情报工程 北大核心

情报工程杂志简介

　　《情报工程》杂志简介：

　　《情报工程》是由中国科学技术协会主管，中国科学技术情报学会与中国科学技术信息研究所主办的专业性学术刊物(双月刊)，国际标准刊号ISSN：2095-915X，国内统一刊号：CN:10-1263/G3。

　　《情报工程》本刊是中国科技核心期刊，同时被数字化期刊群全文数据库(万方)、中国知网(CNKI)、《中国人文社会科学期刊评价报告(AMI)》引文数据库、维普、超星、Google谷歌学术收录。

　　《情报工程》办刊方针：立足情报研究、面向工程实现、服务知识社会。

　　《情报工程》期刊目标：为支持政府和企业在情报分析领域中的实践，提供情报分析的理论研究、技术方法、工程应用等方面的专业化学术交流平台。

　　《情报工程》重点关注：前沿情报理论方法、竞争情报、创新管理、投资战略、技术转移、政府和企业案例研究、信息分析处理技术、国内外情报机构和智库动态、政府和企业的情报应用实践、图书馆情报理论与技术等。

　　2016 年《情报工程》杂志06期收录论文目录：

　　主编寄语 刘琦岩;

　　基于训练集裁剪的加权K近邻文本分类算法 孙新;欧阳童;严西敏;尚煜茗;郭文浩;

　　基于核心期刊编委所著论文的研究前沿探测方法及实证研究 张丽华;曲建升;

　　元分析方法研究综述 刘志辉;李文绚;

　　中文健康问句分类与语料构建 郭海红;李姣;代涛;

　　我国社会网络领域知识图谱研究 吴文晓;武涛;

　　投稿论文：基于训练集裁剪的加权K近邻文本分类算法

　　【摘要】：文本分类是信息检索领域的重要应用之一,由于采用统一特征向量形式表示所有文档,导致针对每个文档的特征向量具有高维性和稀疏性,从而影响文档分类的性能和精度。为有效提升文本特征选择的准确度,本文首先提出基于信息增益的特征选择函数改进方法,提高特征选择的精度。KNN(KNearest Neighbor)算法是文本分类中广泛应用的算法,本文针对经典KNN计算量大、类别标定函数精度不高的问题,提出基于训练集裁剪的加权KNN算法。该算法通过对训练集进行裁剪提升了分类算法的计算效率,通过模糊集的隶属度函数提升分类算法的准确性。在公开数据上的实验结果及实验分析证明了算法的有效性。

　　【关键词】： 文本分类 特征选择 信息增益 最近邻分类算法

　　驿站郑重承诺：

　　1、职称驿站并非各类杂志的官方网站或杂志社，是快速高效发表论文的中介机构，谢绝投递杂志社的稿件。

　　2、本站提供服务全面，包括期刊推荐、论文发表、论文写作等指导服务，如有需要请点击在线客服人员进行具体咨询。

　　3、本站只适当收取维持网站正常运转的编审排录费、排版、制作、印刷、邮寄样刊、发票等综合费用，无其他额外费用。

　　4、本站所合作的期刊，均为国家新闻出版总署(www.gapp.gov.cn)认证的正规、合法、双刊号期刊。

　　5、本站凭借多年的论文发表经验，审核、发表成功率高，文章审核通过确认录用支付费用。

　　最后，感谢您一直以来对网站及合作期刊《情报工程》的关注与支持，我们会认真对待您繁忙之余提出的宝贵意见和建议，我们会再接再厉，与您携手共进!

　　1、职称驿站并非该杂志的官方网站或杂志社，直投稿件请联系杂志社。部分内容来源网络，如需删除请联系本站在线人员！

　　2、本站提供服务全面，包括期刊推荐、论文发表咨询服务等，如有需要请点击在线咨询。

　　3、本站所展示的期刊，均为国家新闻出版总署认证的正规、合法、双刊号期刊。

　　4、本站凭借多年的论文发表咨询经验，审核、发表成功率高。

　　5、本站在国际拥有多家自主经营出版社，出版服务有保证。