CN111767389A - 一种根据提案内容推荐办案单位的方法和装置 - Google Patents

一种根据提案内容推荐办案单位的方法和装置 Download PDF

Info

Publication number
CN111767389A
CN111767389A CN202010439698.2A CN202010439698A CN111767389A CN 111767389 A CN111767389 A CN 111767389A CN 202010439698 A CN202010439698 A CN 202010439698A CN 111767389 A CN111767389 A CN 111767389A
Authority
CN
China
Prior art keywords
vector group
information
proposal
keyword
group information
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202010439698.2A
Other languages
English (en)
Inventor
刘跃华
徐艺
刘坤朋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hunan Zhengyu Software Technology Development Co ltd
Original Assignee
Hunan Zhengyu Software Technology Development Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hunan Zhengyu Software Technology Development Co ltd filed Critical Hunan Zhengyu Software Technology Development Co ltd
Priority to CN202010439698.2A priority Critical patent/CN111767389A/zh
Publication of CN111767389A publication Critical patent/CN111767389A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/335—Filtering based on additional data, e.g. user or group profiles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/284—Lexical analysis, e.g. tokenisation or collocates
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Primary Health Care (AREA)
  • Marketing (AREA)
  • Human Resources & Organizations (AREA)
  • Educational Administration (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Development Economics (AREA)
  • Artificial Intelligence (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明提供了一种根据提案内容推荐办案单位的方法和装置。本发明的方法、装置、电子设备及计算机存储介质解决了职能部门由于分工细致、数量众多而导致人工判断对接单位容易出现错误的问题。可以精准的将提案递交给办案单位，缩短了办案时间。

