주제 단어 가중치란 무엇을 의미하나요?

질문 1: 문헌 검색에서 가중치 검색은 무엇을 의미하나요? 설정이 있나요? 결합된 검색에 참여하는 각 식별자에는 검색 요구 사항에 따라 다양한 중요도를 나타내는 숫자 값이 제공됩니다. 컴퓨터화된 정보 검색 방법입니다. 소위 '파워'란 중요도를 나타내는 수치를 말합니다. 소위 "가중치"는 문서의 정량적 검색 척도입니다. 가중치에 따라 다양한 식별자 조합을 대기열에 추가할 수 있으며 이는 검색 품질을 제어하는 효과적인 방법입니다.

질문 2: pubmed IM EM CA 특허 색인 BA SCI 특수 문서 특허 유형 기계 검색에서 주제 경로 가중치 검색을 수행하는 방법 4단계 하위 주제 키워드 데이터베이스 구조 유형 CBM 가중치 검색 PUBMED 전체 텍스트 키 EBM 1. 이름 설명: 1. 문헌:

질문 3: 이름에서 알 수 있듯이 검색어, 주제어, 하위 주제어의 차이점은 무엇입니까? , 검색창에 입력하는 단어 중 상당 부분이 무료 단어 검색입니다. 주제어는 서로 다른 이름을 가진 질병을 하나의 "공식" 이름으로 부를 수 있도록 하는 표준화된 단어입니다. 주제어는 검색의 정확성을 높이기 위해 하위 주제 단어와 일치시킬 수 있습니다. . 검색 요구 사항에 따라 가중치 문제도 있습니다.

질문 4: 디자인 방법론에서 가중치 계수를 결정하는 방법에는 여러 가지가 있습니다. 가중치 계수는 무엇이며 그 특성은 무엇입니까? 질문과 답변 1. 정보, 지식, 문서 및 이들 간의 관계에 대해 간략하게 설명하십시오. 그들을. . 1. 답: 정보: 사물이 존재하는 방식, 사물의 움직임 상태, 사물의 특성을 반영한 것이며, 사물이 보내는 신호이자 메시지입니다. 지식(Knowledge) : 자연과 인간사회의 다양한 현상과 법칙에 대한 정보반영을 인간의 사고분석, 가공 및 정제, 체계화, 이론화한 결과이다. 문서(Documents): 지식을 기록하는 모든 매체. 세 가지 개념적 범위에서 정보는 문서보다 지식보다 큽니다. 지식은 정보의 일부이며, 문서는 기록되는 지식의 일부입니다. 2. 다양한 운송인 양식에 따라 어떤 유형의 문서가 구분되고 예를 들어보십시오. 2. 답변: 문서는 갑골 및 청동 비문과 같은 손으로 쓴 문서, 책, 정기 간행물과 같은 인쇄 문서, 마이크로필름, 마이크로피시와 같은 마이크로필름 문서, 비디오 테이프와 같은 시청각 문서 등 다양한 캐리어 형식으로 구분됩니다. , 오디오 테이프, 과학 기술 데이터베이스 문서 및 네트워크 문서와 같은 전자 영화 문서 3. 문서의 수준과 상호 관계. 3. 답변: 문서는 처리 정도에 따라 제로타임, 1차, 2차, 3차 문서 등 네 가지 유형으로 나뉩니다. 그 중 제로타임 문서는 미발표된 실험 기록, 원본 기록(이미지), 편지, 원고, 구두 의사소통 정보 또는 물리적 물체 등을 말하며 저자가 처리하여 공개적으로 발표한 후 기본 문서가 됩니다. 문서는 사회 유통 분야에 들어가며, 1차 문서의 다양한 특성에 따라 특정 규칙과 방법에 따라 정리, 처리, 압축되고, 결과 문서는 2차 문서 단서로 합성됩니다. 다수의 주요 문서 내용을 분석하고 처리하며, 정제 후 형성된 문서가 세 번째 문서입니다.

