一、关键词的正确标引（论文文献综述）
李娇,黄永文,罗婷婷,赵瑞雪,鲜国建[1]（2020）在《基于多因子算法的自动分类研究》文中认为【目的】从实用角度出发,研制领域适用性广、人力投入少的分类标引方法,支撑海量信息资源分类管理与学科领域地图揭示。【方法】基于文献中代表主题概念的术语、概念等关键词和分类号的兼容关系,研究设计多因子加权分类算法,在此基础上提出全流程自动分类标引方案。【结果】以权威的多领域标注语料库和标准集为数据来源进行分类标引实验,单类号文献标引准确率84.1%,召回率79.8%,F值81.9%;双类号文献标引准确率83.4%,召回率78.8%,F值81.0%。【局限】学科分类标引的准确率及完整性依赖高质量标注语料库,且在多类号资源的标引上有待提升。【结论】本文提出的多因子算法自动分类标引具有较高的可操作性和实践应用价值。
武华维[2]（2020）在《基于主题模型与知识图谱的电子公文主题标引方法研究》文中进行了进一步梳理世界已经从信息时代逐步进入到大数据时代,海量数据中很大一部分是用自然语言记录的文本数据。而电子公文作为文本数据类型的一种,它是政府机关、企事业单位等形成、具有法律效力和规范体式的数字形式的文件。历年累积的电子公文归档保存后一般按照内容进行人工主题标引、分类组织或者建立专题数据库以方便检索和开发利用。但人工标引主题方式存在劳动量大、速度慢、标引不一致等弊端,因此需要研究电子公文主题自动标引方法。针对非结构化公文的主题分析和标引问题,本文提出一种融合主题模型和知识图谱技术的电子公文主题自动标引方法,与当前存在的主题自动标引方法相比,它将电子公文文档集作为一个整体识别主题,基于主题词表构建外部知识库以实现对识别的主题用规范化的正式主题词和范畴进行统一标引。本文研究的内容包括以下三个方面:（1）基于主题模型的电子公文主题分析研究。从整体的视角进行电子公文的主题分析,应用多种自然语言处理技术将其转换成文档语料库,采用主题模型进行主题识别与分析,包括融合主题词表语义特征和通用主题模型进行主题识别,以及综合共词网络特征和层次主题模型进行主题层次结构分析。（2）基于知识图谱的主题词表语义自动转换研究。基于知识图谱建立机器可识别的主题知识库,弥补主题模型方法在非结构化文本的主题标引中存在的背景知识不足问题,以增强主题标引的语义性。在主题词表语义化表示及知识图谱技术的基础上,构建一种利用知识图谱技术对传统纸质载体的叙词表进行语义化自动转换的方法,为电子公文主题的标引奠定坚实的知识基础。（3）电子公文主题标引研究。提出综合应用主题模型和主题词表知识图谱进行电子公文主题标引的方法。在应用主题模型进行主题分析的基础上,运用知识图谱技术借助主题词表外部知识来进行主题的标引工作,使用正式主题词及范畴进行规范、控制和统一组织。具体包括基于LDA和知识图谱的电子公文主题标引、基于hLDA和知识图谱的电子公文主题标引。本文创新点和贡献主要有:（1）对电子公文主题标引这一传统实践问题,提出了综合应用主题模型和知识图谱技术进行自动化标引的方法。将应用主题模型进行文本主题分析的数据类型扩展到电子公文灰色文献类型,应用知识图谱技术建立主题词知识库,为正式主题词标引工作提供了现代化的标引工具和知识服务。（2）提出从纸质版主题词表到网络知识库的语义化转换的方法。设计了面向电子公文主题自动标引的主题词表SKOS数据模型描述方案及其自动转换算法,设计了RDF/N3主题词表关联数据自动转换成知识图谱算法,并用Python编程语言实现上述算法。（3）完成《中国档案主题词表》语义转换任务,将其主表和范畴表部分的所有内容从传统纸质媒介形式转换成为图数据库存储的知识图谱形式,为图书、情报和档案学术界和管理实务界贡献了重要的基础数据集。本论文包括图40幅,表17个,附录3个
