教学课程资源库 更多>>

关键词： 交通运输   资源目录   数据共享   数据分级  

摘要： 随着交通运输行业信息化进程的深化和电子政务系统建设的要求不断提升,因系统异构、数据隔离造成的“信息孤岛”问题越来越复杂,严重阻碍了数据跨级、跨部门的共享工作。现有数据共享方法存在着人工依赖性大、效率低下的问题。本文顺应国家电子政务提出的资源目录的建设需求,研究设计一种基于资源目录的数据共享方法,论文主要工作如下:首先,论文以各省发布的交通运输行业信息资源目录、政府网站数据为主要数据来源,制定标注规范并进行序列标注,采用基于ALBERT-Bi GRU-CRF模型的命名体识别方法实现“一般数据”、“重要数据”和“核心数据”三种命名实体自动识别,形成交通运输数据分级语料库。进一步使用TF-IDF算法提取文本关键词,使用Word2Vec模型进行词向量表示,通过对关键词与目标数据的相似度计算,来实现目标数据的分级。其次,设计并实现了基于资源目录的数据共享权限控制模型。通过对资源目录中共共享范围属性的细化,形成边界清晰的共享范围描述,提出一种基于组织统一社会信用代码的资源共享范围检索算法。在此基础上,将数据权限与功能权限进行结合,设计了基于组织架构的细粒度数据权限模型。进一步将数据分级结果与权限控制模型结合,设计了基于资源目录开展数据共享的流程。通过仿真实验验证了本文所提数据共享流程的高时效性。最后,设计实现了基于资源目录的交通运输行业数据共享平台,对平台的实现框架、技术思路和核心模块功能进行了详细介绍。同时对每个核心模块的功能进行测试,验证了本文所提数据共享技术的可行性和有效性。

摘要： 对于新形势下文物考古信息资源数字化的建设研究，既面临着不可多得的机遇，同时也面临着特别的多的挑战，因此，必须要加强对于文物考古信息资源的数字化的创新，灵活利用信息数字化技术，使其在文物考古的工作中提供坚实可靠的数据后盾，并使文物考古工作变得更加便捷、高效。

关键词： 分布式系统   主题爬虫   文本相似度   LDA主题模型   Solr检索  

摘要： 21世纪是信息时代,是大数据时代。互联网上的数据量增长飞快,已至ZB级别。面对如此庞大且多种多样的数据,搜索引擎也需要朝着更精准的方向发展。通用搜索引擎搜索的结果范围广,数据多,准确度低,用户不得不多花额外的时间去从返回结果中继续做筛选。相比于通用搜索引擎来说,垂直搜索引擎只搜集某一特定的领域下的数据和信息,可以向专业的用户提供更准确的搜索服务。中国互联网发展迅速,互联网数据丰富,如何充分地利用互联网数据为行业的发展提供及时有用的信息,本文设计并实现了一款面向专业领域的垂直搜索引擎。 本文研究内容主要包括: 搭建分布式框架和设计搜索引擎系统。本文采用Hadoop大数据框架搭建底层分布式系统,成功地部署计算机集群,提高系统的可伸缩性,提高系统算力和存储能力;本文将主题爬虫部署在集群上,以分布式模式运行程序,提高主题爬虫的效率与性能;本文采用分布式数据存储方案,提供数据副本,增强系统的容错率;建立索引以及检索模块,实现多种排序方式以及分类展示功能。 在主题爬虫一侧,本文优化爬虫链接抓取规则,改进基于向量空间模型的文本相似度算法。为了进一步提高主题资源的覆盖率和采集主题信息的相关性,本文在Nutch开源爬虫框架的基础上,根据胶带、胶粘剂主题特征和链接结构改进链接发现规则,提高了发现优质种子链接的速度;对链接指向的网页文本结合胶带胶粘剂领域文本的特点进行分析,综合词频和语义的向量空间模型,改进主题相似度算法,提高模型计算的准确性;扩展LDA主题提取模块,对已抓取的文档进行主题词语提取操作,加入到领域主题描述文档,进一步提高基于向量空间模型的相似度计算的准确度。 基于以上研究,本文以胶带、胶粘剂行业为例,对主题爬虫模块和搜索引擎系统整体进行了测试。分布式(三台服务器)主题爬虫相比于其它两种模式下的爬虫,站点的浏览速度提高了2～3倍,改进相似度算法后的爬虫查全率提高了15%。此外,系统能够提供简洁方便的用户搜索界面,并且满足多种检索结果排序及分类展示功能。

摘要： 搜索营销对企业最大的好处就是可以将有限的资源集中投放，实现资源的使用率达到最高。搜索营销对于初涉网络市场的企业来说，是当下最好最优的营销手段。因此，搜索营销在网络经济时代下，既顺应了时代发展的需要，也对企业在网络世界和现实世界的品牌形象、销售提升具有一定的现实意义。

关键词： 档案众包   资源共建   优化策略  

摘要： 本文从档案众包的基本概念和档案众包的必要性出发，分析档案众包的运作模式，以及众包技术应用于档案信息资源共建模式存在的问题，针对存在的问题提出建立公众参与激励机制、加强档案众包质量控制和完善档案众包制度保障三个方面的措施，优化档案众包模式，创新档案信息资源共建模式。

