简介:《知识组织文献分类表》系国际知识组织学会(ISKO)创始人IngetrautDahlberg博士为1974年创刊的《国际分类》杂志“分类法文献”栏目编纂的。1993年在该刊发表时,Dahlberg职博士在前面增加了一个导言。本表的许多类目可以根据学科或专业进行复分(以*标示),复分的依据是Dahlberg博士编纂的另一部分类表——《信息编码分类表》(ICC)。在多数情况下,ICC代码与《知识组织文献分类表》代码结合时需加“一”,只有5—6大类直接按ICC复分。例:“048—51/4医学叙词表”,而“651/4有关医学叙词表的文献”。本表根据《知识组织》杂志1999年第4期刊登的修订版译出。该刊编辑根据知识组织领域研究的进展,对类目作了少许更动,并将《信息编码分类表大纲》附在表后,以便对照、使用。
简介:随着网络信息量的激增,人们对信息质和量需求的提高也促进了信息获取方法的空前发展。一种新兴的网络信息分类法——Folksonomy应运而生。本文将对其产生、发展以及具体特点进行深入分析,由此指出它对现有的网络信息分类带来的影响,并对自由分类法的发展提出了建议。
简介:总结国内外专利文本分类情况,简要叙述基于机器学习的专利文本分类的-般框架,介绍专利文本分类的文本预处理、特征提取、文本表示、分类器构建及效果评价等过程.将应用于专利文本分类的机器学习算法分为单-分类算法和组合分类算法着重探讨单-分类算法主要有NB算法、ANN算法、Rocchio算法、KNN算法、SVM算法等;组合分类算法主要有两种组合算法,如NB-KNN算法、Rocchio-KNN算法、KNN-SVM算法、SVM-其它算法,还有多种组合算法.指出各种机器学习算法应用在专利文本分类上的优势与不足,从专利文本预处理、特征提取、专利文本表示、分类器的构建、新方法的探索等五个方面对专利文本自动分类技术进行展望.