宋笑宇[3]（2020）在《数学题目智能标引系统》文中研究指明数学题目浩如烟海,如何有效提取习题特征信息,提高习题应用的智能性,是我们一直追求的目标。数学题目的标引是对习题进行特征提取的过程,现在数学题目中文字的识别可以通过OCR技术完成,但是数学题目中包含了许多数学公式,这些公式大多不能被OCR直接识别,导致以图片形式保存的数学试卷在进行信息输出时不全面。人工对数学题目进行分类,费时费力,难免主观误差。为了使数学题目的信息能够完整的进行表达,提高数学题目的分类效率。本文针对数学题目图像数据,提出了一个能够将数学题目图像可编辑化,并对其进行标引的数学题目智能标引系统。主要工作和使用方法如下:（1）数学题目中的文字识别:使用OCR技术对数学题目中的文字进行识别。（2）数学题目中的公式识别和图形提取:对OCR无法识别的部分假定为公式或图形,使用基于黑色连通集邻接图与OCR技术相结合的方法对数学题目中的公式进行提取,然后对正确提取的公式使用基于特征字符的方法进行识别,将公式特征转换成特征关键词。数学题目中的几何图形切割出来,以图像的形式保留。（3）数学题目标引:按照数学学科习题标引关键词库,将关键词与数学题目特征进行匹配。匹配成功的关键词作为涉及到的知识点,关键词所属的最高年级作为题目所属年级,关键词数量的多少判定题目的难度。通过实验验证,数学公式的提取准确度达到了85%以上,实现了数学题目的自动特征提取和标引,可以取代人工操作,提高了标引效率,达到了设计该系统的目的。
付帅[4]（2020）在《专利自动标引系统的设计与开发》文中指出当今世界已进入知识经济时代,专利规模的不断扩张,专利等知识产权受到人们前所未有的重视。专利不仅是企业技术实力的重要展现,更是企业参与竞争的战略性资源,是企业高价值的资产。目前专利文献的标引工作主要是请专业标引人员进行标引,在标引的过程中存在天然的缺陷,费时费力且主观性强,且在专利标引的过程中,只能对每件专利文献中的信息进行标引,标引的内容极少,专利知识难以掌握并合理利用,并且标引的内容并不能直观、简洁的体现专利的有效信息,给用户带来的帮助非常有限,用户体验度较差,如何设计一个完善的专利自动标引系统,对专利信息进行自动标引,是一项有意义值得研究的课题。本文针对专利信息标引工作进行调研分析,旨在设计开发一款企业级的完善的专利自动标引系统,挖掘专利有价值的信息,实现专利的自动标引,也为后续专利自动标引工作的研究奠定基础。本论文分析了专利自动标引系统的可行性并提出了详细的方案及模块设计,具体工作包括以下几个方面:第一,便于系统的管理和使用,本文主要从系统的人员管理、权限管理、专利检索、专利标引、专利审查、质量分析等几方面进行设计开发,应对企业中不同使用人员的操作需求。第二,将自动标引相关技术与实际需要相结合设计了 5层关键词体系,从不同维度对专利进行标引,从而使标引结果更好的覆盖专利的各个主题,缓解关键词覆盖度不够的问题,标引视角更为广泛,并通过系统WEB界面使标引结果直观、简洁的展现。第三,针对专利语料匮乏的问题,由北京东方灵盾科技有限公司提供的21000篇中医药专利作为专利语料集,主要从语料标注、命名体识别、主题词提取等方面进行研究。首先设定了语料标注规范,结合专利关键词的特点,定义了5类实体,对专利数据进行标注,构建了专利语料库。第四,针对现有专利中的命名体识别任务,采用深度学习对专利命名体识别与提取,分别以多模型为基础,分析模型优劣点,为了更好地获取上下文特征,对传统的LSTM进行改进,采用双向LSTM网络,使用Bi-LSTM+CRF模型对专利进行命名体识别。实验证明在相同特征的条件下,改进模型在性能上表现出优势。
唐晓波,翟夏普[5]（2019）在《基于本体和Word2Vec的文本知识片段语义标引》文中进行了进一步梳理【目的/意义】如何识别文本中的知识片段进行标引,使检索系统能检索文本知识内容是提高用户信息利用效率的关键。【方法/过程】在文献调查的基础上,文章基于本体概念模型和Word2Vec词向量模型阐述了文本片段语义标引的流程框架,并对本体语义扩展、神经网络模型训练、文本片段标引、文本片段权重获取四个部分的关键环节及技术做了详细说明。最后通过实验验证了该流程框架。【结果/结论】实验结果显示该方法在文本知识片段识别上是有效的,知识识别的准确率达到80%,能够实现对文本知识内容进行标引。该方法为自动化实现基于知识的文本信息组织提供了有益的参考。
