主题概念

摘要： 关键词是方便文献标引工作而选用的可表达文章主题内容的词或词组,它既传达文章的主题概念,也作为文章的检索要点,一般为3~5个。关键词确定的三步法:(1)对文献进行主题分析,弄清文章的主题概念和中心内容;(2)尽可能从题名、摘要、层次标题和正文的重要段落中抽出与主题概念一致的词和词组(关键词包括主题词和自由词2个部分),主题词是专门为文献的标引或检索而从自然语言的主要词汇中挑选出来并加以规范了的词或词组,应从美国国立医学图书馆的MeSH数据库中选取,其中文译名可参照中国医学科学院信息研究所编译的《医学主题词注释字顺表》,中医药关键词从中国中医科学院中医药信息研究所编写的《中医药主题词表》中选取。

摘要： 关键词是方便文献标引工作而选用的可表达文章主题内容的词或词组,它既传达文章的主题概念,也作为文章的检索要点,一般为3~5个。关键词确定的三步法:①对文献进行主题分析,弄清文章的主题概念和中心内容.

摘要： 关键词是方便文献标引工作而选用的可表达文章主题内容的词或词组,它既传达文章的主题概念,也作为文章的检索要点,一般为3~5个。关键词确定的三步法:(1)对文献进行主题分析,弄清文章的主题概念和中心内容.

摘要： 我刊发表的所有文章需标引3~8个关键词,关键词之间应用“;”隔开。论著、调查研究、专题策划等栏目还需提供对应的英文关键词,且每个英文关键词的首字母应大写。关键词应结合论文进行主题分析,尽可能从题名、摘要、层次标题和正文的重要段落中抽出与主题概念一致的词和词组。关键词选取应参照中国医学科学院医学信息研究所发布的《中文医学主题词表》,或直接登录万方医学网(http://old.med.wanfangdata.com.cn/Mesh/Index.aspx)进行MeSH检索,其他类术语也可登录全国科学技术名词审定委员会主办的“术语在线”网页或手机端平台检索查询。必要时,可采用习用的自由词作为关键词并排列在最后。

摘要： 关键词是方便文献标引工作而选用的可表达文章主题内容的词或词组,它既传达文章的主题概念,也作为文章的检索要点,一般为3~5个。关键词确定的三步法:(1)对文献进行主题分析,弄清文章的主题概念和中心内容.

摘要： 为了提高论文的中英文写作质量,本刊结合EI的文摘写作要求,特拟定下文,希望作者以此为据写好摘要。摘要的目的在于对文献进行主题分析,通过文摘体现主题概念、主题内容等该篇文献最重要的信息,使读者在没有看到全文的情况下,能够很清楚地了解到该篇文献的核心内容。因此希望作者按要求认真写好中英文摘要。和正文一样,摘要的中英文都要注意文句通顺,中文无错别字,英文单词拼法正确,量和单位的字符符合sI、法定单位制的规范。

摘要： 关键词是方便文献标引工作而选用的可表达文章主题内容的词或词组,它既传达文章的主题概念,也作为文章的检索要点,一般为3~5个。关键词确定的三步法:①对文献进行主题分析,弄清文章的主题概念和中心内容;②尽可能从题名、摘要、层次标题和正文的重要段落中抽出与主题概念一致的词和词组(关键词包括主题词和自由词2个部分,主题词是专门为文献的标引或检索而从自然语言的主要词汇中挑选出来并加以规范了的词或词组,应从美国国立医学图书馆的MeSH数据库中选取,其中文译名可参照中国医学科学院信息研究所编译的《医学主题词注释字顺表》,中医药关键词从中国中医科学院中医药信息研究所编写的《中医药主题词表》中选取。

摘要： 我刊发表的所有文章需标引3~8个关键词,关键词之间应用";"隔开。论著、调查研究、专题策划等栏目还需提供对应的英文关键词,且每个英文关键词的首字母应大写。关键词应结合论文进行主题分析,尽可能从题名、摘要、层次标题和正文的重要段落中抽出与主题概念一致的词和词组。

