排序方式： 共有5条查询结果，搜索用时 93 毫秒
1
1.
在现有的裁判文书检索系统上,非专业领域的用户检索具有局限性。目前,法律领域的智能检索仅在基于裁判文书的法律条文的推荐和分类上开展了研究,缺乏对裁判文书自动推荐的相关研究,因此,本文提出了一种利用类新闻的事实性文本智能推荐裁判文书的方法,结合目前的研究工作,总结裁判文书的结构和内容特征,利用类新闻的事实性文本模拟非法律专业用户的检索查询式,构建含有结构内容特征的裁判文书语料库,并自动推荐相关裁判文书文档。结果显示,利用裁判文书的法院意见结构内容特征,对新闻语料进行特征词表示之后,LambdaMART模型在文本匹配结果上表现良好,优于传统的全文检索技术。 相似文献
2.
[目的/意义]情报学教育在大数据和人工智能的影响下,面临着新的机遇与挑战。高校情报学教育人才的培养主要依靠课程的设置,合理的课程设置和人才培养目标是实现新时代高端情报人才培养的关键。[方法/过程]文章以问卷调查为基础,通过获取国内情报学教育者对情报学教育体系中课程设置和人才培养的认识,真实地分析我国情报学教育体系的现状以及未来情报学教育体系调整的方向。[结果/结论]当前情报学教育体系并不能很好地适应时代发展的要求,应当紧密结合数据科学学科内容,增设大数据和人工智能相关课程,调整情报学人才培养目标,面向高端情报人才培养构建合理可靠的情报学教育体系。 相似文献
3.
[目的/意义]为了帮助情报学学科背景的就业人员掌握市场对情报学人才的具体需要,为情报学的教育者拟定情报学的教育体系和人才培养的目标提供指导。[方法/过程]采集国内各大招聘网站情报学相关职位招聘公告,构建情报学招聘语料库,基于CRF机器学习模型和Bi-LSTM-CRF、BERT、BERT-Bi-LSTM-CRF深度学习模型,从语料库中抽取5类情报学招聘实体进行挖掘分析。[结果/结论]通过在已有2000篇经过标注的职位招聘公告语料库上开展情报学招聘实体自动抽取对比实验,识别效果最佳的CRF模型的整体F值为85.07%,其中对"专业要求"实体的识别F值达到了91.67%。BERT模型在"专业要求"实体识别任务中更是取得了92.10%的F值。使用CRF模型对全部符合要求的5287篇招聘公告进行实体抽取,构建了情报学招聘实体社会网络,并通过信息计量分析与社会网络分析的方式挖掘隐含知识。 相似文献
4.
[目的/意义]情报学作为信息科学群的一个分支学科,在大数据时代呈现出更高的职责要求,iSchool这一高校信息学院联盟培养符合新时代需求的信息领域人才。[方法/过程]为探索情报学学科的教学模式和特点,文章以iSchool培养计划为研究对象,分别基于Bi-LSTM-CRF和BERT深度学习方法,构建能力和研究领域的自动抽取模型,挖掘其中情报学科教学信息。在模型的基础上,完成iSchool培养计划的知识挖掘,统计iSchool院校对学生的能力要求以及主要的研究领域,并按照iSchool等级进行系统和深入的统计分析。[结果/结论]在上述分析的基础上,发现和总结当前情报学教育的发展态势,为我国情报学教育体系设计提供切实可行的建议。 相似文献
1