张红霞,冀伦文,贾丽红,王晶冰[6]（2018）在《信息传播视角下学术论文关键词标引方法与策略》文中研究表明【目的】探寻实用有效的关键词标引方法,以期解决关键词标引不正确的问题。【方法】参考GB/T 3860—2009《文献主题标引规则》,结合中国知网的中国学术期刊全文数据库,从信息传播视角探讨关键词标引方法的科学性与合理性。【结果】提出关键词标引的步骤:通过主题分析,用研究对象、研究方法、结果结论、其他重要信息4个要素来确定主题概念;采用组配、上位词等方式把主题概念转换为关键词;借助学术期刊全文数据库对所选关键词进行辅助性审核和修改。【结论】科学、合理地标引关键词有助于提升文献利用率和期刊学术影响力。
张海潮,王昊,唐慧慧,薛蔚[7]（2019）在《CRFs字角色标注方法在中文附加关键词抽取中的应用研究》文中研究表明[目的/意义]探讨中文社会科学领域题名关键词最佳抽取模型,用以获取引文题名关键词,完成附加关键词的抽取。[方法/过程]文章以2014年CSSCI全部文献的题名为语料,运用条件随机场（CRFs）,通过探究不同特征（或集合）和参数对关键词识别的影响,构建字角色标注的题名关键词标引模型,最终迁移应用到引文题名。[结果/结论]通过实验,获得最佳题名关键词标引模型,F1值可达到52.03%,每篇原文可获得附加关键词9个左右。在恰当的特征组合与参数下,构建的标引模型可以有效完成附加关键词的获取工作。[局限]语料中的每个关键词平均出现两次可能会影响机器学习的效果,原文与引文题名的差异可能影响模型的适用性,此外模型得到的附加关键词尚需进一步斟酌选择。
王新玲,张宏,陈彬[8]（2016）在《实用皮肤病医学期刊论文关键词的标引探析》文中指出期刊论文关键词是一种直接取自文献主题中有实质意义的词,利用关键词法实行计算机编制索引,方法简便,速度加快,最能体现出论文的思想和方法的内容,准确的标引可以影响到检索效果。该文重点对《实用皮肤病学杂志》关键词的标引原则及几种内容较为复杂的医学论文关键词标引方法进行分析和阐述。
淮孟姣[9]（2016）在《“农民信息行为”领域论文关键词标引问题及对策探讨》文中提出从关键词标引的相关概念出发,阐述了关键词标引的重要作用。在此基础上,在万方数据库检索出与"农民信息行为"相关的文献103篇,通过实例分析,总结归纳了该领域论文关键词标引中存在的问题。并针对所发现的问题,提出了提高科技论文关键词标引质量的对策。
李军锋,吕学强,周绍钧[10]（2015）在《带权复杂图模型的专利关键词标引研究》文中研究指明【目的】专利关键词标引是中文信息处理领域较为基础的环节,在专利检索、专利翻译以及专利自动摘要中具有较高的应用价值。【方法】采用K-最邻近耦合图将专利文献映射成复杂网络图模型,结合平均路径变化量、平均聚类系数变化量以及当前节点对整个复杂图模型流动性的影响,提出平均连通权重评价指标。分析关键词位置信息、关键词跨度信息以及关键词逆文档频率信息,提出专利综合相关特征衡量关键词的重要性。【结果】在传感器领域专利文献的实验结果中,Top-8级别上准确率达到60.9%,Top-10级别上召回率达到73.4%。【局限】对低频关键词的处理效果不够理想,影响了标引效果。【结论】实验结果表明该方法的有效性,对专利标引具有积极意义。
二、关键词的正确标引（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、关键词的正确标引（论文提纲范文）
（1）基于多因子算法的自动分类研究（论文提纲范文）
| 1 引言 |
| 2 相关研究 |
| 3 基于多因子算法的自动分类 |
| 3.1 标引流程 |
| (1）标准语料库构建 |
| (2）待标引文献分词处理与关键词提取 |
| (3）关键词对比 |
| (4）多因子打分与分类号排序 |
| (5）人工审核 |
| 3.2 多因子算法模型 |
| 4 实验设计与结果分析 |
| 4.1 数据准备 |
