教学课程资源库 更多>>

关键词： 泛在电力物联网   数字化服务   服务信息   资源挖掘  

摘要： 传统服务信息资源挖掘系统挖掘时间过长,挖掘效率和准确率较低,针对这一问题,在泛在电力物联网中设计了一种新的数字化服务信息资源挖掘系统,通过原始数据采集、数据提取、数据仓库、数据挖掘和数据表现层建立数据挖掘架构,由感知层、网络层、平台层和应用层4大部分组成挖掘系统硬件结构。引入数据挖掘技术,根据编码、分析确定邻近像素距离、载体分量相似度以及平均幅值,提取数字化服务信息资源特征,实现数字化服务信息资源数据挖掘。实验结果表明,与传统系统相比,设计的泛在电力物联网中数字化服务信息资源挖掘系统能够有效缩短挖掘时间,提高挖掘准确度。

关键词： 大数据   高校信息资源服务体系   数据挖掘  

摘要： 本文在大数据迅速发展的背景下,首先从体量、高速、多样以及精确性与信噪比四个方面概述了大数据的特征与优势,进而从智慧图书馆变革、数据引导用户学习、完善高校信息资源共享平台以及凸显校务数据的决策作用四个方面介绍了大数据技术对高校信息资源库建设的影响,最后详述了基于大数据的高校信息资源服务库建设,为高校信息资源平台建设提供了策略依据。

关键词： 微生物组   大数据   搜索引擎   疾病检测   生物信息  

摘要： 基于微生物组搜索引擎和大数据,可建立一种不受限于特定疾病、不依赖于生物标记的微生物组疾病检测新方法.显著改善检测中适用性.准确性和抗污染性等方面的问题,为微生物组技术在人体健康和生态监控等领域的研究和应用带来了新思路和新手段。微生物是地球上最早进化形成的生命体之一,它们与后续进化的动植物以及人类等相互影晌,形成各种各样的复合体系。

关键词： 大数据   档案信息资源   共建  

摘要： 大数据的发展与应用为档案信息资源共建带来了良好契机。本文从大数据环境下档案信息资源共建的必要性出发,针对目前我国档案信息资源共建出现的主体意识不足、技术推进不均衡、安全隐患尚存等系列问题,从主体、内容、技术、服务、安全方面探索了大数据背景下档案信息资源共建路径,以期为大数据时代档案信息资源共建工作提供参考和借鉴。

关键词： LDA   关联数据   知识发现   可视化:SPARQL  

摘要： 【目的/意义】文物信息资源专业性、复杂性的特征成为用户获取文物知识的一大障碍,提出一种能够有效进行文物信息资源知识发现的方法对于中华文化的弘扬与传承以及文物有关研究资源的获取有着十分重要的意义。【方法/过程】文章从文物信息资源研究对象的角度出发,首先利用LDA主题模型对信息资源文本中的隐含主题进行挖掘。随后以研究对象作为检索入口,使用SPARQL查询语言在外部知识库中获取与文物有关的知识三元组。最后将文本主题与知识三元组进行耦合,实现了针对文物信息资源的知识发现。【结果/结论】文章方法在两种类别的文物信息资源中实现了较好的知识发现效果,为文物信息资源的知识发现提供了一种可行的发现方法。【创新/局限】外部知识库中庞大的知识储备为文章方法从开放领域获取信息资源进行知识发现提供了支持,同时由于外部知识库中包含的文物知识有限,文章方法较人工进行的知识发现结果尚有一定差距。

关键词： 搜索引擎   错误信息   网络传播  

摘要： 搜索引擎既是人们搜索和获得信息的主要途径之一,也是错误信息传播的主要渠道。搜索引擎会通过算法来学习人们曾经搜索和他人之前点击过的内容。由于人们容易被各种博眼球的错误信息所吸引并点击,网站会根据搜寻结果提供类似的信息资料,当人们搜索信息时就已经进行了信息过滤,助长了错误信息在网络中的传播。

关键词： 档案利用者   高校档案信息   高校档案管理   信息资源共享   档案管理者   共建与共享   档案共享   信息时代  

摘要： 随着信息时代的快速发展,高校档案管理工作也在逐渐全方面发展,在信息资源共享的背景下,通过共享与共建的方式,使高校档案共享信息满足档案管理者与档案利用者多元化使用需求,提高高校档案信息合理利用率,同时档案共享也有利于高校文化工作建设,进一步提升高校档案信息价值。

关键词： Search engines   Engines   Web search   Education   Context modeling   Task analysis   Feature extraction   Educational search   learning to rank (LTR)   query-dependent ranking   search engines  

摘要： In this digital age, there is an abundance of online educational materials in public and proprietary platforms. To allow effective retrieval of educational resources, it is a necessity to build keyword-based search engines over these collections. In modern Web search engines, high-quality rankings are obtained by applying machine learning techniques, known as learning to rank (LTR). In this article, our focus is on constructing machine-learned ranking models to be employed in a search engine in the education domain. Our contributions are threefold. First, we identify and analyze a rich set of features (including click-based and domain-specific ones) to be employed in educational search. LTR models trained on these features outperform various baselines based on ad-hoc retrieval functions and two neural models. As our second contribution, we utilize domain knowledge to build query-dependent ranking models specialized for certain courses or education levels. Our experiments reveal that query-dependent models outperform both the general ranking model and other baselines. Finally, given well-known importance of user clicks in LTR, our third contribution is for handling singleton queries without any click information. To this end, we propose a new strategy to "propagate" click information from the other, similar, queries to the singleton queries. The proposed click propagation approach yields a better ranking performance than the general ranking model and another baseline from the literature. Overall, these findings reveal that both the general and query-dependent ranking models, trained using LTR approaches, yield high effectiveness in educational search, which may ultimately lead to a better learning experience.

关键词： 信息资源传递   企业风险承担   客户关系  

摘要： 大数据背景下,信息技术的发展使得制造业中信息资源的重要性日益凸显。论文从信息资源传递的视角,探究了客户关系对企业风险承担决策的影响及其影响机制。研究结果表明,紧密的客户关系能够帮助企业获取信息资源,促进企业承担高风险。进一步地,紧密的客户关系能够通过增加关系专用性投资提升企业的风险承担水平。

关键词： Bias evaluation   Fair ranking   Search bias   Web Search  

摘要： Search engines decide what we see for a given search query. Since many people are exposed to information through search engines, it is fair to expect that search engines are neutral. However, search engine results do not necessarily cover all the viewpoints of a search query topic, and they can be biased towards a specific view since search engine results are returned based on relevance, which is calculated using many features and sophisticated algorithms where search neutrality is not necessarily the focal point. Therefore, it is important to evaluate the search engine results with respect to bias. In this work we propose novel web search bias evaluation measures which take into account the rank and relevance. We also propose a framework to evaluate web search bias using the proposed measures and test our framework on two popular search engines based on 57 controversial query topics such as abortion, medical marijuana, and gay marriage. We measure the stance bias (in support or against), as well as the ideological bias (conservative or liberal). We observe that the stance does not necessarily correlate with the ideological leaning, e.g. a positive stance on abortion indicates a liberal leaning but a positive stance on Cuba embargo indicates a conservative leaning. Our experiments show that neither of the search engines suffers from stance bias. However, both search engines suffer from ideological bias, both favouring one ideological leaning to the other, which is more significant from the perspective of polarisation in our society.