多模态公文的结构知识抽取与组织研究

针对目前基于三元组知识构建的知识图谱结构逻辑性弱、难以形成知识体系的问题, 以公文应用背景为牵引, 提出多模态知识结构要素抽取模型, 构建多模态公文文档数据集GovDoc-CN, 在文本和图像两个模态对文档中包括各级标题、摘要、作者、成文时间、文档编号等在内的知识结构要素进行抽取。设计文档结构树模型对抽取的文档知识结构要素进行组织, 并构建结构化图网络实现文档的组织和管理。实验证明, 相较于单一模态的抽取模型, 多模态知识结构要素抽取模型取得了明显的效果提升, 文档结构树模型和基于文档结构树模型构建的结构化图网络为文档知识的组织与管理提供了一种新途径, 具有重要的应用价值。     

清代广西文学著述初探

清代广西的文学著述不仅数量可观，而且质量也足可称道。著述以诗歌类数量最多，地区分布极不平衡，主要依赖于家刊私刻流传于世，大部分文学著述已在历史的风尘中湮没不存。     

唐代民族文学研究初探

唐代文学是中国古典文学的高峰,唐代民族关系是中国民族史上荣耀的时期,但相比其他时段,唐代民族文学却并没有一种主体性的地位,相关研究也处于极不相称的状态。造成上述问题的原因,一方面在于文学观念的僵化和滞后,而另一个重要原因则在于文学史料的匮乏。就前者而言,解决的一个途径是回到历史语境之中,持一种“了解之同情”来对待唐代的民族文学现象,向着内部开掘;就后者而言,充分运用新史料,开拓民族文学的外围空间,是一种可行的方案。     

新近纳米TiO2研究文献统计分析

目的 研究ISI Web of Knowledge(ISI WOK)数据库和几种专利文献数据库2000年以来收录的与蚋米TiO2(n-TiO2)有关的文献变化,分析文献的主要来源和相关作者.方法 以ISI WOK数据库和几种专利文献数据库为基础,以"nano"And"TiO2 or titanium dioxide"作为主题检索词进行检索统计,并分析其检索结果.结果 ISI WOK数据库共收录与n-TiO2有关的论文2 397篇,它们来自67个圆家的1 500多家机构,其中约1/3机构来自中国(包括台湾地区),而中国机构中有70%是高等学校;被ISI WOK数据库收录论文最多的国家是中国,有1 106篇论文被收录,其次是日本(295篇),美国位于第三(217篇).被ISI WOK数据库收录论文最多的机构是中国科学院(包括所属研究所),有148篇,日本的AIST排名第二(42篇),浙江大学位于第三(40篇).按照学科分类涉及最多的是综合类材料科学(Materials Science,Multidisciplinary),总共有658篇论文,而来自中国的论文有298篇;其次是物理化学(Chemistry,Physical),总共有535篇论文,来自中国的有203篇;应用物理(Physics,Applied)位于第三,345篇论文中有130篇来自中国.来自Free Patents Online数据库、IPEXL数据库、Google专利数据库以及欧洲专利局专利文献数据库GB esp@cenet的检索结果显示,中国n-TiO2专利文献明显多于其他国家.结论 中国n-TiO2研究的论文数量以及专利文献数量明显超过其他国家,而且以中国科学院为主体,知名高校为骨干,众多高枝积极参与的研究团队已经初步形成.     

中国古代图书分类法

战国时诸子对文献的认识及分流别派,是文献分类思想的萌芽。古代文献分类正式出现在西汉,以刘歆所撰《七略》为标志,创立六部分类法。魏郑默制《中经》,开创四分法,《隋书·经籍志》正式确定四部分类法及经、史、子、集的部类名称。南宋郑樵首用十二分法并首创三级分类体例。清代《四库全书总目》采用四分法,表明四分法是中国古代图书分类的主要方法。     

构建地方文献工作体系 促进地方文化发展——以宁波市图书馆为例

以宁波市图书馆近年来开展地方文献工作的实践为例,从构建有效、多渠道的文献征集网络,建立完善的藏书体系,搭建文献资源共享平台,利用地方文献资源,促进地方文化建设发展等措施的实施和取得的成效,阐述了地方文献工作在公共图书馆工作中的重要地位和作用。     

Summarization based on physical features and logical structure of multi documents

With the rapid development of the Internet, multi documents summarization is becoming a very hot research topic. In order to generate a summarization that can effectively characterize the original information from documents, this paper proposes a multi documents summarization approach based on the physical features and logical structure of the document set. This method firstly clusters similar sentences iuto several Logical Topics (LTs), and then orders these topics according to their physical features of multi documents. After that, sentences used for the summarization are extracted from these LTs, and fiually the summarization is generated via certain sorting algoritluns. Our experiments show that the information coverage rate of our method is 8.83 % higher than those methods based solely on logical structures, and 14.31% higher than Top-N method.     

基于双向编码器表示模型和注意力机制的食品安全命名实体识别

针对于目前传统的命名实体识别模型在食品案件纠纷裁判文书领域的准确率不足的问题,在双向长短时记忆网络的基础上提出一种基于双向编码器表示模型(bidirectional encoder representations from transformers,Bert)和注意力机制的命名实体识别模型.模型通过Bert层进行字向量预训练,根据上下文语意生成字向量,字向量序列输入双向长短期记忆网络(bi-directional long short-term memory,BiLSTM)层和Attention层提取语义特征,再通过条件随机场(conditional random field,CRF)层预测并输出字的最优标签序列,最终得到食品案件纠纷裁判文书中的实体.实验表明,该模型在食品纠纷法律文书上面的准确率和F1值分别达到了92.56％和90.25％,准确率相较于目前应用最多的BiLSTM-CRF模型提升了6.76％.Bert-BiL-STM-Attention-CRF模型通过对字向量的预训练,充分结合上下文语意,能够有效克服传统命名实体识别模型丢失字的多义性的问题,提高了食品案件纠纷裁判文书领域命名实体识别的准确率.     

工商档案数码化

阐述重庆市工商行政管理局工商电子档案查询系统的网络设计和实现方案,介绍了电子档案查询软件的基本情况,重点分析了工商档案现状和固有特性,提出了一种切实可行的电子档案生产工艺,并在实际应用中取得满意效果.     

Research of Web documents clustering based on dynamic concept

Conceptual clustering is mainly used for solving the deficiency and incompleteness of domain knowledge. Based on conceptual clustering technology and aiming at theinstitutional framework and characteristic of Web theme informauon, this paper proposes and implements dynamic conceptual clustering algorithm and merging algorithm for Web documents, and also analyses the super performance of the clustering algorithm in efficiency and clustering accuracy.