关键词： 嵌套命名实体识别   深度学习   词典辅助   搜索引擎  

摘要： 嵌套命名实体识别在自然语言处理中扮演着重要的角色,其意义在于能够更加准确地提取文本中的实体信息。相较于传统的命名实体识别,嵌套命名实体识别能够识别出嵌套于其他实体内部的实体,更加全面地反映文本中的实体信息。准确的嵌套命名实体识别能够为其他自然语言处理任务提供更加准确和丰富的语义信息,从而提高这些任务的准确度和效率。因此,嵌套命名实体识别是自然语言处理领域的重要研究方向,对于促进自然语言处理技术的发展和应用具有重要的意义。当前的嵌套命名实体识别方法通常使用基于字符或词汇级别的浅层特征,这种方法无法充分利用词汇信息,而且仅侧重于内部上下文信息的利用,忽略了外部信息的使用。此外,现有研究主要关注英文数据集,对中文嵌套命名实体的研究相对较少。为了提高嵌套命名实体识别的准确性,本文针对英文领域,提出了基于维基搜索引擎的嵌套命名实体识别方法,引入外部知识来获取更丰富的语义信息。针对中文语言的特点,提出了中文嵌套命名实体识别模型,对维基搜索引擎方法进一步改进,避免了特定长度枚举的限制。具体而言,本文研究工作主要分为以下两部分:(1)针对英文嵌套命名实体识别问题,提出了基于维基搜索引擎的嵌套命名实体识别模型。该模型主体部分采用基于跨度的两阶段嵌套命名实体识别方法,结合跨度边界回归和片段分类联合任务解决方案,先定位实体位置及类别,再进行跨度过滤和边界调整。在主体模型基础上融合本地维基搜索引擎辅助方法,通过从本地维基搜索引擎中检索跨度的上下文来增强原始输入跨度,有效地捕获更好的token表示,采用BERT-CRF来得到标签和置信度分数,以辅助过滤器更好地执行二分类任务,提高识别准确度。在ACE 2004、ACE 2005、KBP17和GENIA四个通用的英文嵌套命名实体识别数据集上全面评估模型有效性,包括与基线模型进行的对比实验和消融实验。对比实验结果表明,相较于基线模型,本文提出的模型在嵌套命名实体的识别准确性方面有了明显的提升。消融实验结果表明,本文方法中的各个组件均对模型性能有着不同程度的贡献。(2)针对中文领域,提出了维基词典辅助的嵌套命名实体识别模型。该模型通过使用维基词典获得匹配词组来构成字符-词组对,并将其集成到BERT中间层,充分利用BERT表示能力。中文词组所包含的语义信息比单个字符更丰富,引入词典信息增强特征,获取更丰富的语义。使用双仿射结构,获取跨度的全局视图,避免了特定长度枚举的限制。同时,利用相邻跨度之间的空间相关性,使用卷积神经网络CNN对跨度之间的局部交互进行建模。最后,采用基于R-drop的对比学习思想来增强模型的鲁棒性。本文提出的模型旨在针对中文语言的特点进行优化,提高中文嵌套命名实体识别的准确性和效率。分别在《人民日报》、CMe EE中文嵌套数据集以及Weibo和Resume中文平面数据集上,取得了最佳的结果。

关键词： 大数据   云计算   档案信息资源   共享利用服务  

摘要： 随着信息技术的快速发展和电子政务的兴起与普及,档案信息资源快速增长,社会公众的档案利用需求也随之更为广泛和多样,档案馆仅以自身馆藏资源为用户提供查档利用服务已然不能满足公众需求,因此各综合档案馆需加强馆际协同联动,依托大数据、云计算等技术将其馆藏档案信息资源进行整合后上传到云端,并搭建档案共享平台,不断优化完善档案远程共享利用服务,以此节省档案利用者的时间、经济成本,更好地发挥档案存史资政育人惠民的作用价值。本文从信息资源共享理论、系统论、协同论以及新公共服理论视角出发,以优化C市档案信息资源共享利用服务为目标,综合运用文献研究法、数据分析法、调查研究法、比较分析法等研究方法,并结合C市档案信息资源整合和共享利用服务现状,通过问卷调查、上门访谈、微信电话咨询等方式,查摆出当前C市档案信息资源共建共享工作存在标准规范体系缺位、档案共享机制不全、部门共享意愿不足、档案数字化率较低、职工履职能力偏弱等问题,并对调查结果进步梳理归纳后探析得出造成以上问题的成因——管理体制制约、共享意识薄弱、资源建设脱节、缺乏专项培训、档案经费有限。再通过与上海、浙江、长春等先进地区档案信息资源共享利用服务实践特点进行比较分析,找寻差距,借鉴经验,提出完善标准规范、创建共享机制、转变服务理念、引入信息技术、定期培训考核、多元筹措资金、多方协同联动等优化对策,以期为C市进一步提升档案信息资源共享利用服务水平,加快智慧档案馆建设进程提供有益参考。综上,优化C市档案信息资源共享利用服务,对档案事业的发展立竿见影、卓有成效,有利于扩大档案信息资源共享总量和范围,提升档案馆公共服务能力,并显著改善公众利用体验。在今后,C市还应将档案共享融入政务服务,并基于信息技术开发更为便民的移动利用终端,推进档案信息资源共享理论和实践持续深入发展,让社会公众足不出户查阅利用档案的愿景成为现实。