4. 컴퓨터 검색에서 검색 범위를 좁히는 방법은 무엇입니까? 4. 답변: 컴퓨터 검색에서 검색 범위를 좁히는 방법은 다음과 같습니다. (1) and로 연결된 검색어를 추가하거나 "2차 검색"을 사용합니다. (2) 특정 하위 주제 단어를 사용하여 제한합니다. (3) 필드를 사용합니다. 제목 단어 검색, 주제 단어 검색, 가중치 검색 등으로 (4) 문서 유형, 언어, 중요 저널, 임상 핵심 저널, 연도 등의 제한된 검색을 수행합니다. (5) 보다 구체적인 분류 범위 내에서 단어 검색을 입력합니다. .문헌 전문을 얻는 방법은 무엇입니까? 5. 답: 원문을 얻는 방법은 다음과 같습니다. (1) 온라인 원문 데이터베이스 검색 (2) 온라인 출판사 및 잡지 이용 (3) 도서관 장서 목록(공동 장서 목록) 이용 (4) "온라인 원문 전달" 이용 서비스" ( 5) 저자에게 물어보세요 6. 일반적으로 사용되는 검색 방법은 무엇입니까? 6. 답: 일반적으로 사용되는 검색 방법에는 자유 단어 검색, 주제 단어 검색, 분류 검색, 저자 검색, 기관 검색, 인용 검색, 제한 검색 등이 있습니다. 7. 정보 검색의 원리를 간략하게 설명하십시오. 7. 답: 원리 정보검색이란 특정 사용자가 요구하는 정보를 기술하는 질문 특성과 정보저장소의 검색식별자의 유사점과 차이점을 비교하여 질문 특성과 일관되거나 기본적으로 일치하는 정보를 찾는 것이다. 핵심은 사용자가 필요로 하는 정보와 ***정보에 저장된 정보를 비교하고 선택하는 것, 즉 매칭과정이다. 8. 컴퓨터 검색에는 일반적으로 어떤 단계가 포함됩니까? 8. 답변: 정보 검색 단계는 다음과 같습니다. (1) 검색 주제를 분석하고 목적과 요구 사항을 명확히 합니다. (2) 적절한 검색 도구를 선택합니다. (3) 검색 방법을 선택하고 검색 식별자를 결정합니다. (4) 문헌 단서를 검색합니다. (5) 검색 결과를 찾아보고 원본 문서를 얻습니다. 9. IM 주제 색인의 배열 규칙을 간략하게 설명하십시오. 9. 답: 주제색인의 배열 규칙은 다음과 같습니다. (1) 전체 색인은 주제어별로 정렬됩니다. (2) 동일한 주제 표목은 하위 주제 단어별로 정렬됩니다. (3) 해당 항목에는 관련 내용이 있는 문헌 참고문헌이 포함됩니다. 또는 주제 표제/하위 주제 표제 아래에 일반 일반 문서는 주제 표제 바로 아래에 배치되고, 특정 문서는 해당 하위 주제 표제 아래에 배치될 수 있으며, 동일한 주제에 대해 여러 주제 표제 아래에 배치될 수 있습니다. 단어나 하위주제 아래의 참고문헌은 영어 문서를 먼저 나열하고, 그 뒤에 영어 이외의 문서를 나열한다. 영어 이외의 문서는 구분을 위해 [ ]로 표시한다. (5) 영어 문서는 약어순으로 정렬한다. (6) 비영어권 문헌은 장르의 약어로 먼저 정렬하고, 같은 장르의 경우 저널 제목의 약어로 정렬해야 합니다. 10. "의료 주제 제목"(MeSH) 단어 순서 목록의 참조 시스템은 무엇입니까? 그 의미를 설명하는 예를 들어보십시오. 10. 답변: 첫 번째 그룹: 단어 간의 등가 관계를 다루는 데 사용되는 대체 참조입니다. MeSH 어휘 목록에서는 여러 동의어의 경우 보다 과학적이고 일반적인 단어 중 하나만 표준화된 주제 제목으로 사용되며 나머지는...gt

질문 5: 무엇입니까? 무슨 뜻인가요?

기본 설명

명사에 대한 질문어로, 일반적으로 어떤 것에 대한 질문을 표현합니다.

1. 알 수 없는 것들.

2. 모든 것.

3. what과 같은 의미입니다.

4. 의심을 표현하십시오.

자세한 설명

1. 누군가, 사물 또는 사물의 성격이나 성격에 대해 물어보고, 거기에서 어떤 정보를 얻었는지 묻는 것을 의미합니다.

2. 당신이 찾고 있는 것이 무엇인지 말해주세요.

3. 가상의 손가락은 꽃향기 냄새를 맡아 불확실한 것을 나타냅니다.

4. 부정을 표현하기 위해

그 사람이 누구인지, 실제로 보고 싶다

5. 비난을 표현하기 위해

왜 웃고 있나요? ?

6. 앞의 단어나 일련의 단어에 포함되지 않은 가능성을 묻는 것을 나타냅니다.

이것은 파충류입니까, 양서류입니까, 아니면 다른 것입니까?