| 4.2 基于多因子算法的自动分类 |
| 4.3 实验结果分析 |
| 5 结语 |
| 支撑数据： |
（2）基于主题模型与知识图谱的电子公文主题标引方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 引言 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 研究内容 |
| 1.2.1 研究问题 |
| 1.2.2 研究对象 |
| 1.2.3 研究内容 |
| 1.3 研究思路与方法 |
| 1.3.1 研究思路 |
| 1.3.2 研究方法和工具 |
| 1.4 论文结构与创新点 |
| 1.4.1 论文结构 |
| 1.4.2 论文创新点 |
| 第2章 相关研究现状 |
| 2.1 主题标引的相关研究 |
| 2.1.1 主题标引的基本概念 |
| 2.1.2 主题标引的演进历史 |
| 2.1.3 主题标引的技术方法 |
| 2.2 主题模型的相关研究 |
| 2.2.1 主题模型概述 |
| 2.2.2 主题模型应用研究 |
| 2.3 研究述评 |
| 第3章 研究框架 |
| 3.1 研究设计 |
| 3.2 研究整体框架 |
| 3.2.1 自由文本数据和词典数据的预处理 |
| 3.2.2 电子公文文档集主题识别和分析 |
| 3.2.3 主题词表语义转换 |
| 3.2.4 电子公文主题的自动标引 |
| 3.3 数据集的构建与清洗 |
| 3.3.1 实证数据 |
| 3.3.2 验证数据 |
| 第4章 基于主题模型的电子公文主题分析研究 |
| 4.1 融合主题词表语言特征和通用主题模型LDA的主题分析 |
| 4.1.1 研究方法及流程 |
| 4.1.2 实证研究 |
| 4.2 融合共词网络特征和层次主题模型hLDA的主题分析 |
| 4.2.1 层次主题模型及共词网络概述 |
| 4.2.2 研究方法及流程 |
| 4.2.3 实证研究 |
| 4.3 小结 |
| 第5章 基于知识图谱的主题词表语义自动转换研究 |
| 5.1 主题词表及语义转化的理论研究 |
| 5.2 研究方法及流程 |
| 5.2.1 分析主题词表构成及其语义关系类型 |
| 5.2.2 构建基于SKOS数据模型的语义转换映射方案 |
| 5.2.3 主题词表的SKOS语义自动转换 |
| 5.2.4 SKOS语义化主题词表自动转换知识图谱 |
| 5.3 实证研究 |
| 5.3.1 数据来源 |
| 5.3.2 分析结果 |
| 5.4 小结 |
| 第6章 综合应用主题模型与知识图谱的电子公文主题标引研究 |
| 6.1 基于LDA和知识图谱的电子公文主题标引研究 |
| 6.1.1 方案及流程 |
| 6.1.2 实证研究 |
| 6.1.3 有效性分析 |
| 6.2 基于hLDA和知识图谱的电子公文主题标引研究 |
| 6.2.1 方法及流程 |
| 6.2.2 实证研究 |
| 6.2.3 有效性分析 |
| 6.3 有效性验证 |
| 6.4 总结 |
| 第7章 总结与展望 |
| 7.1 总结 |
| 7.2 不足与展望 |
| 参考文献 |
| 附录1 实证数据 |
| 附录2 验证数据 |
| 附录3 主题词表数据 |
| 致谢 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
（3）数学题目智能标引系统（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外相关研究进展 |
| 1.3 本文主要研究思路 |
| 第2章 数学题目标引系统概述 |
| 2.1 数学题目标引系统流程 |
| 2.2 数学公式提取的一般步骤 |
| 2.3 公式提取的难点 |
| 2.4 数学题目智能标引系统的应用 |
| 第3章 数学题目图像预处理 |
| 3.1 图像灰度化和二值化及去阴影 |
| 3.1.1 图像灰度化 |
