基于词向量与多特征融合的农业文本自动标引研究

针对TF-IDF算法未考虑到文本关键词分布以及受不均衡数据集影响的问题,提出了一种多特征融合的术语频率-逆文档逆词频率(TF-IDIWF)自动标引算法,并与TF-IDF、TF-IWF、TextRank、LSI及LDA基线算法进行对比验证。利用python爬虫技术获取20万条农业文本语料以csv文件格式存储,用于训练农业词向量模型,随机抽取政策法规类、新闻资讯类、市场类、科技类文章各1 000篇并进行多人独立标注,标注词个数为5～13个,将标注结果整合归纳后生成AGRI2020农业文本均衡数据集。为验证TF-IDIWF算法能否降低不均衡数据集带来的影响,从AGRI2020中随机抽取新闻资讯类1 000篇,其余3个类别各100篇构建出农业文本不均衡数据集。首先利用TF-IDF融合词向量技术对分词后的词语进行过滤、筛选以及近义词归并,再引入词位置、词性及词跨度特征权重融合逆文档频率及逆词频率对农业文本进行关键词自动标引。结果表明,在不均衡数据集上的F1值为57.08%,相较于TF-IDF、TF-IWF算法分别提高了9.12%、1.24%;在均衡数据集上的平均F1值为60.80%,相较于TF-...     

渔业专利文献分类类目设置与机器标引策略研究

[目的/意义]为实现对渔业专利文献的深度利用,在“渔业专业知识服务系统”的信息组织中尝试了设置专业化的分类体系并进行了标引试验。[方法/过程]首先,研究以筛选出的10 323条中文渔业专利元数据为分析样本,通过对元数据中国际专利分类号（IPC）4位类号和6位类号频次的统计分析,确定了用于渔业专利文献分类的12个分类类目;然后,通过对专利题名结构的分析,提出了由行业属性词、业务类型词、发明类型词构成的专利题名中,业务类型词最适合专利文献的分类与标引的观点;通过对题名关键词以及题尾词组的统计分析,列举了每一业务类型所包含的高频主题词或词组。最后,试验设计了利用IPC分类号结合高频主题词分步标引渔业专利文献的策略,通过计算机辅助实现了对绝大部分渔业专利文献的专业化标引。[结果/结论]经对样本数据中2016年文献的机器标引结果与人工标引结果的比对,得出机器标引总正确率为91.44%,漏标率为7.94%,达到了预期目标。研究表明,所设置的渔业专利文献分类类目切合实际,标引策略具有很强的实践应用价值。     

再议文献标引工作中多主题文献的主题、分类标引模式

从标引工作实践出发．探求获得文献标识即主题词和分类号的过程，将主题结构分析和机读目录的主题和分类编目结合起来．阐述了主题标引和分类标引规范化的问题，重点给出了多主题文献的实用标引模式，并为未来导读书目的编制提供有益的思路。     

"农民信息行为"领域论文关键词标引问题及对策探讨

从关键词标引的相关概念出发,阐述了关键词标引的重要作用.在此基础上,在万方数据库检索出与"农民信息行为"相关的文献103篇,通过实例分析,总结归纳了该领域论文关键词标引中存在的问题.并针对所发现的问题,提出了提高科技论文关键词标引质量的对策.     

标引关键词须知

标引关键词应针对文章的重点内容，请尽量使用最新版美国国立医学图书馆编辑的《Index Medicus》中的医学主题词表（MeSH）内所列的词。如果最新的MeSH中还无相应的词，处理办法有：（1）可选用直接相关的几个关键词组配。（2）如果无法组配，可选用最直接的上位关键词。关键词中的缩写词应按MeSH还原为全称，如“HBsAg”应标引为乙型肝炎表面抗原。     

农业科技期刊关键词标引的现状、问题及对策

农业科技期刊论文的关键词是检索文献的入口之一。要想充分发挥检索系统的功能，提高检索效率，必须正确选用关键词。关键词标引不当则会影响检索系统的功能，增加读者壹找文献的漏检率，降低检全率。本文通过对《作物学报》与《植物营养与肥料学报》两种专业期刊文献中的标引词、标引深度、通用词的使用、标引先组度、一致性等方面的统计分析，对期刊论文标引关键词经常出现的问题，诸如揭示主题不深、主题信息遗漏、通用词偏多、标引深度不当、逻辑关系混乱、标引信息冗余等进行剖析，并提出了解决这些问题的建议。     

汉语自动分词和自动标引方法研究

中文自动标引一直是学界研究的热点。本文主要研究了两个方面 :自动分词方法和自动标引方法。通过全面的比较研究 ,本文认为自动分词方法可以分为五个类型 ,自动标引的方法分为七种。     

医学文献的标引深度与知识创新

浅意识标引、次浅意识标引和深意识标引可从不同层面揭示医学文献中的知识。通过这三种文献标引方式，经过标引的语句、结构、语义关系，将有效知识进行系统化组织，为形成新理论、技术和方法打下基础。