7 놀라움이나 설렘을 표현하세요

뭐, 아침 식사는 없어요!

8. 모든 것

지구와 상관없이 모든 것을 낳으세요! 어머니 - 그녀가 낳은 것

9. 명시된 범위 내에 예외가 없음을 나타 내기 위해 "ye"앞에 사용됨

그는 아무것도 두려워하지 않습니다

10 . 말한 내용의 범위 내에서 예외가 없음을 나타냅니다.

열심히 공부하면 무엇이든 배울 수 있습니다

11. 대명사로 사용됨: all, all, everything ;예: 당신이 동의하는 한 나는 당신에게 모든 것을 주겠습니다. ....나는 아무것도 두렵지 않다.

질문 6: 정보 검색의 요점 질문과 답변

1. 정보, 지식, 문서의 개념과 이들 간의 관계를 간략하게 설명하십시오.

1. 답: 정보: 사물이 존재하는 방식, 사물의 움직임 상태, 사물의 특성을 반영한 것이며, 사물이 보내는 신호이자 메시지입니다.

지식: 자연과 인간 사회의 다양한 현상과 법칙에 대한 인간의 사고 분석, 처리 및 정제, 체계화 및 이론화의 결과입니다.

문서: 지식을 기록하는 모든 매체

세 가지 개념적 관점에서 볼 때 정보는 문서보다 지식보다 더 큽니다. 지식은 정보의 일부이며 이론적이고 체계적인 정보입니다. 문서는 지식의 기록된 부분입니다.

2. 운송인의 형태에 따라 어떤 종류의 문서로 나뉘고, 예를 들어보세요.

2. 답변: 문서는 다양한 운송 수단으로 구분됩니다.

갑골문, 청동문 등 손으로 쓴 문서

책 등 인쇄된 문서 , 저널

마이크로필름 및 마이크로필름과 같은 마이크로필름 문서

비디오 테이프, 오디오 테이프, 과학 필름과 같은 시청각 문서

전자 문서, 데이터베이스 문서 및 네트워크 문헌과 같은

3. 문헌의 수준과 상호 관계.

3. 답변: 문서는 처리 정도에 따라 제로타임, 1차, 2차, 3차 문서 등 4가지 유형으로 나뉩니다.

그 중 제로타임 문서는 미발표된 실험 기록, 원본 기록(이미지), 편지, 원고, 구두 의사소통 정보 또는 물리적 물체 등이 처리된 후 공개적으로 공개되는 문서를 의미합니다. 저자는 1차 문서의 다양한 특성에 따라 1차 문서가 되고 특정 규칙과 방법에 따라 분류, 처리 및 압축되며 결과 문서는 2차 문서의 단서로 사용됩니다. 다수의 1차 문서를 분석하기 위해 컨텐츠를 종합, 분석, 가공, 정제한 후 형성된 문서가 세 번째 문서입니다.

4. 컴퓨터 검색에서 검색 범위를 좁히는 방법은 무엇입니까?

4. 답변: 컴퓨터 검색에서 검색 범위를 좁히는 방법은 다음과 같습니다.

(1) 및와 연결된 검색어를 추가하거나 "2차 검색"을 사용합니다.

(2) 특정 하위 주제 단어를 사용하여 한정

(3) 필드를 사용하여 제목 단어 검색, 주제 단어 검색, 가중치 기반 검색 등 검색을 제한합니다.

(4) 문서 유형, 언어, 중요 저널, 핵심 임상 저널, 연도 등을 제한적으로 검색합니다.

(5) 보다 구체적인 분류 범위 내에서 단어 검색을 입력합니다.

5. 문헌 전문을 얻는 방법은 무엇입니까?

5. 답: 전문을 얻는 방법은 다음과 같습니다:

(1) 온라인 전문 데이터베이스 검색

(2) 온라인 출판사 및 잡지 이용

(3) 도서관 소장 카탈로그(Union Collection Catalog)를 이용하세요

(4) '온라인 전문 전달 서비스'를 이용하세요

(5) 작가님의 부탁

6. 주로 사용되는 검색 방법은 무엇인가요?

6. 답변: 일반적으로 사용되는 검색 방법은 다음과 같습니다.

자유 단어 검색, 주제 단어 검색, 분류 검색, 저자 검색, 기관 검색, 인용 검색, 제한 검색 등< /p >

7. 정보 검색의 원리를 간략하게 설명하십시오.

