百度百科

摘要： 本文从大众生产机制与科层制的内在联系出发,考察国内典型的大众生产案例“百度百科”的词条生产,反思那些认为大众生产机制能够挑战甚至替代科层制的乐观观点。研究发现,在等级和权力、专门化部门、规则约束、技术素质要求、理性规范等五个层面上,百度百科对科层制既有所承继,又有所延展。总体来看,在互联网时代,大众生产的独异性特质已走向前台,体现普适性特质的科层制则隐身为大众生产的背景架构。百科类大众生产中独异性特质与普适性特质间的显隐对比强度又会受到平台定位、生产者文化理念等的影响。我们与其将大众生产视为科层制的挑战,倒不如视其为科层组织使命在互联网时代的延伸。

摘要： 对网络百科协同创作机理的研究有助于深化对群体协作模式的认知和理解.从互动认知视角出发,基于皮亚杰建构主义理论,构建网络百科协同创作系统的协同演化模型,并重点分析认知差异在系统演化中的作用机理.在此基础上,以百度百科词条——NBA为例,选取2008～2019年月度时间序列数据,采用向量自回归模型,对认知差异、群体规模和信息质量间的联动性进行实证分析.研究表明:认知差异是网络百科协同创作系统的内驱力,对群体规模和信息质量存在显著的正向影响;中等程度认知差异对群体规模和信息质量的影响最显著.

摘要： 在知识爆炸、知识焦虑与互联网技术的多重作用下,在线知识营销平台应运而生,实现品牌价值与信息价值的双重溢价,最终为用户创造价值.本文在阐述知识营销基本特征的基础上,从B端分析广告主投放行为,从C端分析用户使用行为,并以百度百科为案例,全方位解读在线知识营销的价值与逻辑.

摘要： 数字技术正在重新书写人类历史,互联网与课堂教学的融合,是现代教育发展的必然趋势.2020年新冠肺炎疫情的发生,是这次技术革命迅速发展的催化剂.在中职语文作文教学中,素材积累无疑是重要的一环,本文主要阐释作文教学依托互联网,借力"百度百科",探索开拓学生写作素材积累的新途径,助力学生写出内容详实的文章.

摘要： 基于百度百科对词语相似度计算进行研究,结合TF-IDF算法和词条百度百科内容,提出一种基于改进TF-IDF的百度百科词语相似度计算方法.TF-IDF算法对文本中词语权重进行计算时,面临部分代表性较好的词语权重较低的问题,通过引进百科词条中词语分布的类别信息,包括词语在类内、类间分布对词语权重的影响改进词语权重计算,此外,根据词语在全集中出现的频率定义词语的代表性,通过计算百科词条中词语的权重因子,构建词条的相关向量,根据向量之间余弦值计算词语相似度.实验表明,相对于不使用TF-IDF方法计算权重和基于经典TF-IDF方法计算权重,结合类别信息的TF-IDF方法和定义代表性的TF-IDF方法提高了词语相似度计算的准确性.

摘要： 我最近爱上两个人,一个是易烊千玺,另一个是《把月亮放左边》里的男主角赖野。我从来都不是千玺的粉丝,却在看到人物特稿里的一段话时,瞬间被击中——''他的语音备忘录里藏了很多独处的时刻:大理古城的夜晚,风声、雨声、洱海的声音;高考前夕,梅雨季节的湖南,望着远处的山,山里鸟叫的声音;北京胡同里大爷聊天的声音,公交车站人说话的声音,很远、很小、很乱,还有鸟在扑腾、扑腾。''

摘要： 当复旦在用肉麻的歌声欢迎李彦宏,当工程院或用院士荣誉表彰李彦宏时,李彦宏更应清醒:自己是不是索取太多了?自己是不是已走向价值反面?自己后半生,除了缔造一个垄断企业,还拿什么回报社会并升华自己?——是像如今这样挨骂?还是如诺贝尔那样救赎?这是成功创业者的人生必选题.

摘要： 一、揭题质疑师：这节课,我们一起来学习一个故事,故事的主人公是——生：爱因斯坦和小女孩。师：关于爱因斯坦,同学们一定不陌生。百度百科是这样介绍的。（师课件播放录音,生听录音。）师：听了介绍,你能用一些词赞赞爱因斯坦吗？生：伟大、杰出、功成名就……

摘要： 开放型网络百科是一种集体创造知识的协作平台,其中中文百科领域的代表是中文维基百科和百度百科.本文立足于中文维基百科,运用对比分析方法,从类目体系、类名及条目等角度对中文维基百科和百度百科分类系统做出了探索性的研究.明确两个类目组织系统的差异及共同点,以帮助用户针对性选择适合的百科系统.