摘要： 我刊发表的所有文章需标引3~8个关键词,关键词之间应用“;”隔开。论著、调查研究、专题策划等栏目还需提供对应的英文关键词,且每个英文关键词的首字母应大写。关键词应结合论文进行主题分析,尽可能从题名、摘要、层次标题和正文的重要段落中抽出与主题概念一致的词和词组。

摘要： 《一一》以动画原理的幻影箱为架构,藉其视觉暂留形成动态幻影的原理,描述台湾社会中,用尽全力生存却还是会陷入绝望的小人物们,藉由转念来翻转人生际遇的故事。金点奖评委点评:以极富创意的主题概念、细腻丰富的视觉元素,构筑出引人入胜的世界观,影像演绎精彩,叙事不落俗套,从技术到内容皆属上乘之作。

摘要： 本文在研究了经典的向量空间模型(VSM)及网页分类模型的基础上,提出了一种基于向量空间模型的多层次网页分类方法.该方法用主题词向量、修正主题词向量和主题概念向量从三个层次表示网页,使得网页表示向量维数低于特征表示向量,从而降低了网页分类的计算量,提高了网页分类速度和正确率.

摘要： 针对某类领域网站在开发或内容组织中出现的内容与主题分类不合理的可用性问题，提出在网站结构基础上抽取各网页主题表达为网站节点，从而构建网站概念结构树，并通过与领域标准本体比较其内容覆盖度和主题差异性，实现可用性评价，改善网站的可用性问题。

摘要： 针对某类领域网站在开发或内容组织中出现的内容与主题分类不合理的可用性问题，提出在网站结构基础上抽取各网页主题表达为网站节点，从而构建网站概念结构树，并通过与领域标准本体比较其内容覆盖度和主题差异性，实现可用性评价，改善网站的可用性问题。

摘要： 针对某类领域网站在开发或内容组织中出现的内容与主题分类不合理的可用性问题，提出在网站结构基础上抽取各网页主题表达为网站节点，从而构建网站概念结构树，并通过与领域标准本体比较其内容覆盖度和主题差异性，实现可用性评价，改善网站的可用性问题。

摘要： 针对某类领域网站在开发或内容组织中出现的内容与主题分类不合理的可用性问题，提出在网站结构基础上抽取各网页主题表达为网站节点，从而构建网站概念结构树，并通过与领域标准本体比较其内容覆盖度和主题差异性，实现可用性评价，改善网站的可用性问题。

摘要： 知识服务作为现代信息服务追求的目标,首先要求以文献为单位的资源标引转变为以知识为单位的知识标引.知识元作为构造知识的基元,是实现跨领域知识集成和发现的基础,为实现知识服务提供了一条新途径.现有的知识元挖掘方法主要针对格式规范的文献资源,无法完全适应逻辑结构松散、语言表达不规范的Web网页,本文针对Web网页的特点提出了一种基于主题词表和语义分析的学科知识元挖掘方法,并以教育技术学作为研究领域进行了实证研究.实验表明,使用该方法从Web文本教育资源中挖掘学科知识元的平均准确率达到了80.7%,能够极大的提高学科知识元标引的效率.

摘要： 知识服务作为现代信息服务追求的目标,首先要求以文献为单位的资源标引转变为以知识为单位的知识标引.知识元作为构造知识的基元,是实现跨领域知识集成和发现的基础,为实现知识服务提供了一条新途径.现有的知识元挖掘方法主要针对格式规范的文献资源,无法完全适应逻辑结构松散、语言表达不规范的Web网页,本文针对Web网页的特点提出了一种基于主题词表和语义分析的学科知识元挖掘方法,并以教育技术学作为研究领域进行了实证研究.实验表明,使用该方法从Web文本教育资源中挖掘学科知识元的平均准确率达到了80.7%,能够极大的提高学科知识元标引的效率.

