返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:

  • 数字文献资源高维聚合模型研究 牛奉高 著 经管、励志 文轩网
  • 新华书店正版
    • 作者: 牛奉高 著著
    • 出版社: 中国社会科学出版社
    • 出版时间:2017-08-01 00:00:00
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    文轩网图书旗舰店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

         https://product.suning.com/0070067633/11555288247.html

     

    商品参数
    • 作者: 牛奉高 著著
    • 出版社:中国社会科学出版社
    • 出版时间:2017-08-01 00:00:00
    • 版次:1
    • 印次:1
    • 印刷时间:2017-08-01
    • 字数:241千字
    • 页数:259
    • 开本:16开
    • 装帧:平装
    • ISBN:9787520307826
    • 国别/地区:中国
    • 版权提供:中国社会科学出版社

    数字文献资源高维聚合模型研究

    作  者:牛奉高 著
    定  价:69
    出 版 社:中国社会科学出版社
    出版日期:2017年08月01日
    页  数:259
    装  帧:平装
    ISBN:9787520307826
    主编推荐

    内容简介

    针对文本挖掘和信息检索中的文本或文献聚类与分类等问题,学术界基于VSM(向量空间模型)主要有两方面的研究,一者是文献表示模型的改进,二者是算法的改进。然而传统的算法对高维稀疏的向量聚类存在不足,一些新的算法也不尽完美,更主要的是聚类算法的效果与数据本身的特征以及信息提取和表示密切相关,特别是在信息有限的情况下,聚类算法的优势也不能得到完美发挥,相比之下,信息的挖掘、提取和文献向量表示就尤为重要。在本文有且只有于元数据甚至只有关键词的前提下,文献的表示向量相比一般文本表示就表现得很好稀疏,面对这种情形聚类算法即使是“巧妇”也“难为无米之炊”,因此,本书的重点突破是文献主题语义信息的提取、度量和文献高维向量的新表示方法。基于以上问题和现象,本书以数字文献资源为对象,本着在信息资源聚合中减少对背景知识的依赖,便于推广应用的宗旨,提出了基于文献集本身或者相关领域的共现信息而实现文献聚合的共现潜在语null

    作者简介

    牛奉高,男,1980年4月生,山西沁水人。山西大学数学科学学院统计系副教授,硕士生导师,山西省高等学校很好青年学术带头人,全国科学计量学与信息计量学专业委员会委员,中国科学学与科技政策研究会会员,中国数学会会员,中国工业与应用数学学会会员。2014年毕业于武汉大学情报学专业,获管理学博士学位。2015年获湖北省很好博士学位论文奖。

    精彩内容

    目录
    引言
    一 研究背景和意义
    (一)研究背景
    (二)研究意义
    二 国内外研究综述
    (一)国内研究进展
    (二)国外研究进展
    (三)相关研究述评
    三 研究目的、方法与创新
    (一)研究目的与思路
    (二)研究方法与工具
    (三)本书的创新之处
    第一章 数字文献资源聚合的概念与理论基础
    一 数字文献资源的范畴
    (一)数字化的信息资源
    (二)数字文献资源
    二 数字文献资源聚合的内涵与外延
    (一)聚合的缘起
    (二)文献资源聚合的内涵
    (三)文献资源聚合的外延
    三 数字文献资源聚合研究的形式和内容
    (一)数字文献资源聚合的形式
    (二)数字文献聚合研究内容辨析
    四 数字文献资源聚合研究的理论基础
    (一)文本挖掘理论
    (二)共现理论与共现网络
    (三)LSA与LSI理论
    (四)FA与PA理论
    (五)信息熵理论
    (六)长尾理论
    五 数字文献资源聚合的应用方法研究
    (一)新闻聚合与自动摘要
    (二)对检索结果的聚类
    (三)文档管理与个性化信息服务
    (四)改善文献分类的结果
    六 数字文献资源基于元数据聚合的探索
    (一)元数据是数字文献资源的特征信息
    (二)基于元数据实现文献聚合的可行性
    七 本章小结
    第二章 数字文献资源的高维向量表示与语义相关性研究
    一 数字文献资源的多元和高维特征
    (一)文献属性的多元特征
    (二)文献主题的高维特征
    二 文献主题的特征选择与评价方法
    (一)文献主题特征的选择问题
    (二)特征子集的选取与评价
    三 文献特征的高维表示与文献相似性测度方法
    (一)文献特征的高维向量表示
    (二)文献相似性与距离的测度
    四 向量空间模型及其衍生模型
    ……

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购