摘要：【目的】针对音乐信息检索中的声乐分类问题,将音频的统计特征和图像特征进行融合,探索效果更好的分类模型。【方法】抽取音频信息的统计特征以及梅尔频谱图图像特征。将机器学习方法用于统计特征,并设计了一种多层卷积神经网络架构用于图像特征,将声乐分类问题转化为图像分类问题,最后提出一种融合统计特征和图像特征的深度学习方法。【结果】在声乐分类任务上,基于图像特征的深度学习方法比机器学习方法 F1值提高约6个百分点,基于特征融合的深度学习模型F1值可达到69%以上,超过基于图像特征的深度学习模型3.4个百分点。【局限】实验数据量较小,未能完全发挥深度学习方法的优势。【结论】梅尔频谱图采样参数的设置对深度模型实验结果有较大影响,本文提出的特征融合方法可以有效提升声乐分类性能。

摘要：俄罗斯国家情报工作制度是由俄联邦设计和确定,情报机构和安全机构负责建设和实施。国家安全、情报活动、军事国防、保密与公开、情报人员等方面的法律法规构成了俄罗斯国家情报工作制度的法制基础。联邦安全局、联邦对外情报局、俄联邦武装力量总参谋部总局、联邦保卫局是俄罗斯主要的国家情报和安全机构。情报工作组织管理制度、情报人员管理和培养制度、情报工作协同合作制度、情报工作保密与公开制度、情报工作监督检察制度是俄罗斯国家情报工作制度的主要内容。国家高度重视和顶层设计、重视独联体国家情报工作合作、活动实现法制化、重视情报人才队伍建设、重视情报工作的社会公开、注重情报工作信息资源建设是俄罗斯国家情报工作制度的主要特点。

摘要：情报课程是情报学教学体系的核心和灵魂,是新的情报学人才培养模式的基础。在大数据、数据科学、人工智能发展的大环境下,数据学科与情报学之间存在很多共同点和交叉点,尤其是在对相应工作者所具有的技能素养上。文章通过对数据科学招聘信息中出现的人才技能素养实体的抽取,探究指导情报学学科紧跟时代发展潮流的课程设计内容。通过对招聘网站中数据科学相关工作岗位公告的抓取,经人工标注10534条公告数据,构建了基于预训练字嵌入的BI-LSTM-CRF神经网络的技能素养实体自动抽取模型,并在开发集中取得最高调和平均值85. 04%的效果。文章利用最优模型在11508条招聘公告中进行实体自动抽取,分析抽取结果,并围绕数据科学技能素养要求为情报学课程发展提出了适当建议。

摘要：【目的】面向学术文献全文本抽取方法论实体,识别其在全文本中的标引特征及使用环境。【方法】基于字典、规则及人工标注的方式抽取包含方法论知识的特征句及方法论实体,借助Visual Studio 2012及SQL Server 2012实现方法论实体抽取核心功能模块。【结果】方法论特征句抽取的准确率为76%,召回率大于42%;每个特征句中约包含1.42个方法论实体,方法论实体的正式标引比率低于27%,对特征句的正式标引比率低于35%,学科专用工具的正式标引率较低。【局限】系统特征句抽取准确率及召回率均较低,虽提供了人工标注界面加以辅助,但工作量较大,未基于语句关系等方法论知识的语义特征进行命名实体识别。【结论】学科专用方法论知识的学术价值被忽视;本研究所设计的方法论特征句及实体抽取方法具备多学科通用性,可进一步探讨方法论驱动的跨学科知识扩散路径。

摘要：[目的／意义]数据科学作为一个融合诸多领域的新兴交叉学科正在快速形成。从数据科学招聘的公告信息中，抽取出相应的实体知识不仅有助于从市场的角度了解数据科学的发展动态，而且有助于改进数据科学教学的内容。[方法／过程]基于各大招聘网站职位招聘公告，结合情报学的数据获取、标注和组织方法，构建数据科学招聘语料库并从中抽取相应的实体进行分析与研究。[结果／结论]在搜集到的11000篇经过标注的职位招聘公告语料的基础上，基于Bi-LSTM-CRF、CRF和Bi—LSTM模型，对数据科学招聘实体的抽取任务进行性能的对比，确定最终的数据科学招聘实体自动抽取模型，设计数据科学招聘实体自动抽取平台，并构建数据科学招聘实体网络。