摘要： 知识服务作为现代信息服务追求的目标,首先要求以文献为单位的资源标引转变为以知识为单位的知识标引.知识元作为构造知识的基元,是实现跨领域知识集成和发现的基础,为实现知识服务提供了一条新途径.现有的知识元挖掘方法主要针对格式规范的文献资源,无法完全适应逻辑结构松散、语言表达不规范的Web网页,本文针对Web网页的特点提出了一种基于主题词表和语义分析的学科知识元挖掘方法,并以教育技术学作为研究领域进行了实证研究.实验表明,使用该方法从Web文本教育资源中挖掘学科知识元的平均准确率达到了80.7%,能够极大的提高学科知识元标引的效率.

摘要： 知识服务作为现代信息服务追求的目标,首先要求以文献为单位的资源标引转变为以知识为单位的知识标引.知识元作为构造知识的基元,是实现跨领域知识集成和发现的基础,为实现知识服务提供了一条新途径.现有的知识元挖掘方法主要针对格式规范的文献资源,无法完全适应逻辑结构松散、语言表达不规范的Web网页,本文针对Web网页的特点提出了一种基于主题词表和语义分析的学科知识元挖掘方法,并以教育技术学作为研究领域进行了实证研究.实验表明,使用该方法从Web文本教育资源中挖掘学科知识元的平均准确率达到了80.7%,能够极大的提高学科知识元标引的效率.

摘要： 知识服务作为现代信息服务追求的目标,首先要求以文献为单位的资源标引转变为以知识为单位的知识标引.知识元作为构造知识的基元,是实现跨领域知识集成和发现的基础,为实现知识服务提供了一条新途径.现有的知识元挖掘方法主要针对格式规范的文献资源,无法完全适应逻辑结构松散、语言表达不规范的Web网页,本文针对Web网页的特点提出了一种基于主题词表和语义分析的学科知识元挖掘方法,并以教育技术学作为研究领域进行了实证研究.实验表明,使用该方法从Web文本教育资源中挖掘学科知识元的平均准确率达到了80.7%,能够极大的提高学科知识元标引的效率.

摘要： 本发明涉及一种基于词组的概念化主题建模方法，属于自然语言处理中的文本挖掘领域。包括1)挖掘文本语料中的词组；2)从概念知识库获取概念和实体关系；3)设置主题数、Dirichlet分布先验参数及最大迭代次数N；4)随机为每篇文档的每个词组中的词分配概念；5)随机地为每个词组的概念分配相同的主题；6)通过Gibbs采样方法迭代N次，更新概念和主题分配；7)计算文档‑主题分布θ和主题‑概念分布Φ的估计值；8)得出每篇文档中不同主题的占比；9)得出每个主题中不同概念的占比，并结合概念知识库对挖掘出的主题进行解释。所述方法使主题模型在挖掘文本语料主题的过程中，深入理解文本的含义，增强了主题挖掘的语义完整性。

摘要： 增强BTM主题模型主题词语义相关性和主题凝聚度方法,属于文本挖掘和机器学习的交叉领域，包括下述内容：（1）文本语料获取以及预处理；（2）词向量模型构建；（3）BTM主题模型的建模；（4）词语之间语义相关性计算；（5）结合双词语义相关的主题模型的建模。本发明的双词扩展的主题模型在主题凝聚度TC值以及Js距离值上都比传统的主题模型有明显的提高。

摘要： 本发明涉及一种基于词组的概念化主题建模方法，属于自然语言处理中的文本挖掘领域。包括1)挖掘文本语料中的词组；2)从概念知识库获取概念和实体关系；3)设置主题数、Dirichlet分布先验参数及最大迭代次数N；4)随机为每篇文档的每个词组中的词分配概念；5)随机地为每个词组的概念分配相同的主题；6)通过Gibbs采样方法迭代N次，更新概念和主题分配；7)计算文档‑主题分布θ和主题‑概念分布Φ的估计值；8)得出每篇文档中不同主题的占比；9)得出每个主题中不同概念的占比，并结合概念知识库对挖掘出的主题进行解释。所述方法使主题模型在挖掘文本语料主题的过程中，深入理解文本的含义，增强了主题挖掘的语义完整性。

