关键词： 数字化信息资源   信息资源库   信息检索技术   数据检索   仿真动画   知识挖掘   关联技术   装备制造业  

摘要： 该成果将数字版权管理(DRM)、装备制造业信息资源库的内容管理、信息检索技术和电子商务工具整合为一体的无缝的数字化信息资源平台,实现装备制造业基础信息资源库的优质数字内容的安全发布和销售收益。通过建立文字、图表、标准规范、2D和3D图形、音像视频、仿真动画、实验测试等跨媒体形态的装备制造业信息资源数字内容类型定义,对装备制造业信息知识挖掘形成有序的并且关联的各类知识进行存储和管理,分类梳理出服务于装备制造业所需的基础知识资源库、聚集知识资源库、知识应用案例库、深度知识资源库、产品电子样本库等为核心的复合数字内容,利用数据检索与关联技术进行整合,以最适合的形式来表现相关的内容,为装备制造业企业和用户提供不同力度的、多种层次的、优质丰富的数字资源。

关键词： 学科综合   文献信息检索   色谱学   分析仪器   知识储备   分析化学   个人职业生涯   吸取精华  

摘要： 气相分析方法开发的十二个步骤//方法开发是个复杂而又神秘的工程,往往需要扎实的理论知识储备,但同时也少不了经验的积累;对于方法开发,需要我们从多学科出发,分析仪器学、色谱学、药学、有机化学、分析化学等学科综合,也需要我们熟练掌握文献信息检索,从中吸取精华,同时不断去试错,下面就把我个人职业生涯的经验进行总结提炼,供同行一起学习探讨。

关键词： 体育课程   现代信息技术   信息技术应用   信息检索与利用   教学模式的改革   我国信息技术   互联网   教学中的应用  

摘要： 随着我国信息技术的不断发展以及互联网技术的不断普及,现代信息技术不断深入到了人们的日常生活中,并且在许多领域都得到了应用,并取得了良好的效果。信息技术作为时代发展的标志,在我国的教育领域具有着突出贡献,信息技术目前已经广泛应用于我国的教育工作之中,在我国各级教育的课堂之中,都可以看到信息技术应用的身影。将信息技术与教育工作进行有效结合,对传统的教育工作及教育模式造成了有力地冲击,是新时代的具体表现,促进了体育教学模式的改革,使得体育课程的教学模式更加新颖,增强了学生对于体育课程的兴趣及喜爱,激发了学生的学习积极性,促进了学生的全面发展。

关键词： 信息检索技术   图书出版行业   图书编辑   数字化  

摘要： 在现代科技高速发展的宏观背景下,我国图书出版行业受到了巨大的冲击。为了能够在激烈的市场竞争中脱颖而出,我国图书出版行业的编辑必须改变传统的工作方式,结合信息检索技术来开展工作,除了可以提高自身的工作效率外,图书编辑工作的质量也会得到有效提升。基于此,本文对信息检索技术进行了简单概述,分析了图书编辑具体的工作内容,探讨了新时代下图书编辑必须具备的能力,论述了图书编辑工作中信息检索技术的具体应用。

关键词： 信息检索   教学改革   体育院校  

摘要： 本次研究根据我校历届《信息检索与利用》课程教学的情况,结合笔者在本门课程的教学经验和思考,并借鉴国内其他高等院校在《信息检索与利用》课程教学改革中取得的成果,从课时安排、授课方式、教学内容、教师队伍等几个方面进行教学优化研究,突出体育院校的教育特色,旨在为同类院校开展信息检索与利用课教学改革提供参考和借鉴。