Description

一种根据提案内容推荐办案单位的方法和装置
技术领域
本发明属于提案处理方法技术领域，具体涉及一种根据提案内容推荐办案单位的方法和装置。
背景技术
提案指提交会议讨论决定的建议。在大型集团和公司的运营管理中，常会产生提案，并且需要将讨论决定的提案交由不同的部门办理。
不论是哪种形式的提案，在提案经过审查立案后，均需交付具体的职能部门办理。而职能部门分工细致，数量众多，人工判断对接单位容易出现错误，不能精准的将提案递交给办案单位，从而延长了办案时间。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种根据提案内容推荐办案单位的方法和装置。
根据本发明第一方面实施例的一种根据提案内容推荐办案单位的方法，包括以下步骤：
获得第一关键词词组信息，所述第一关键词词组信息由候选单位的职能关键词组成；
获得第二关键词词组信息，所述第二关键词词组信息由提案文本中的提案关键词组成；
获得第三关键词词组信息，所述第三关键词词组信息由所述第一关键词词组信息和所述第二关键词词组信息比较去重后形成；
获得第一向量组信息，所述第一向量组信息根据所述的职能关键词的权重以及所述第三关键词词组信息对所述第一关键词词组信息赋值后得到；
获得第二向量组信息，所述第二向量组信息根据所述的提案关键词的权重以及所述第三关键词词组信息对所述第二关键词词组信息赋值后得到；
获得所述第一向量组信息与所述第二向量组信息的向量组距离，得到办案单位。
根据本发明实施例的一种根据提案内容推荐办案单位的方法，至少具有如下技术效果：
解决了职能部门由于分工细致、数量众多而导致人工判断对接单位容易出现错误的问题。可以精准的将提案递交给办案单位，缩短了办案时间。
根据本发明的一些实施例，所述办案单位包括主办单位与分办单位，所述主办单位的向量组距离大于所述分办单位的向量组距离。
办案单位可以有多个，一个主办单位，若干个分办单位。
根据本发明的一些实施例，职能关键词的权重的计算方法为词频-逆文件频率计算方法。
词频-逆文件频率计算方法用以评估一字词对于一个文件集或一个语料库中的其中一份文件的重要程度，字词的重要性随着它在文件中出现的次数成正比增加，但同时会随着它在词库中出现的频率成反比下降。
其中，词频指某一个词在该文件中出现的频率，计算方法为：
词频(TF)＝某个词在文章中的出现次数/文章的总词数。
逆文件频率(IDF)指总文件数目除以包含该词的文件数目，计算方法为：
逆文件频率(IDF)＝log(语料库的文档总数/(包含该词的文档数+1))，分母加1是为了防止该词不在语料库中而导致被除数为零。
词频-逆文件频率的计算方法为：词频-逆文件频率＝词频(TF)×逆文件频率(IDF)。
计算得到的词频-逆文件频率的值就是对应关键词的权重数值。
根据本发明的一些实施例，所述向量组距离的计算方法包括空间距离算法。
根据本发明的一些实施例，所述空间距离算法包括余弦算法。
根据本发明第二方面实施例的一种根据提案内容推荐办案单位的装置，所述装置包括用于执行上述方法的单元。
根据本发明第三方面实施例的一种电子设备，包括存储器和处理器，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行上述的方法。
根据本发明第四方面实施例的一种计算机存储介质，所述计算机存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行上述的方法。
附图说明
图1是一种根据提案内容推荐办案单位的方法流程图。
图2是根据提案内容推荐办案单位的装置的结构示意图。
图3是根据提案内容推荐办案单位的电子设备的结构示意图。
具体实施方式
以下是本发明的具体实施例，并结合实施例对本发明的技术方案作进一步的描述，但本发明并不限于这些实施例。
实施例1
本例提供了一种根据提案内容推荐办案单位的方法，流程如图1所示，包括以下步骤：
获得第一关键词词组信息，所述第一关键词词组信息由候选单位的职能关键词组成；
获得第二关键词词组信息，所述第二关键词词组信息由提案文本中的提案关键词组成；
获得第三关键词词组信息，所述第三关键词词组信息由所述第一关键词词组信息和所述第二关键词词组信息比较去重后形成；
获得第一向量组信息，所述第一向量组信息根据所述的职能关键词的权重以及所述第三关键词词组信息对所述第一关键词词组信息赋值后得到；
获得第二向量组信息，所述第二向量组信息根据所述的提案关键词的权重以及所述第三关键词词组信息对所述第二关键词词组信息赋值后得到；
获得所述第一向量组信息与所述第二向量组信息的向量组距离，得到办案单位。
其中，办案单位包括主办单位与分办单位，主办单位的向量组距离大于分办单位的向量组距离。
办案单位可以有多个，一个主办单位，若干个分办单位。
职能关键词的权重的计算方法为词频-逆文件频率计算方法。
词频-逆文件频率计算方法用以评估一字词对于一个文件集或一个语料库中的其中一份文件的重要程度，字词的重要性随着它在文件中出现的次数成正比增加，但同时会随着它在词库中出现的频率成反比下降。
其中，词频指某一个词在该文件中出现的频率，计算方法为：
词频(TF)＝某个词在文章中的出现次数/文章的总词数。
逆文件频率(IDF)指总文件数目除以包含该词的文件数目，计算方法为：
逆文件频率(IDF)＝log(语料库的文档总数/(包含该词的文档数+1))，分母加1是为了防止该词不在语料库中而导致被除数为零。
词频-逆文件频率的计算方法为：词频-逆文件频率＝词频(TF)×逆文件频率(IDF)。
计算得到的词频-逆文件频率的值就是对应关键词的权重数值。
