共查询到20条相似文献,搜索用时 156 毫秒
1.
微机辅助文献标引系统的设计与研究 3. 自动标引研究 总被引:2,自引:0,他引:2
在微机辅助文献标引系统中引入了自动标引方法, 进一步提高了标引的速度和质量。自动标引的基本思想是: 以机内主题词典为依据, 采用遍历扫描和相似性匹配两种方法, 从标题和文摘中抽词, 本文介绍了这一自动标引技术, 并对自动标引的结果进行了分析和讨论。 相似文献
2.
自动标引研究的回顾与展望* 总被引:3,自引:0,他引:3
章成志 《现代图书情报技术》2007,2(11):33-39
对自动标引的研究进行总结与回顾。对标引对象进行界定;分析自动标引研究的3个阶段,并列出50年研究历程中的代表性方法;详细描述自动标引研究路线图、并对抽词标引与赋词标引方法进行详细分类;最后指出自动标引中存在的问题,并对今后的自动标引研究和应用方向进行展望。 相似文献
3.
本文分析了网络环境下档案主题自动标引的可行性,并对网络环境下档案主题自动标引的实现方法作了初步探讨. 相似文献
4.
5.
6.
7.
8.
计算机时代档案的主题标引方法探析 总被引:1,自引:0,他引:1
在档案信息存贮过程中 ,对档案文件进行主题分析后给予其反映主题概念的检索标识的过程 ,称为档案的标引。沟通档案标引与检索两过程的桥梁是档案检索语言。通常 ,档案的标引工作由手工完成 ,常见的档案检索语言即档案手工受控标引的工具有《中国档案分类表》《中国档案主题词表》等。对档案文件进行主题分析后 ,依据主题法给予其主题标识的过程称为档案的主题标引 ;依据《分类法》给予其分类标识的过程称为档案的分类标引。档案主题标识的选择过程及主题检索过程比较适宜于计算机自动完成 ,所以计算机时代分析研究较多的是档案的主题标引。… 相似文献
9.
10.
11.
12.
[目的/意义] 提出网络舆情场内观点簇丛的情感极化度测算方法,为量化舆情受众情感态势和识别极化群体提供依据。[方法/过程] 首先明确舆情受众情感极化的条件,再通过设置条件阈值筛选出满足条件的观点簇丛,在此基础上引入3个极化指标(受众吸引率、极端受众增长率、极化情感增长率)描述观点簇丛在测度时间窗口内的情感发酵程度。最后利用平滑权值,对观点簇丛在不同测度阶段的情感表现进行加权综合,得出其整体情感极化程度值。[结果/结论] 观点簇丛在每个时间窗口的情感表现能为阶段性的舆情受众情感极化干预提供判断依据,而综合的情感极化度有助于准确识别场域内的敏感话题及群体,便于网络舆情的精准管控。 相似文献
13.
5G商用翩然将至,其高速率、高带宽和低延时的特性为新闻传播领域的变革提供强大动力。新的时代机遇使舆情监测和舆论引导也出现了新的现象,产生了新的问题。具体来说:由于技术保障提升,舆情事件进一步朝着全时段、即时性发展,这将进一步促动情绪传播的问题凸显。而V R、A R以及高清视频在进一步巩固人们的媒介化生存同时,也为舆情表达和监测提供了新的手段。技术在改造时空感受的同时,也使舆情发酵呈现出累计和对冲、衍生等多样式的动态变化。面临这些新的机遇和挑战,梳理新的媒介素养观念,强化对公众情绪控制和情绪合理表达的涵养教育;平衡算法与价值、个人需求与公共利益;坚持党管媒体都是5 G时代加强舆论引导和社会管理的重要抓手。 相似文献
14.
融合主题与情感特征的突发事件微博舆情演化分析 总被引:1,自引:0,他引:1
[目的/意义]微博是突发事件网络舆情传播的重要媒介。面向突发事件的微博主题和情感挖掘对掌握突发事件的网络舆情、识别与预测潜在问题及风险等方面具有重要的实践意义。尝试提出一种融合主题与情感特征的突发事件微博舆情演化分析方法。[方法/过程]以寨卡事件为例,通过划分微博舆情演化的生命周期,基于word2vec技术分别提取该事件生命周期各阶段的微博主题,采用基于词典的情感分析方法,引入情感词、表情符号等多情绪源,对不同主题下的评论情感做细粒度划分,并计算情感强度,最终实现微博主题与情感的协同分析。[结果/结论]所提出的微博舆情演化分析方法能够揭示面向特定事件的微博在突发事件生命周期各阶段的主题特征、情感类型与强度,剖析网络舆情主题与情感特征的协同演化规律。 相似文献
15.
[目的/意义] 量化展现网络舆情信息受众之间的观点认知距离与情感归属,澄清其情感倾向性的形成脉络,为科学应对群体性突发事件提供思路。[方法/过程] 切分舆情事项子话题,通过情感本体计算受众观点的极性强度,构建2-模的受众-关注焦点隶属矩阵和1-模的受众关系矩阵,并采用复杂网络可视化图谱对受众认知距离进行可视化展示,从网络舆情场的视角下阐述受众观点的互斥与耦合机制,描述受众情感倾向的形成脉络。[结果/结论] 对受众整体认知网络中不同类型的受众加以区分,揭示真实情景中的网络舆情场力的作用特点,为舆情受众情感疏导工作提供实践出发点。 相似文献
16.
[目的/意义]情感维度是网络舆情信息预警级别的评定信号,其影响要素关联模型的构建能够较为清晰地描述各要素间及其与大数据网络舆情环境之间的错综复杂关系,从而为深入探讨大数据网络舆情信息的情感发展规律提供参考。[方法/过程]根据情感维度理论,从情感的种类、情感的转换、情感的唤起3个维度建构大数据网络环境下舆情信息情感维度要素关联模型。[结果/结论]实证分析结果表明:大数据舆情信息情感维度模型中舆情信息的情感级别与情感反应、情感焦点维度之间存在显著相关;情感指向与其他维度之间存在弱相关;情感维度模型中没有完全无关的要素。 相似文献
17.
18.
19.
20.