细粒度南海数字资源多标签分类算法的比较与应用OA北大核心
[研究目的]面对海量多模态的南海数字资源,数据分类在构建南海证据链关联模型中起着至关重要的作用。通过系统地分类和整理数据,可以揭示资源之间的潜在关联,为后续的数据处理和分析提供坚实依据。[研究方法]应用文献计量工具COOC,全面描述南海数字资源和数据分类的研究现状。从409篇南海数字资料中抽取21174条细粒度南海数字资源,分别应用并比较RNN、CNN、DNN、LSTM、Bi-LSTM、Attention、BERT模型的细粒度多标签分类效果。最后,使用知识图谱技术实现细粒度南海数字资源的分类检索和可视化。[研究结果/结论]基于BERT的细粒度南海数字资源多标签分类效果最佳。同时,知识图谱能够直观展示南海数字资源的分类关系。该研究为后续的南海数字资源管理和多标签分类应用提供了坚实的理论支持和技术保障。
彭玉芳;郑研;杨海平
南京工程学院,南京211167福州大学,福州350108南京大学,南京210033
南海数字资源多标签分类细粒度深度学习知识图谱
《情报杂志》 2025 (1)
P.180-186,197,8
国家社会科学基金重大项目“南海疆文献资料整理中的知识发现与维权证据链建构研究”(编号:19ZDA347)教育部人文社会科学基金青年资助项目“基于多模态深度学习的细粒度南海疆证据资料抽取与分类研究”(编号:22YJC870012)江苏省社会科学基金后期资助项目“南海维权证据链构建与智库服务研究”(编号:22HQB43)江苏省高校哲学社会科学研究一般项目“南海疆维权证据链的元数据组织模式研究”(编号:2022SJYB0444)南京工程学院校级科研基金“南海维权证据链智能检索系统构建研究”(编号:YKJ202231)研究成果。
评论