关键词： 排序学习   强化学习   时间卷积网络  

摘要： 随着各类网络资源的指数式增长,搜索引擎的使用已经成为当今社会每个人最基本的技能之一,高效的信息检索模型也有着更加重要的意义。在排序过程中引入机器学习方法的排序学习是信息检索模型的一个关键组成部分,取得了十分优秀的效果,能够在很大程度上满足人们在信息过载的时代的检索需求。但排序学习模型将排序看作一个静态的过程,一次性将和关键词相关的文档全部输出。在实际的检索场景中,使用者和检索模型之间是存在交互的,使用者给出对检索结果的反馈,检索模型根据这个反馈返回新的一页文档。现有的排序学习模型将排序视为一个一次性的过程,忽视了用户的反馈,排序效果有待改善。针对这类问题,为了进一步提升排序性能,本文将排序学习结合已有的强化学习算法和相关的深度神经网络模型,提出了两种可交互的信息检索模型,主要工作包括:1)将强化学习和排序学习相结合,根据搜索引擎的使用过程以及强化学习的应用场景,将排序过程定义为序列决策过程。对用户和排序学习模型之间的交互过程进行了马尔科夫建模,对该过程中的状态、动作以及回报等进行了详细定义,并构建了交互式的排序学习模型。2)使用深度学习领域的长短时记忆网络对用户建模,将强化学习领域的策略梯度方法应用到交互式的排序学习过程中,提出了基于策略梯度的排序学习模型。在用户和排序学习模型的交互过程中,根据用户的反馈对其检索意图进行学习,逐步改进排序策略,改善排序效果,并且在实验中对模型的有效性做出了验证。3)针对交互式排序学习模型,根据强化学习经典算法Actor-Critic算法优化排序策略,使用时间卷积网络对用户建模,提出了基于Actor-Critic算法的排序学习模型,并设计实验将本文所提出的模型和一些经典的排序学习模型做比较,验证了模型的有效性。

关键词： 多维查询   推荐系统   个性化商品检索   视觉问答   语言先验问题  

摘要： 大数据时代的到来为国家及社会带来了巨大发展机遇,但同时也提出了诸多技术挑战。如何有效地利用大数据信息以提高经济社会效益,已经成为影响国计民生的关键因素。信息检索旨在从冗余复杂数据中针对已有查询准确获取相关信息,是大数据背景下的一个重点研究领域。实际上,信息检索的应用任务与场景广泛,包含网页检索、推荐系统、商品检索、问答系统等。本学位论文从查询维度的角度出发,对多种信息检索任务所存在的关键问题进行了研究。本学位论文主要面向多维查询的信息检索技术,在三种维度查询场景下分别针对典型问题进行研究。具体来说,对基于元维查询的推荐系统任务,本学位论文研究了一种广义度量学习方法,并将其应用于因式分解机推荐系统算法中。对基于一维查询的商品检索任务,本学位论文从时间角度和空间角度两个方面,分别完善商品检索中用户的检索偏好。对基于二维查询的视觉问答任务,本学位论文从数据分析、模型训练、模型评估三个不同方面进行研究,试图解决视觉问答中的语言先验问题。本学位论文的主要工作和创新性包含以下三个方面:(1)基于元维查询的广义度量学习推荐系统算法传统的因式分解机方法仅对属性间关系进行建模,未考虑属性内部的特征交互关系。而属性内部的交互关系对因式分解机模型也极为重要,具体可分为线性和复杂非线性两类关系。本学位论文提出了一种广义度量学习方法,并应用于因式分解机模型中,进而设计了一种结合广义度量学习的推荐系统模型,对属性内部的两种特征交互关系进行建模;同时提出了一种高效算法降低了该模型的时间复杂度,具有一定的可行性。(2)基于一维查询的商品检索全局偏好建模方法现有商品检索方法仅对用户的局部偏好进行建模,检索效果欠佳,本学位论文从两个角度分别提出了一种全局偏好建模方法。具体来说,在时间角度上,本学位论文首次将用户的长期偏好与短期偏好进行整合。考虑到两种偏好中不同因素对当前查询结果的影响程度不一,本文提出利用注意力机制方法,对其中的不同因素进行差异化建模。此外,在空间角度上,本学位论文将用户对视觉模态的偏好引入商品检索中,与用户对语言模态的偏好相结合,并借助基于翻译的模型实现检索目标。(3)基于二维查询的视觉问答语言先验问题解决方法本学位论文从三个方面对视觉问答中的语言先验问题进行了探索研究。首先,在数据分析角度上,本文提出从类别不平衡视角重新解释语言先验问题,设计了一种克服类别不平衡的方法并成功应用;在模型训练角度上,本文设计了一种损失函数,从答案特征空间学习的视角认识并解决语言先验问题。最后,在模型评估方面,本学位论文提出了一种衡量视觉问答模型中语言先验效应的评价指标,该指标同时考虑了训练数据集中的答案分布和当前模型的预测结果。此外,本文设计了一种正则化方法,既可以缓解模型产生的语言先验问题,又可以提升模型答案检索的准确度。

