加拿大研究知识网络(CRKN)资源建设概况与启示

加拿大研究知识网络(CRKN)的前身是加拿大国家站点许可项目(CNSLP),于2000年由加拿大创新基金会、64所高校和地方政府共同出资建设,现已发展为一个拥有75家成员机构、120万服务对象的非营利组织,极大地提升了加拿大全国信息获取和学术资源共享的效率和效果。文章重点介绍了加拿大研究知识网络的概况、资源建设的目标与内容、经费来源与共建模式、资源服务方式的创新与效果,在此基础上提出了针对中国图书馆联盟发展的若干思考和启示。     

基于PDF版式特征的文献篇章结构细粒度抽取方法研究

[目的/意义]为实现文献资源的细粒度组织,满足用户日趋精准的信息服务需求,研究提出一种基于PDF版式特征的文献篇章结构细粒度自动抽取方法。[方法/过程]方法充分利用机器学习在信息分类方面的优势,针对非结构化的PDF文档,基于其版式特征对章节标题进行自动分析、识别与抽取。根据章节标题的坐标定位,将正文内容以段落为最小颗粒度自动匹配至所属标题的下级位置,最终实现文档全文结构的细粒度抽取和重组。[结果/结论]经实测,机器自动抽取平均正确率达80%,针对非结构化PDF文档的细粒度抽取工作具有较好的现实意义和应用前景,基于底层方法设计构建的数据处理系统现已投入实际应用,大幅解放人工进行篇章结构细粒度抽取的工作。     

学术论文作者同名消歧方法研究进展

[目的/意义]调研近年来作者同名消歧相关研究,厘清发展脉络,为后续研究提供参考。[方法/过程]使用Web of Science、Scopus、谷歌学术、ACM、IEEE、Elsevier、Springer、中国知网、维普数据库和万方数据库检索作者姓名消歧相关文献,选择其中46篇代表性文献进行综述。从数据对作者同名消歧方法的影响的角度审视、梳理相关研究的发展脉络。[结果/结论]按照消歧任务所依据的数据特点将相关研究方法分为3类。随着技术的进步,深度学习方法得到广泛采用。相对于模型的改进,基于深度学习的特征学习和表示,对作者同名消歧算法效果的提高更为显著,同时,为充分利用数据中包含的各种信息,3类算法呈现出相互结合、互补增益的态势。从文献调研情况看,可以从增量消歧和跨语种消歧等角度开展后续研究。