免正在如火如荼的建设及部分已经投入试运行的开放课程资源重蹈覆辙,文章通过文献分析法、实际考察法对阻碍精品课程应用效果的关键因素进行深入剖析,从中获得启示,并从加深应用层次、扩大应用范围两个维度探索促进开放课程资源应用效率的方式方法,以期为新一轮开放课程资源的高效建设与广泛应用提供借鉴,并促进已有精品课程继续发挥作用,服务学习型社会建设.     

大学生利用学术信息资源情况调查与分析

该文通过对大学生学术信息资源利用情况的调查与分析,提出了加强大学生学术信息资源利用的基本策略:加大信息检索课教学环境投入的力度;加强学术信息资源利用基本策略的教学.指出了学术信息资源的主要检索工具是全文数据库、数字图书馆、开放存取、学术搜索引擎、学科主题指南等.     

图书情报领域数据安全发展脉络及热点分析

为进一步拓展我国图书情报领域数据安全研究方向和思路,该文基于Web of Science核心合集,采用发布于1998—2018年期间的图书情报领域的数据安全主题文献,分析文献的引文,整理20年来国际图情领域数据安全主题的研究现状及热点。发现国际图书情报领域对于影响数据安全因素的研究逐步深入,数据开放与数据安全保护政策协同发展趋势明显。     

主题图本体技术构建公安情报概念知识库研究

公安情报的概念伴随着社会的发展进步在不断充实和完善,构建公安情报概念知识库是分析和把握当前公安情报规律和本质的基础性理论研究。引入情报学中主题图本体技术,充分发挥本体构建概念体系、概念关联和标引资源出处的信息组织优势构建公安情报概念知识库。探讨主题图本体技术构建公安情报概念知识库的一般方法,为整体概念知识库的构建奠定基础。     

图神经网络技术研究综述

近年来，深度学习已成功应用于图像处理、自然语言理解等领域，在图像、语音、文本等形式的数据上获得较好效果。但深度学习一直无法很好地对于图形式的非结构化数据进行有效的适配。而作为一类主要用于描述关系的通用数据表示方法，图数据在产业界有着更加广阔的应用场景，例如社交网络、电子购物、物联网、生物制药等场景中数据多以图的形式出现。于是，将深度学习技术迁移到图数据处理的图神经网络技术于2005年被提出，并且受到了非常广泛的关注。本文对图神经网络技术进行综述，首先梳理了图神经网络相关的背景知识，介绍了四个主要的图神经网络模型原理、主要应用领域以及开放资源，最后分析了图神经网络面临的主要问题。     

图神经网络技术研究综述

近年来，深度学习已成功应用于图像处理、自然语言理解等领域，在图像、语音、文本等形式的数据上获得较好效果。但深度学习一直无法很好地对于图形式的非结构化数据进行有效的适配。而作为一类主要用于描述关系的通用数据表示方法，图数据在产业界有着更加广阔的应用场景，例如社交网络、电子购物、物联网、生物制药等场景中数据多以图的形式出现。于是，将深度学习技术迁移到图数据处理的图神经网络技术于2005年被提出，并且受到了非常广泛的关注。本文对图神经网络技术进行综述，首先梳理了图神经网络相关的背景知识，介绍了四个主要的图神经网络模型原理、主要应用领域以及开放资源，最后分析了图神经网络面临的主要问题。     

ABox推理计算实体相似度

针对主题图本体映射中主题上下文语义不易确定,缺少分类信息,但有明确的结构语义特征的特点,提出了A-Sim主题图本体映射算法。首先对主题图中的主题进行分类,利用描述逻辑语言ALCIR+的表达能力,根据主题属性及关联关系建立各种能表达上下文语义信息的概念术语集,将主题图本体转换为断言集合;其次在断言集合上进行多项式复杂度实例检测,记录模型构造过程中的个体,获得主题的上下文语义;最后将上下文语义结合元素级概念相似度算法计算实体综合相似度,获得异构主题图实体间的实体映射关系。通过对主题图进行相似度计算实验,结果证明新算法对主题图实体相似度计算综合性能至少提升了14%。     

基于主题分析的网络信息资源聚焦服务方法

聚焦服务是解决网络中海量信息资源的个性化精确服务的主要途径之一.给出了一种基于主题分析的信息聚焦服务方法,将用户兴趣度与文档分类技术结合起来,提出了改进的TF-IDF-IM算法,并构建了主题树与主题关系图,为实现精确的信息聚焦服务提供了有效的途径.     

一种并行的网格资源协同分配方法

针对网格系统中资源协同分配的实时性问题,分析了现有的基于有向无环图的资源映射方法,提出了一种并行资源协同分配算法.该算法采用有向无环图表示每个应用,然后,将所得到的这些图合并成一个有向无环图并对其进行分层,最后,对每层中应用任务的资源分配问题并行处理.分析表明,该并行资源协同分配算法降低了系统中资源调度时间,提高了资源分配的效率,从而能够满足系统实时性要求.     

基于组件的3层结构在图书管理系统中的应用

针对用户对图书资源进行有效利用和管理的功能需求，采用统一建模语言(UML：Unified Modeling Language)对图书资源进行面向对象的描述，建起了图书管理的面向对象模型。并且采用基于组件的3层系统结构，设计了系统的两个主题层：图书管理及查询层和图书流通层的组件结构。实际应用结果表明，在COM 环境下图书管理系统的总体构架图是合理、正确的。     

主题地图标准及其应用研究

主题地图是描述知识结构、知识与信息资源之间联系的元数据标准。为了实现更有效的信息查找和知识管理,本文介绍了主题地图元数据模型,详述了主题地图的核心概念,探讨了主题地图的主要应用,概述了其软件开发的关键技术,并给出应用实现模型和一个具体应用的实现。     

正则图研究热点与周期演变的知识图谱分析

从Web of Science核心合集获取正则图研究全部期刊的文献数据,借助科学知识图谱绘制正则图研究2008-2022年的全时段高频关键词共现图谱,以及分时段高频关键词共现图谱(以每三年为一个时段)。通过比较全时段和分时段高频关键词的周期演变,识别正则图的整体研究概况与热点,以及各周期的研究热点及变化规律。结果显示：（1）正则图2008-2022年的四大研究热点为：正则图的参数与相关性质、正则图的特殊图类、正则图的应用、正则图的代数刻画;（2）在正则图的热点研究主题中,强正则图、距离正则图、复杂网络与算法等各周期稳定且变化极少;（3）从2011年开始,正则图热点主题数量显著增多,出现了线性码、深度学习、机器学习等研究主题。