关键词： 视频平台   “信息检索”课程   课程建设   课程服务  

摘要： 在新的时代背景下,视频可用资源与视频用户规模显著增长,移动视频设备也为用户使用视频平台提供了便利。除用于人们的日常娱乐生活外,视频资源还可应用于社会生活的各个方面,如教学服务、信息服务等,因此,对视频资源平台的研究具有很大的挖掘和利用价值。“信息检索”课程是图书情报专业的一门重要课程,是帮助人们在信息时代掌握必要技能,提高信息素养的有效途径。“信息检索”课程在视频平台上以视频资源的形式呈现给广大潜在的用户,并通过视频平台为其提供方便、快捷的使用方式,可以提高信息检索的学习效果,帮助更多人培养信息素养,具有重要意义。区别于以往国内外许多学者对“信息检索”课程基于课堂内的教学实践和MOOC平台为主的研究,本研究则选择国内人们日常生活中常用的四个视频平台(腾讯视频、爱奇艺、优酷视频、哔哩哔哩),采用网络调研法、统计分析法、案例分析法等研究方法,对平台上的“信息检索”课程进行系统调研和分析。首先,本研究从课程发布数量、课程发布时间、课程应用类型、课程来源主体以及课程时长和付费几个方面对视频平台上的“信息检索”课程的建设情况进行分析。其次,本研究从信息源、网络信息检索方法和技巧、网络信息检索工具、其他教学内容四个方面对视频平台上的“信息检索”课程的教学内容进行详细调研与分析。再次,本研究从点击情况、评论情况以及一些其他情况对视频平台上的“信息检索”课程的利用情况进行调研与分析。最后,本研究在以上分析基础上总结视频平台上的“信息检索”课程内容、课程利用、课程制作方面存在的问题,并针对存在问题提出来优化内容、改善利用方法和环境、改进制作效果的完善策略。

