科研文獻(xiàn)系統(tǒng)中專家畫(huà)像技術(shù)研究與應(yīng)用.pdf

1、當(dāng)前，科研工作越來(lái)越依賴于互聯(lián)網(wǎng)，科研人員越來(lái)越頻繁的在互聯(lián)網(wǎng)上進(jìn)行學(xué)術(shù)交流、科研成果共享和學(xué)術(shù)檢索等工作。與此同時(shí)，各類科研文獻(xiàn)系統(tǒng)也發(fā)展起來(lái)。專家畫(huà)像系統(tǒng)，作為科研文獻(xiàn)管理系統(tǒng)中的子系統(tǒng)，建立起專家與專家、專家與機(jī)構(gòu)以及專家與科研領(lǐng)域之間的諸多聯(lián)系，因?yàn)榫哂泻芎玫膶?shí)用價(jià)值和深遠(yuǎn)的現(xiàn)實(shí)意義。
　　本文針對(duì)專家畫(huà)像系統(tǒng)的建立進(jìn)行技術(shù)研究，從元數(shù)據(jù)提取和數(shù)據(jù)挖掘兩方面研究了專家畫(huà)像系統(tǒng)中基于PDF的元數(shù)據(jù)提取、研究領(lǐng)域挖掘、專家關(guān)系

2、挖掘、文獻(xiàn)聚類、標(biāo)簽抽取幾個(gè)方面的關(guān)鍵問(wèn)題。首先，研究了基于PDF的元數(shù)據(jù)提取，區(qū)別于其他按照行進(jìn)行分類的研究方法，本文采用了基于段落的元數(shù)據(jù)分類方法，并設(shè)計(jì)了一種基于規(guī)則和支持向量機(jī)的混合元數(shù)據(jù)提取模型。然后，研究了專家畫(huà)像系統(tǒng)之家各實(shí)體之間的關(guān)系，設(shè)計(jì)基于頻繁項(xiàng)集和并查集的算法挖掘研究領(lǐng)域信息，并利用挖掘產(chǎn)生的研究領(lǐng)域改進(jìn)了K-Means聚類算法，對(duì)文獻(xiàn)進(jìn)行聚類。在標(biāo)簽的抽取技術(shù)中，充分考慮全局和局部詞匯關(guān)系，改進(jìn)了典型的TextR

3、ank模型，提出一種基于頂點(diǎn)和邊融合加權(quán)的TextRank關(guān)鍵詞和關(guān)鍵短語(yǔ)抽取模型。同時(shí)，結(jié)合專家之間的社會(huì)合作關(guān)系，對(duì)專家進(jìn)行標(biāo)簽的標(biāo)記。在從文獻(xiàn)中抽取標(biāo)簽的基礎(chǔ)上，研究了專家的聚合模型，并采用頻繁項(xiàng)挖掘算法聚合專家研究的興趣領(lǐng)域與合作專家的關(guān)聯(lián)關(guān)系。
　　最后，應(yīng)用本文研究得到的技術(shù)成果，對(duì)專家畫(huà)像系統(tǒng)進(jìn)行設(shè)計(jì)和實(shí)現(xiàn)。使用可視化的圖表組件對(duì)挖掘數(shù)據(jù)進(jìn)行顯示，得到一個(gè)數(shù)據(jù)完善、具有良好可視化效果的專家畫(huà)像系統(tǒng)。結(jié)果表明，充分深入