摘要： 本发明公开了基于百度百科知识图谱的旅游资源文化特色评分算法，涉及旅游资源评价技术领域，解决了现有的旅游资源评分和旅游资源推荐系统中对文化特色的评分机制非常匮乏的问题，其技术方案要点是：获取旅游资源的文本宣传素材，对文本宣传素材进行分词处理，并保留名词词性词条，然后获得旅游资源的词向量；定义旅游资源文化特色评分指标，构建旅游景区景点文化评分表；根据景区景点关键词在知识图谱中的检索结果，结合文化评分表，对景区的文化特色进行评分。本发明首次提出旅游资源文化特色评分指标，评分算法的定义，对现有旅游资源评分体系是一个创新的补充，能够对旅游资源提供更全面的评价，也能为旅游资源推荐系统提供更完善的信息。

摘要： 本发明提供一种基于规则和远程监督的百度百科关系三元组抽取方法，该方法对信息框这种信息集中的结构化文本，本发明主要采用基于规则、正则表达式的方法抽取关系三元组，这些三元组后续又可以作为远程监督算法的输入。对正文这种信息零散的非结构化文本，本发明一方面通过撰写简单的、准确的、显而易见的规则，抽取小部分关系三元组，另一方面，将前面所有基于规则得到的三元组作为远程监督算法的输入，将所有正文文本中包含头实体和尾实体的句子标记出来，按关系分类，训练分类器，再将分类器应用到正文文本的其他句子上，藉此发现更多的三元组。

摘要： 本发明公开了一种获取百度百科人物分类下的所有子分类方法，包括步骤一，分析百度百科的实体分类，建立分类表，所述分类表包括类型字段和实体字段；步骤二，采用BoostStrapping算法获取人物分类下的所有子分类。本发明通过先构建分类表，然后在分类表的基础上采用BoostStrapping算法获取人物分类下的所有子分类，使人物分类下的子分类更加完善，解决了现有子分类体系不完善的问题。

摘要： 本发明一种基于百度百科的网络文本语义的分类方法，利用百度百科把一段文本从外延词条集合映射到能体现内涵的语义主题空间中，再通过对文本语义主题的统计规律性来计算文本与文本、文本与类别之间的相似度，进而完成文本分类，避开通过穷举词条的统计方式，解决了传统文本分类算法需要大量训练数据和无法应对网络词汇和新生词汇的难题。

摘要： 本发明一种基于百度百科的文本语义主题抽取方法，利用百度百科首先建立百科词条前缀关系库，并计算出整个词条空间的语义关系，再利用前缀关系库来对未知文本进行词条发现与候选语义主题统计，并建立语义主题图，依据主题关系矩阵对语义主题图中各顶点进行权值调整，再根据语义主题图的语义离散度来抽取最终语义主题，避开传统通过单纯的词条统计方式，能在很大程度上解决基于词条统计的文本主题方法准确率不高的问题。

摘要： 本发明涉及融合维基知识的变分半监督百度百科分类方法，属于自然语言处理技术领域。本发明首先基于词嵌入和词袋模型分别获得百科摘要文本的语义特征和统计特征；然后融合两者作为变分自编码模型的输入，获得百科文本的语义表征；最后利用少量维基百科分类损失和海量无标签百度百科重构损失，构造半监督分类损失，实现了两种百科分类体系的迁移和统一。基于5千条带标记维基百科数据和20万无标记百度百科数据的实验表明，所提方法可以准确实现百度百科分类索引体系的准确建立，证明了其有效性。

摘要： 本发明公开了一种基于百度百科的电网领域短语识别分类方法、系统，其中方法包括：从给定的语料C中提取出出现频次大于或等于阈值t的短语视为高频候选短语；对提取到的所述高频候选短语进行冗余短语过滤；从互联网上的百度百科中爬取经短语过滤后剩余的各所述高频候选短语对应的词条解释，并将无法爬取到所述词条解释的所述高频候选短语视为非法短语予以剔除，将能够爬取到所述词条解释的所述高频候选短语视为合法短语予以保留；通过预先训练的电网领域短语识别分类模型，对被视为合法短语的所述高频候选短语进行识别分类，输出电网领域短语。本发明实现了从语料中对电网领域短语的精准识别、提取。

摘要： 本发明公开了基于百度百科知识图谱的旅游资源文化特色评分算法，涉及旅游资源评价技术领域，解决了现有的旅游资源评分和旅游资源推荐系统中对文化特色的评分机制非常匮乏的问题，其技术方案要点是：获取旅游资源的文本宣传素材，对文本宣传素材进行分词处理，并保留名词词性词条，然后获得旅游资源的词向量；定义旅游资源文化特色评分指标，构建旅游景区景点文化评分表；根据景区景点关键词在知识图谱中的检索结果，结合文化评分表，对景区的文化特色进行评分。本发明首次提出旅游资源文化特色评分指标，评分算法的定义，对现有旅游资源评分体系是一个创新的补充，能够对旅游资源提供更全面的评价，也能为旅游资源推荐系统提供更完善的信息。

摘要： 本发明提供一种基于规则和远程监督的百度百科关系三元组抽取方法，该方法对信息框这种信息集中的结构化文本，本发明主要采用基于规则、正则表达式的方法抽取关系三元组，这些三元组后续又可以作为远程监督算法的输入。对正文这种信息零散的非结构化文本，本发明一方面通过撰写简单的、准确的、显而易见的规则，抽取小部分关系三元组，另一方面，将前面所有基于规则得到的三元组作为远程监督算法的输入，将所有正文文本中包含头实体和尾实体的句子标记出来，按关系分类，训练分类器，再将分类器应用到正文文本的其他句子上，藉此发现更多的三元组。

摘要： 本发明公开了一种获取百度百科人物分类下的所有子分类方法，包括步骤一，分析百度百科的实体分类，建立分类表，所述分类表包括类型字段和实体字段；步骤二，采用BoostStrapping算法获取人物分类下的所有子分类。本发明通过先构建分类表，然后在分类表的基础上采用BoostStrapping算法获取人物分类下的所有子分类，使人物分类下的子分类更加完善，解决了现有子分类体系不完善的问题。