关键词： 车辆检索   智慧交通   深度哈希   注意力机制   特征提取  

摘要： 随着我国城市化建设的不断推进,人民物质生活水平的不断提高,城市车辆的数量也与日俱增,与此同时城市中的交通拥堵现象和交通事故数量也在不断增多,给城市交通管理系统造成了不小的压力。如何在海量的道口车辆图像数据中快速准确地检索到目标车辆逐渐成为“智能交通”领域的研究重点。针对目前存在的问题,本文对道路卡口普通乘用车有效信息的检索技术进行了研究,主要工作内容如下:(1)针对传统图像特征提取方法大多用人工设置的特征子来表示图像,这类方法难以克服在真实交通道口下的复杂环境干扰,无法准确提取车辆图像深层特征的情况。因此,提出一种基于改进残差网络的车辆检索方法。该方法在经典残差网络的基础上引入分组卷积和注意力机制,使得网络可以产生更多的特征图,并可以自适应地对图像中的目标车辆进行训练;并在训练过程使用焦点损失代替交叉熵损失,增加难分类样本的权重,使得模型在训练时可以更加合理的分配资源;最后使用改进后的模型提取数据集图像特征进行车辆检索。消融实验结果表明,所提方法能够有效提升系统的检索效果。(2)针对在大规模数据集中直接使用图像的实值特征向量检索时进行的相似度计算消耗大量时间和运算成本的情况,提出基于改进残差网络和深度哈希的车辆检索方法。首先,使用改进残差网络用来对车辆图像进行特征提取;然后,在全连接层之后添加哈希层,通过损失函数的设计,让模型可以端到端地进行哈希函数的学习。实验结果表明,所提方法同传统哈希方法和几种经典深度哈希算法相比,平均检索精度有明显提升。(3)针对大规模车辆检索耗时且对准确率要求高的问题,提出了先使用哈希编码粗检索、后使用特征向量精检索的二级复合车辆检索算法。首先,提取数据集全体图像的哈希编码;然后,对待检索图像进行汉明空间上的快速检索,生成一个小型检索池;最后,将检索池中的图片提取特征向量,进行欧氏距离计算,输出最后的检索结果。针对公开数据集无法满足实际车辆检索任务需求的情况,利用道路卡口摄像机实际拍摄的车辆图片构建了道路卡口乘用车辆数据集。数据集分为五大类,轿车(Sedan)、多用途乘用车(MPV)、运动型多用途汽车(SUV)、小货车(Truck)、非机动车辆(Non-motor vehicle),每个大类下按照车辆品牌和颜色划分若干子类,共37种子类、15980张图片。最后,在本文自建的道路卡口车辆数据集上进行实验,实验结果验证了所提算法的有效性。

关键词： 信息检索   预训练语言模型   查询扩展   计算开销   自然语言处理  

摘要： 信息检索是根据用户的信息需求从海量非结构化或半结构化数据中获取相关资料的技术。近年来，预训练语言模型（Pre-trainedLanguageModel，PLM）在许多自然语言处理任务中取得了巨大的成功，并且也被应用于信息检索任务中。　　通过对上下文信息建模，基于PLM的检索模型能够很好地捕捉查询和文档间的相关性，从而提高检索性能。但是，这类检索模型在应用中仍然面临如下挑战:(1)基于PLM的检索模型目前还缺少有效的查询扩展方法，导致检索性能尚有较大的提升空间;(2)由于基于PLM的检索模型本身的计算复杂度高，如果引入查询扩展技术又导致模型的计算量大幅增加，则这类检索模型在应用中会存在延时高的问题，从而影响用户体验;(3)由于在部分垂直检索领域（例如医疗检索）中人工标注数据少，因此在这些领域有效地训练基于PLM的检索模型存在一定的困难。　　针对上述挑战，本文中进行了以下研究:　　(1)针对基于PLM的检索模型缺少有效的查询扩展方法的问题，本文提出了一个基于PLM的查询扩展模型BERT-QE。该模型利用PLM从伪相关反馈文档中选取与查询高度相关的文本片段作为扩展查询，提高了检索系统的性能。在两个TREC检索数据集Robust04和GOV2上的实验验证了BERT-QE模型的有效性。　　(2)针对BERT-QE中的查询扩展模块计算开销大的问题，本文验证了三种提高BERT-QE模型效率的方法，分别是在BERT-QE中使用更小的BERT模型，以及使用更高效的方法对文本片段或文档评分。在Robust04和GOV2上的实验结果表明，使用更小的BERT模型和使用延迟交互的方法选择文本片段这两种方法既能够保持查询扩展的有效性，又能够降低线上的计算开销。　　(3)针对基于PLM的检索模型在人工标注数据少的医疗检索领域难以训练的问题，本文基于弱监督的思想，利用医学文献库构建了一个相关性导向型数据集，用于辅助训练所提出的PARADEPM模型。在TREC精准医疗检索竞赛数据集上的实验结果验证了本文提出的训练方法以及PARADEPM模型的有效性。