7. 답변: 정보 검색의 원리는 특정 질문에서 요구하는 정보를 설명하는 질문 특성 간의 유사점과 차이점을 비교하는 것입니다. 사용자 및 정보 저장의 검색 식별, 질문의 특성과 일치하거나 기본적으로 일치하는 정보를 찾습니다. 핵심은 사용자가 필요로 하는 정보와 ***정보에 저장된 정보를 비교하고 선택하는 것, 즉 매칭과정이다.

8. 컴퓨터 검색과 관련된 일반적 단계는 무엇입니까?

8. 답변: 정보 검색 단계는 다음과 같습니다.

(1) 검색 주제를 분석하고 목적과 요구 사항을 명확히 합니다.

(2) 적절한 선택 검색 도구

(3) 검색 방법을 선택하고 검색 식별자를 결정합니다.

(4) 문헌 단서를 검색합니다.

(5) 검색 결과를 찾아보고 원본 문서를 얻습니다.

9. IM 주제 색인의 배열 규칙을 간략하게 설명하십시오.

9. 정답: 주제 색인의 배열 규칙은 다음과 같습니다

(1) 전체 색인은 주제 단어를 알파벳 순으로 정렬합니다

( 2) 동일한 주제명 아래 언론 소제목은 알파벳 순으로 배열한다.

(3) 해당 주제명 아래에 관련 내용이 포함된 문헌을 포함하거나 주제명/소주제 일반 문헌을 배치한다. 주제 제목 바로 아래에, 전문 문서는 주제 제목 바로 아래에 배치됩니다. 참조 문서는 해당 하위 주제 제목 아래에 배치되어야 합니다. 동일한 문서 참조는 여러 주제 제목 아래에 배치될 수 있습니다.

(4) 문서의 경우 동일한 주제 제목 또는 하위 주제 제목 아래의 참고문헌은 영어 문서를 먼저 정렬한 다음 비영어 문헌을 정렬하고, 비영어 문헌의 영어 번역 제목은 [ ] 안에 넣어 차이점을 보여줍니다

(5) 영문학은 학술지명의 약자순으로 정렬

( 6) 비영어문학은 먼저 장르의 약자로 정렬하고, 같은 장르의 경우는 저널명 약자로 정렬한다. 저널 제목의 약어입니다.

10. "의료 주제 제목"(MeSH) 단어 순서 목록의 참조 시스템은 무엇입니까? 예를 들어 그 의미를 설명하십시오.

10. 답: 첫 번째 그룹: 단어 간의 등가 관계를 다루는 데 사용되는 대체 참조입니다.

MeSH 어휘 목록에서는 여러 동의어의 경우 보다 과학적이고 일반적인 단어 중 하나만 표준화된 주제 제목으로 사용되며 나머지는...gt;gt

질문 7: 다음 중 하나만 사용됩니다. PUBMED 데이터베이스에서는 보다 과학적이고 일반적인 단어가 사용됩니다. 주요 주제어로만 검색하는 것과 하위 주제어를 확장하지 않고 검색하는 것의 차이점은 무엇인가요? 중국어 버전의 pubmed를 사용하면 모든 작업의 차이점이 한눈에 명확해집니다.

질문 8: 데이터 마이닝에서 분할표 분석 전에 가중치를 적용해야 하는 이유는 무엇입니까? 비즈니스, 과학 연구 및 기타 활동에서 의사 결정에 필요한 지식을 제공할 수 있는 데이터 웨어하우스, 데이터베이스 또는 기타 정보 기반에는 많은 지식이 숨겨져 있습니다. 분류와 예측은 중요한 데이터***를 설명하는 모델을 추출하거나 향후 데이터 추세를 예측하는 데 사용할 수 있는 데이터 분석의 두 가지 형태입니다. 분류 방법(Classification)은 데이터 개체의 이산 범주(Categorical Label)를 예측하는 데 사용되며, 예측 방법(Prediction)은 데이터 개체의 연속 값을 예측하는 데 사용됩니다.

분류 기술은 다양한 분야에서 사용됩니다. 예를 들어, 은행 대출에 대한 위험 평가를 수행하기 위해 고객 분류를 통해 분류 모델을 구축할 수 있습니다. 현재 마케팅에서 매우 중요한 특징은 고객 세분화를 강조하는 것입니다. 고객 카테고리 분석 기능도 여기에 있습니다. 데이터 마이닝의 분류 기술을 사용하면 고객을 여러 카테고리로 나눌 수 있습니다. 예를 들어 콜센터를 설계할 때 자주 전화하는 고객, 가끔 전화하는 고객으로 나눌 수 있습니다. 또한, 이러한 분류 모델을 통해 사용자는 다양한 행동 범주의 고객 분포 특성을 이해할 수 있습니다. 문서 검색 및 검색 엔진의 분류 기술 분류 기술을 기반으로 한 침입 탐지 등이 있습니다. 기계 학습, 전문가 시스템, 통계, 신경망 등 분야의 연구자들은 구체적인 분류 예측 방법을 많이 제안했습니다. 다음은 분류 프로세스에 대한 간략한 설명입니다.