| 3.1.2 大津法图像二值化 |
| 3.1.3 同态滤波去阴影 |
| 3.2 基于RETINEX算法的亮度分层图像增强算法 |
| 3.3 图像分割 |
| 第4章 数学题目智能标引系统的设计 |
| 4.1 题干文字的OCR识别路线 |
| 4.2 基于黑色连通集邻接图和OCR技术结合的公式提取方法 |
| 4.2.1 邻接图产生方法 |
| 4.2.2 邻接图节点和边的特征提取 |
| 4.2.3 基于支持向量机的分类器设计 |
| 4.2.4 OCR技术辅助强化公式提取 |
| 4.2.5 公式提取算法流程总结 |
| 4.3 基于特征字符的公式识别方法 |
| 4.4 几何图形切割及题目标引 |
| 第5章 实验过程及结果 |
| 5.1 实验过程 |
| 5.2 实验结果 |
| 5.2.1 公式提取和识别实验结果 |
| 5.2.2 数学题目标引实验结果 |
| 结论 |
| 参考文献 |
| 致谢 |
| 攻读硕士期间发表(含录用)的学术论文 |
（4）专利自动标引系统的设计与开发（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究现状 |
| 1.3 研究内容 |
| 1.4 论文结构 |
| 第二章 相关理论及技术概述 |
| 2.1 系统框架技术 |
| 2.1.1 SpringBoot技术 |
| 2.1.2 SSM架构技术 |
| 2.1.3 MySQL数据库介绍 |
| 2.1.4 前后端分离技术 |
| 2.2 自动标引相关技术 |
| 2.2.1 词嵌入(Word Embedding) |
| 2.2.2 条件随机场(CRF) |
| 2.2.3 LSTM与Bi-LSTM |
| 2.2.4 Bi-LSTM+CRF模型 |
| 2.2.5 Doc2Vec模型 |
| 2.2.6 NER任务评价标准 |
| 2.3 本章小结 |
| 第三章 专利自动标引系统的分析与设计 |
| 3.1 需求分析 |
| 3.1.1 功能需求分析 |
| 3.1.2 用例分析 |
| 3.1.3 非功能需求分析 |
| 3.2 概要设计 |
| 3.2.1 用例分析 |
| 3.2.2 功能模块分析 |
| 3.2.3 系统工作流程 |
| 3.3 数据库设计 |
| 3.3.1 数据库设计需求分析 |
| 3.3.2 数据库模块结构设计 |
| 3.3.3 数据库设计需求分析 |
| 3.3.4 系统性能提升 |
| 3.4 专利数据库与语料库构建 |
| 3.4.1 语料库准备 |
| 3.4.2 语料库构建 |
| 3.5 本章小结 |
| 第四章 专利自动标引系统的实现 |
| 4.1 系统环境准备 |
| 4.2 模块功能实现 |
| 4.2.1 注册登录模块实现 |
| 4.2.2 人员管理模块实现 |
| 4.2.3 专利检索模块实现 |
| 4.2.4 专利标引模块实现 |
| 4.2.5 专利审查模块实现 |
| 4.2.6 专利标引质量分析模块实现 |
| 4.3 专利文本命名体识别 |
| 4.3.1 模型设计 |
| 4.3.2 算法实现 |
| 4.3.3 模型试验 |
| 4.3.4 结果分析 |
| 4.4 本章小结 |
| 第五章 专利自动标引系统的测试 |
| 5.1 系统测试环境 |
| 5.2 功能性测试 |
| 5.2.1 用户管理模块测试 |
| 5.2.2 专利检索模块测试 |
| 5.2.3 专利标引模块测试 |
| 5.2.4 专利审查模块测试 |
| 5.2.5 专利标引质量审查模块测试 |
| 5.3 非功能性测试 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 参考文献 |
| 第七章 致谢 |
| 第八章 硕士期间学术成果情况 |
（5）基于本体和Word2Vec的文本知识片段语义标引（论文提纲范文）
| 1 相关研究 |
| 2 文本片段语义标引框架 |
