教学课程资源库 更多>>

关键词： 信息资源管理   政策研究   执行力   系统动力学   《关于加强信息资源开发利用工作的若干意见》  

摘要： 本文以《关于加强信息资源开发利用工作的若干意见》为样本,研究影响信息资源管理政策执行力的相关因素,以期提高信息资源管理政策执行效率,更好地指导和规范新的政策的出台和实施。基于信息资源管理政策执行力影响因素的特点,运用系统动力学原理,通过建模和仿真对政府信息公开的程度、执行人员的素质与能力、目标群体的结构与信息素质、配套政策的协同性、信息资源管理政策的明晰性和前瞻性这五个因素进行灵敏度分析,对比各系统参数值的改变对信息资源管理政策执行力的影响程度。研究结果表明,政府信息公开的程度对信息资源管理政策执行力的影响最显著,目标群体的结构与信息素质对信息资源管理政策执行力的影响较小且有限,其余三个因素均对信息资源管理政策执行力产生不同程度的影响。结合大数据时代的发展需求,对《关于加强信息资源开发利用工作的若干意见》的修订提出建议:推进政府数据开放,建立健全配套政策协同机制,完善政策规范和体系。提出信息资源管理政策执行力的提升路径:提高政府信息公开和数据开放的程度,加强执行主体协同与信息资源开发利用活动的评估工作,增强政策制定过程的科学性,提升执行人员的素质与能力。

关键词： 档案   信息利用   档案著录   档案检索   档案编研  

摘要： 基于信息时代背景,分析企业档案信息资源开发与利用情况表明,档案信息利用工作在源头上受限于档案著录,在利用过程受限于档案检索方式,同时存在信息资源整合不够等原因。为此提出了从档案著录、档案检索、档案编研等方面,深化档案信息资源开发与利用的策略。

关键词： 视频网站   信息资源评价   层次分析法   聚类分析  

摘要： 视频网站越来越被人们接受与喜欢.视频网站用户关心视频网站功能与设计的合理性、用户体验的优良性.该文构建了视频网站评价指标体系,并且应用层次分析法对多个视频网站进行评价,可以给视频网站用户提供参考.

关键词： 搜索引擎   竞价排名广告   把关人  

摘要： 在搜索引擎竞价排名广告市场上,不仅存在着具有不同把关依据的多元把关人形态,而且在互动运作中形成独特的复杂把关模式。进而,这便促使传统把关人理论的调适:把关人不是一元的,而是多元的;把关对象不仅仅是新闻,也可以是广告甚至其它信息;“社会控制”不是控制受众,而是服务社会;“把关”不是“阻止”,而是“桥接”。

关键词： 档案   整合   利用  

摘要： 随着技术的不断发展,档案信息资源的整合和利用成为了当前阶段档案资源管理的重点和难点,本文概述了现阶段档案信息资源在整合利用的过程之中存在的问题并针对性的论述了解决的方法。

关键词： 大数据   信息资源   五四   应用  

摘要： 本文就大数据时代背景下大学生思想政治教育中的重要性作出阐述,并以五四精神为例,对基于大数据支持下的信息资源应用的现实意义和应用策略展开分析,并在此基础上提出大数据技术应用下的高校思想政治教育发展创新性解决策略,为我国高等院校的思想政治工作的全面实践提供参考。

关键词： 被遗忘权   司法保护   搜索引擎   审查义务  

摘要： 谷歌案率先在全球确立了被遗忘权,其后欧盟《一般数据保护条例》进一步在立法上明确了这一权利及其适用规则。中国被遗忘权首案也为该权利在中国的发展开辟了可能性,现阶段应当先借助侵权责任制度探索被遗忘权的保护规则,将义务主体暂限为互联网搜索服务提供者,其在信息主体请求删除链接时,应承担审查信息是否保持完整、可用及最新状态的作为义务。此时,搜索服务提供者可以基于对其他合法权益的保护而拒绝信息主体的请求,但被法院判决确认要求删除后,应以移除索引方式承担广义删除的侵权责任。在这一过程中,侵权责任催生新人身权的功能得以显现。

关键词： 数据挖掘   智能技术   搜索引擎  

摘要： 随着科技的发展,互联网技术的广泛应用,网站信息量越来越多,各种信息交互,传统的搜索引擎导致用户搜索信息越发困难,为了满足用户需求,提高信息检索效率,在搜索引擎中加入数据挖掘技术,形成智能搜索,便利了用户的信息检索。文章将数据挖掘在智能搜索引擎中的应用作为研究对象,通过对数据挖掘技术和搜索引擎的阐述,进而对其在搜索引擎中的应用展开分析。

关键词： 思政融合   搜索引擎   案例教学   启发式教学   实践交互  

摘要： 在课程思政理念指导下,分析搜索引擎技术课程特点及学情,深入挖掘思政教育元素,探讨思政融合的教学方法,提出一种术、法、道三位一体的教学设计和实施方案,以实例介绍融入思政教育的搜索引擎技术教学实践,说明教学效果。

关键词： 模型融合   文本分类   搜索引擎   用户画像  

摘要： 由于搜索引擎中用户数据的不完整性,导致在构建用户画像时标签缺失,提出预测多维用户标签的Stacking模型融合方法,以预测用户画像的三个标签为例,进行实验和分析。该模型为两层结构,第一级模型中使用TF-IDF算法提取用户搜索词特征并用多分类器训练,同时将Doc2Vec模型构建具有关联信息的文本特征并用BP神经网络训练,第一级模型的输出作为第二级模型的输入,用SVM支持向量机进行分类和预测,得到用户的标签信息。实验用该模型与传统模型进行了实验对比,证明该模型在搜索引擎数据的用户标签预测任务中有较高的准确率。