摘要： 本发明公开了一种基于概念信息和词权重的主题生成方法，包括步骤：对于一个文本语料库，识别出文本语料库中每一篇文档中的实体；对于识别出的所有实体，在知识库中检索每个实体的概念信息；对语料库中的每一篇文档进行预处理；使用DCEP词权重方案对语料库中的每一篇文档进行处理，并构建成为新的语料库；将新的语料库输入到标准的LDA主题模型中，生成主题。本发明通过为主题模型引入基于概念信息的词权重方案，有利于主题模型生成更加连贯的主题。

摘要： 基于从针对搜索结果页面和网页而识别的横向概念和主题生成的短语，选择广告以呈现在搜索结果页面和网页上。接收搜索查询或网页的指示，将针对其提供广告。基于搜索查询或网页的内容来识别横向概念和主题。横向概念和主题被用作短语以便从广告目录中选择广告。所选择的广告被提供以呈现在响应搜索查询的搜索结果页面上或者在初始识别的网页上。

摘要： 本发明提出一种产生主题网页与主题会议室的方法，特别是一种依主题产生主题网页及主题会议室的方法。本发明的方法可以搜寻复数个目标网站中的网络内容，并产生一主题网页，以供用户可以在浏览该主题网页时获得与该主题相关的许多内容。本发明的方法还可以于主题网页上提供一公用主题会议室或一个人主题会议室的联机方式，以便于浏览主题网页的用户们可以在公用主题会议室或个人主题会议室中进行社交沟通。

摘要： 增强BTM主题模型主题词语义相关性和主题凝聚度方法,属于文本挖掘和机器学习的交叉领域，包括下述内容：（1）文本语料获取以及预处理；（2）词向量模型构建；（3）BTM主题模型的建模；（4）词语之间语义相关性计算；（5）结合双词语义相关的主题模型的建模。本发明的双词扩展的主题模型在主题凝聚度TC值以及Js距离值上都比传统的主题模型有明显的提高。

摘要： 本发明公开一种基于流式LDA主题模型发现文档隐含主题和主题词的方法，属于机器学习的自然语言处理技术领域。在LDA模型的基础上考虑文档间主题和主题词的互相影响，对连续文档进行准确的隐含主题和主题词发现，包括随机初始化参数和选取超参数、随机生成每篇文档主题的先验分布和每个主题词的主题词分布、将文档中的词分配给某个主题、计算主题和主题词的极大似然函数和后验分布并更新所有的分布和参数、按概率对文档的主题和主题词进行降序排序输出最大概率的几个主题及其主题词五个步骤。具有可充分考虑相邻文档间主题的相互影响，得到的文档的主题分布较现有的技术更加贴近于主题的真实分布，获取文档的主题以及其主题词更加精准等优点。

摘要： 本申请公开了一种主题概念挖掘方法、装置、设备以及存储介质，涉及知识图谱技术领域。具体实现方案为：基于搜索信息获取多个候选主题概念；对多个候选主题概念进行切词，并对所述切词后的词语进行词性标注，以得到每个候选主题概率的词性序列；基于所述词性序列，对所述多个候选主题概念进行过滤，以过滤掉所述多个候选主题概念中目标词性序列对应的主题概念，其中，所述目标词性序列的准确主题概念的占比低于或者等于第一预设阈值，或者所述目标词性序列的错误主题概念的占比高于或者等于第二预设阈值。本申请可以降低主题概念挖掘所需的人力成本。

摘要： 本发明提供了一种基于概念向量模型的多主题提取方法，包含以下步骤：首先使用传统方法对文档进行预处理后初步得到由特征词组成的向量；其次利用《知网》词义与概念间的对应关系对同义词进行归并，根据语义类与上下文语境的相关性对多义词进行排歧，构造概念向量模型表示该文档；再利用《知网》中概念的相关语义信息计算概念相似度，通过“预设种子”的方法改进K-means算法对概念进行聚类，形成多个主题概念簇；最后根据概念和词的对应关系，得到多个子主题词集。该方法考虑了语义信息，克服K-means算法对初始中心的敏感性和时空开销不稳定等缺陷，提高了提取主题的质量。