| 2.1本体语义扩展 |
| 2.2神经网络模型训练 |
| 2.3文本片段标引 |
| 2.4文本片段权重获取 |
| 3 实验及结果分析 |
| 3.1实验过程 |
| 3.2实验结果及分析 |
| 4 结语 |
（6）信息传播视角下学术论文关键词标引方法与策略（论文提纲范文）
| 1 关键词标引方法与步骤 |
| 1.1 通过分析论文主题确定主题概念 |
| 1.2 将主题概念转换成关键词 |
| 1.2.1 主题概念转换成关键词的必要性及转换方式 |
| 1.2.2 主题概念转换成关键词的注意事项 |
| 1.3 借助数据库审核和修改关键词 |
| 2 实例说明 |
| 3 结语 |
（7）CRFs字角色标注方法在中文附加关键词抽取中的应用研究（论文提纲范文）
| 1 近期相关研究 |
| 2 数据情况 |
| 3 模型构建 |
| 3.1 中文社科文献题名关键词标引模型设计 |
| 3.2 字角色空间的定义 |
| 3.3 特征选择及特征模板设置 |
| 4 实验及分析 |
| 4.1 单个特征实验及分析 |
| 4.2 累加特征实验及分析 |
| 4.3 窗口调整后累加特征实验及分析 |
| 4.4 实验结果及讨论 |
| 5 应用 |
| 6 结束语 |
（8）实用皮肤病医学期刊论文关键词的标引探析（论文提纲范文）
| 1 皮肤病学期刊论文关键词标引的作用 |
| 1.1 标引的质量决定了检索的质量 |
| 1.2 标引的质量决定了期刊分析的质量 |
| 2.1 论文关键词标引要掌握合适的标引深度 |
| 2.4 特征词的标引方法 |
| 3 结论 |
（9）“农民信息行为”领域论文关键词标引问题及对策探讨（论文提纲范文）
| 1 关键词标引概述 |
| 1.1 关键词标引的相关概念 |
| 1.2 关键词标引的作用 |
| 2 关键词标引中存在的问题 |
| 2.1 遗漏论文主题信息 |
| 2.2 标引深度不恰当 |
| 2.3 通用词汇使用较多 |
| 2.4 关键词排列逻辑混乱 |
| 3 提升关键词标引质量的对策 |
| 3.1 重视关键词标引的重要性 |
| 3.2 主题分析要全面 |
| 3.3 控制自由词及通用词数量 |
| 3.4 注意关键词的逻辑顺序 |
| 4 结语 |
（10）带权复杂图模型的专利关键词标引研究（论文提纲范文）
| 1 引 言 |
| 2 相关研究 |
| 3 专利关键词标引 |
| 3.1 复杂图模型 |
| 3.2 专利综合相关特征 |
| 4 专利关键词标引 |
| 5 实验及结果分析 |
| 6 结 语 |
四、关键词的正确标引（论文参考文献）
- [1]基于多因子算法的自动分类研究[J]. 李娇,黄永文,罗婷婷,赵瑞雪,鲜国建. 数据分析与知识发现, 2020(11)
- [2]基于主题模型与知识图谱的电子公文主题标引方法研究[D]. 武华维. 中国科学院大学(中国科学院文献情报中心), 2020(01)
- [3]数学题目智能标引系统[D]. 宋笑宇. 沈阳航空航天大学, 2020(04)
- [4]专利自动标引系统的设计与开发[D]. 付帅. 北京邮电大学, 2020(05)
- [5]基于本体和Word2Vec的文本知识片段语义标引[J]. 唐晓波,翟夏普. 情报科学, 2019(04)
- [6]信息传播视角下学术论文关键词标引方法与策略[J]. 张红霞,冀伦文,贾丽红,王晶冰. 中国科技期刊研究, 2018(12)
- [7]CRFs字角色标注方法在中文附加关键词抽取中的应用研究[J]. 张海潮,王昊,唐慧慧,薛蔚. 情报理论与实践, 2019(02)
- [8]实用皮肤病医学期刊论文关键词的标引探析[J]. 王新玲,张宏,陈彬. 实用皮肤病学杂志, 2016(04)
- [9]“农民信息行为”领域论文关键词标引问题及对策探讨[J]. 淮孟姣. 农业图书情报学刊, 2016(06)
- [10]带权复杂图模型的专利关键词标引研究[J]. 李军锋,吕学强,周绍钧. 现代图书情报技术, 2015(03)