对MnM、KIM、Text2Onto、Amilcare、Melita等具有知识抽取功能的系统所应用的技术方法进行解析。提出在当前知识抽取技术中，机器学习和自然语言分析两大思路各自得到较大发展，并且在相互融合、相互借鉴中受益。在基于机器学习的知识抽取方面，出现以自适应信息抽取（Adaptive IE）、开放信息抽取（Open IE）为代表的新思路，并且有向自动本体学习（Ontology Learning）方向发展的趋势；在基于自然语言分析的知识抽取方面，基于模式标注、语义标注的方法得到广泛关注和进一步完善，并且有向基于Ontology的信息抽取（OBIE）方向发展的趋势。此外，为减少Ontology建设成本，让人们可以利用简单的自然语言构建Ontology，基于受控语言的信息抽取（CLIE）技术也得到一定的关注。
自动术语识别是知识抽取和文本挖掘等信息技术中的关键步骤。研究现有自动术语识别的主要思路，明确其中的关键问题，研究已有的相关项目和系统的术语识别方法，并分析现有的一些术语资源。借此丰富基于术语识别的文本挖掘理论和方法，为进一步构建相关试验系统提供良好借鉴。
对实体关系抽取研究以MUC和ACE评测为主线的发展进行总结,并指出实体关系抽取任务普遍存在的三个问题是特定领域标引数据集的获取、模式的获取以及共指消解。在对当前关系抽取的相关文献、系统和项目进行分析研究的基础上，将基于非结构化文本的实体关系抽取技术方法归纳为：基于模式匹配的关系抽取、基于词典驱动的关系抽取、基于机器学习的关系抽取、基于Ontology的关系抽取以及混合抽取方法，旨在为进一步构建实体关系抽取系统提供良好借鉴。
文本可视化是通过对文本资源的分析，发现特定信息，并利用计算机技术将其以图形化方式呈现来的一种方法。通过分析文本可视化典型系统，分析现今的文本可视化的特点。并从基于词汇、基于篇章、基于时间序列、基于主题领域4种不同的文本可视化方式入手来分析其的主要技术方法。最后探讨文本可视化如何在信息环境下发挥作用。
鉴于重要关键词对于文本有着重要的强文本表示功能，关键词抽取和筛选在信息检索、信息抽取和知识挖掘等领域中有着重要的作用。在调研当前关键词抽取的方法后，结合医学领域已有的叙词表和工具以及BM25F加权词频公式提出基于医学文本的重要关键词抽取和筛选的技术方法。该方法主要解决两个关键问题：关键词的识别和抽取、关键词重要性的衡量和筛选。以2001-2007年骨关节炎领域的文献集合为数据来源，对该技术方法进行实践尝试，并验证其实际有效性，为知识挖掘中的重要关键词抽取提供一个行之有效的途径。
提出一种消减分词切分歧义的模型。利用正向和逆向最大匹配方法对中文文本信息进行分词，基于隐马尔科夫模型对两次最大匹配的分词结果进行对比消歧，得到较为精确的结果。整个过程分为歧义发现、歧义抽取、歧义消除3个过程。测试结果显示，该模型能有效地降低分词歧义引起的错误切分率。
基于数据挖掘中的序列模式方法，提出一种个性化Web页面推荐模型。该模型首先利用Web使用数据预处理提取Web交易事务集，然后应用序列模式算法挖掘频繁（连续）序列，最后通过构建频繁（连续）序列树生成用户偏好视图以生成个性化Web页面推荐集。
在基于本体的语义查询扩展研究的基础上，结合用户模型的研究，提出要将用户的兴趣模型与查询扩展相结合，实现个性化的语义查询扩展，并把个性化的语义查询扩展过程分为两个阶段——检索关键词向用户模型中的个性化领域本体概念的映射以及在本体层次对映射概念的语义扩展,给出每一阶段的实现算法。实验表明该方法能够提高信息检索的查准率和查全率，在一定程度上满足个性化的查询需求。
针对传统信息检索模型对不确定性知识处理的不足，提出一种基于粗糙集的信息检索改进模型，并以粗糙集技术为支撑，结合模糊集合理论，对查询进行泛化以提高查询性能，同时给出该模型的关键实现算法及性能评估方法。该模型能够提高信息检索的效率，具有较高的理论及应用价值。
参照都柏林核心元数据规范构建网页信息的标引框架，提取网页特征信息，采用ADO技术实现网页信息的自动标引，实验结果表明，标引信息映射到网页的正确率为100%。最后，将标引技术应用到互补结构网络智能代理终端，验证UCL标引方法的有效性。实验结果显示，通过基于UCL的网页信息自动分类及标引技术能够实现信息的主动服务，满足用户的个性化需求。
设计并采用Java语言实现基于事务数据库标识列表的频繁项集的产生算法——TidlistApriori。通过与采用Hash-Tree的Apriori算法进行比较，表明TidlistApriori能够提高频繁项集的产生效率，可以成为主题关联挖掘的有效算法工具。
针对权威的生物医学数据库和引文索引数据，介绍一个基于文献数据库中书目信息共现关系进行文本挖掘的系统。该系统具有基本的文献计量学分析功能，并对相应的结果进行可视化表达；对高频主题词、高产作者和高被引论文和高被引作者进行共现分析，据此进行聚类分析和关联分析，获得有关的研究主题聚类和主题词/副主题词关联规则、合著聚类分析、高被引论文同被引聚类分析和高被引作者同被引聚类分析的结果和可视化表达。其中对关联规则的分析可以发现主题词之间的潜在语义规则，其他的文献计量学指标和共现分析结果可以用于科学计量学的分析。
针对现有网站分析工具不稳定和不够直观的弊端，利用Java开发网站链接分析器Webstat，提出合理的应用程序及开发步骤，并将它成功应用在网站评价中。实践表明，利用该软件统计网站链接评价指标具有易于操作、结果全面、系统和实用等优点。
介绍中国科学院国家科学图书馆远程访问系统的设计与实现方法。该系统实现基于SAML的集成身份认证、分级授权、访问控制、安全反向代理等机制，实现科研用户在研究所外随时随地检索利用本单位所采购的数字化资源的问题，大大提高数字化资源的利用率。
清华大学图书馆应用Mashup模式，基于现有的OPAC设计并开发图书封面服务，使用户查询OPAC时在检索结果中能无缝集成显示书封，为读者提供更为直观的应用体验。主要介绍该图书封面数据源服务器的设计和实施方案，重点描述外部图书封面数据源的设计思路，如何利用Servlet技术建立该数据源的方法以及该服务器与图书馆管理系统的连接方式等内容。
在讨论现有元数据并行采集框架基础上，将网格技术、移动Agent技术与OAI 框架相结合，提出一种改进的基于数字图书馆网格的元数据并行采集框架，并给出框架中主要模块及功能说明和分析。实验结果表明，该框架能够克服现有并行采集框架中性能不高、检索效率低等缺点。
针对分布式的松散耦合的多系统构成的数字图书馆服务体系，提出基于应用层的数字图书馆网络服务监测方案，实现可访问即可监测的服务管理目标，并给出服务性能预警和可用性的计算方法，设计并实现一个数字图书馆服务管理系统。
西安交通大学图书馆研发电子资源访问网关系统来实现电子资源利用与统计。对系统设计思路和实现进行详细的介绍，包括如何获取数据、如何对数据进行分析并获取需要的信息、电子资源被利用的统计结果以及存在的问题。
