DL環(huán)境下的信息資源管理及知識(shí)發(fā)現(xiàn)研究.pdf

1、本文針對(duì)數(shù)字圖書館下的信息資源組織建設(shè)問題，論文從信息資源的管理方法及網(wǎng)絡(luò)信息的數(shù)據(jù)挖掘技術(shù)兩個(gè)方面進(jìn)行了研究?！　∈紫葟男畔①Y源數(shù)字化、多媒體化、網(wǎng)絡(luò)化等方面分析了數(shù)字圖書館信息資源的特點(diǎn)及現(xiàn)行編目方法在網(wǎng)絡(luò)信息資源描述方面的局限性，并在此基礎(chǔ)上闡述了用于數(shù)字圖書館信息資源描述的元數(shù)據(jù)方法；闡述了元數(shù)據(jù)的定義、類型、結(jié)構(gòu)、編碼語(yǔ)言等基礎(chǔ)理論；研究了元數(shù)據(jù)的互操作性。對(duì)典型元數(shù)據(jù)方案都柏林核心集的應(yīng)用進(jìn)行了分析，探索了都柏林核心集元素

2、的格式與應(yīng)用；比較了都柏林核心集與現(xiàn)行編目方法的異同；并對(duì)網(wǎng)絡(luò)信息資源的整序問題進(jìn)行了討論?！　≡诰W(wǎng)絡(luò)信息的數(shù)據(jù)挖掘技術(shù)方面，針對(duì)傳統(tǒng)向量空間模型存在的不足，運(yùn)用模糊數(shù)學(xué)相關(guān)概念構(gòu)造了模糊特征向量空間模型，提出了文檔模糊特征提取及模糊特征向量的構(gòu)造方法；提出了基于模糊向量空間模型的三種聚類算法：K均值聚類算法、核聚類算法、基于蟻群智能的聚類算法。其中，K均值聚類算法與核聚類算法需要預(yù)先給定聚類數(shù)目，通過不斷迭代修正聚類中心，使聚類趨于

3、穩(wěn)定和精確；蟻群聚類算法無(wú)需預(yù)先給定類數(shù)，而是依據(jù)文檔相似度，讓蟻群攜帶文檔移動(dòng)。蟻群合作可表現(xiàn)出高度智能性，可以較好的完成聚類任務(wù)。應(yīng)用人工智能領(lǐng)域的模糊邏輯、神經(jīng)網(wǎng)絡(luò)、機(jī)器學(xué)習(xí)等理論，提出了三種文檔信息資源的自動(dòng)分類方法：基于加權(quán)模糊推理網(wǎng)絡(luò)的文檔自動(dòng)分類算法；基于自組織特征映射網(wǎng)絡(luò)的文檔自動(dòng)分類算法；基于級(jí)聯(lián)式支持向量機(jī)的文檔自動(dòng)分類算法。前兩種算法首先依據(jù)己知類別的若干分類樣本，構(gòu)造滿足輸入輸出關(guān)系的分類網(wǎng)絡(luò)，然后應(yīng)用不同的迭代