훈련: 훈련 세트--gt; 훈련--gt; 분류: 새로운 샘플- ―gt; 특징 선택――gt; 분류―gt; 판단

초기 데이터 마이닝 분류 응용 프로그램의 대부분은 이러한 방법과 메모리를 기반으로 구축되었습니다. 현재의 데이터 마이닝 방식은 외부 메모리 기반의 대규모 데이터 처리 능력과 확장성을 요구합니다. 다음은 몇 가지 주요 분류 방법에 대한 간략한 소개입니다.

(1) 결정 트리

결정 트리 유도는 고전적인 분류 알고리즘입니다. 하향식 재귀적 혁신 방법을 사용하여 의사결정 트리를 구성합니다. 정보 획득 메트릭은 트리의 각 노드에서 테스트 속성을 선택하는 데 사용됩니다. 생성된 의사결정 트리에서 규칙을 추출할 수 있습니다.

(2) KNN 방법(K-Nearest Neighbor)

KNN 방법은 원래 1968년에 Cover와 Hart가 제안한 K-Nearest Neighbor 방법입니다. 이론상 성숙한 방법. 이 방법의 아이디어는 매우 간단하고 직관적입니다. 샘플의 가장 유사한(즉, 특징 공간에서 가장 가까운) k개 샘플의 대부분이 특정 카테고리에 속하면 샘플도 이 카테고리에 속합니다. . 이 방법은 분류 의사결정에서 가장 가까운 하나 또는 여러 개의 샘플의 범주를 기반으로 분류할 샘플의 범주만 결정합니다.

KNN 방법도 원칙적으로 극한 정리에 의존하지만 카테고리 결정을 내릴 때 매우 적은 수의 인접 샘플에만 관련됩니다. 따라서 이 방법은 샘플 불균형 문제를 더 잘 피할 수 있습니다. 또한, KNN 방식은 카테고리를 결정하기 위해 클래스 도메인을 구분하는 방식보다는 제한된 주변 샘플에 주로 의존하기 때문에, 카테고리에서 교차점이나 중복되는 부분이 많은 샘플 세트를 분할하는 데에는 KNN 방식이 다른 방식보다 우수합니다. 클래스 도메인 방법이 더 적합합니다.

이 방법의 단점은 분류할 각 텍스트에 대해 K개의 최근접 이웃 포인트를 얻기 위해 알려진 모든 샘플까지의 거리를 계산해야 하기 때문에 많은 양의 계산이 필요하다는 것입니다.

현재 일반적으로 사용되는 솔루션은 알려진 샘플 포인트를 미리 편집하고 분류에 거의 영향을 미치지 않는 샘플을 제거하는 것입니다. KNN 알고리즘의 계산 복잡성을 줄이고 분류 효율성을 향상시킬 수 있는 Reverse KNN 방법도 있습니다.

이 알고리즘은 상대적으로 표본 크기가 큰 카테고리 도메인의 자동 분류에 더 적합한 반면, 표본 크기가 작은 카테고리 도메인에 이 알고리즘을 사용하면 오분류가 발생하기 쉽습니다.

(3) SVM 방법

SVM 방법은 1995년 Vapnik 등이 제안한 Support Vector Machine(서포트 벡터 머신) 방법으로 비교적 우수한 성능 지표를 갖고 있다. . 이 방법은 통계 학습 이론을 기반으로 한 기계 학습 방법입니다. SVM은 학습 알고리즘을 통해 분류에 대한 식별 능력이 더 좋은 지원 벡터를 자동으로 찾을 수 있습니다. 이렇게 구성된 분류기는 클래스 간 거리를 최대화할 수 있으므로 적응성이 뛰어나고 분류 정확도가 높습니다. 이 방법은 최종 분류 결과를 결정하기 위해 다양한 영역의 경계 샘플 범주만 필요합니다.

지원...gt;

질문 9: 첫 번째 기본 검색으로 충분합니다. 바는 저자의 기간을 입력한 후 제한된 핵심 저널의 두 번째 저자를 두 번 검색하는 초보자를 위한 것입니다. 이는 매우 기본적이며 직접 찾아보세요.