向量组距离的计算方法包括空间距离算法。空间距离算法包括余弦算法。
具体来说，教育厅的职能关键词包括：学校、学生、老师、教育改革、教师薪酬、学前教育、教育等。
交通厅的职能关键词包括：公路、铁路、高铁、航运、物流、运输、交通安全、船舶等。
人社局的职能关键词包括：劳动保护、社保、就业、失业、保险、社会保障、养老保险等。
发改委职能关键词包括：经济发展、金融、融资、财政、国民经济、宏观调控等。
上述候选单位的职能关键词分别形成第一关键词词组。
当收到提案时，以网上公开的一篇提案为例，原文摘录如下：
在对优质教育资源的需求不断提高的今天，学校工作面临的压力也越来越大。目前面临的最大的困扰之一是：教师资源在原本就不充裕的情况下，一旦遇到教师外出学习多天，生病请假多天，或遇到女教师怀孕生育请假一年半载的情况(尤其是二胎政策开放后，女教师休假更显得频繁)学校就会出现暂时性的师资紧缺问题，这对学校教学影响很大。因为学校都是“一个萝卜一个坑”，教师除了要正常的教学工作外，还要担负起学生的安全管理、卫生防疫监控、学生的午休午餐管理、第二课堂的培训、学校活动的组织，加上自己的进修学习等等。若师资紧缺问题靠学校内部消化，对于工作本身就繁忙的学校来说，根本就行不通，必定会打乱正常的教育教学工作。在到处都出现“用人荒”的情况下，要及时找到代课老师是很不容易的。另外，即使找到了，代课老师因工资待遇得不到保障、缺乏归属感、忙于应招等问题等又带来了工作的不稳定性。针对以上的问题，提出“建立临聘教师资源库”的建议。
通过进行内容进行中文分词，并按tf-idf进行单词权重打分后，提取的主要关键词及权重如下(部分权重特别低的词对文章的分类不会产生影响，故舍去，以免影响计算效率)：
代课3.0，老师4.1，教学1.2工作2.3，教师2.4，第二课堂5.0，学校3.0，师资4.2，请假0.4，卫生防疫4.3，工作0.1，资源库1，工资0.5待遇0.5，紧缺0.03，午休0.8，校内1，校工1，修学2.3，繁忙1，怀孕1，生病1.5，外出1.2，就行1.5，午餐0.2，休假1.3，临聘 1.8。
以办理单位的关键词库，以教育部和交通厅为例，它的词条及权重如下(权重的计算通过对样本库的数据计算得来):
教育部：
老师4.0，学校4.0，大学3.2，高校3.0，教育2.0，幼儿园1.2，学生1.5，教授0.8，毕业0.8，中学2.3，小学1.4，中专3.2，校园1.5，工资0.3，代课3.2，教学1.8，教师2.1。
那么它和上面的提案得到的词条进行关键词合并后，一共得到如下词条集：
代课，【老师】，【教学】，工作，【教师】，第二课堂，【学校】，师资，请假，卫生防疫，工作，资源库，工资，待遇，紧缺，午休，校内，校工，修学，繁忙，怀孕，生病，外出，就行，午餐，休假，临聘，幼儿园，高校，【教育】，大学，学生，教授，毕业，中学，小学，中专，校园。
其中【】中的为两者共同的词。
以这个词组为基础，提案与教育部分到两组权重数组，对于不属于它的词权重标注为0，如下：
提案：
代课3.2，老师4.0，教学1.8工作0.0，教师2.4，第二课堂5.0，学校3.0，师资4.2，请假0.4，卫生防疫4.3，工作0.1，资源库1，工资0.5待遇0.5，紧缺0.03，午休0.8，校内1，校工1，修学2.3，繁忙1，怀孕1，生病1.5，外出1.2，就行1.5，午餐0.2，休假1.3，临聘 1.8，幼儿园0.0，高校0.0，大学0.0，学生0.0，教授0.0，毕业0.0，中学0.0，小学0.0，中专0.0，校园0.0。
教育部：
代课3.0，老师4.1，教学1.2工作2.3，教师2.1，第二课堂0.0，学校3.0，师资4.2，请假0.0，卫生防疫0.0，资源库0.0，工资0.3，待遇0.0，紧缺0.0，午休0.0，校内0.0，校工 0.0，修学0.0，繁忙0.0，怀孕0.0，生病0.0，外出0.0，就行0.0，午餐0.0，休假0.0，临聘 0.0，幼儿园1.2，高校3.0，大学3.2，学生1.5，教授0.8，毕业0.8，中学2.3，小学1.4，中专3.2，校园1.5。
对这两组进行余弦夹角计算，得到值0.643。
同样，再去计算与其他办理单位的夹角，与卫生部的权重排在第二，0.051，因为他们有共同的词卫生防疫，并且权重相对还比较高。
实施例2
本例提供了一种根据提案内容推荐办案单位的装置20，如图2所示，装置包括用于执行实施例1方法的单元，该装置可以包括：
接收单元201，用于接收提案文本，该提案文本中的提案关键词组成第二关键词词组信息。
处理单元202，用于获得第一关键词词组信息，该第一关键词词组信息由候选单位的职能关键词组成；
该处理单元202还用于获得第二关键词词组信息，该第二关键词词组信息由提案文本中的提案关键词组成。
该处理单元202还用于获得第三关键词词组信息，该第三关键词词组信息由第一关键词词组信息和第二关键词词组信息比较去重后形成。
该处理单元202还用于获得第一向量组信息，该第一向量组信息根据候选单位的职能关键词的权重以及第三关键词词组对第一关键词词组赋值后得到。
该处理单元202还用于获得第二向量组信息，该第二向量组信息根据提案文本的提案关键词的权重以及第三关键词词组对第二关键词词组赋值后得到。
该处理单元202还用于获得第一向量组信息与第二向量组信息的向量组距离，得到办案单位。
实施例3
本例提供了一种电子设备，如图3所示，该电子设备可以包括接收器301、存储器302和处理器303，接收器301、存储器302和处理器303通过一条或多条通信总线连接。
接收器301可以用于接收数据，例如，接收器301可以用于接收提案文本。
存储器302可以包括只读存储器和随机存取存储器，并向处理器303提供指令和数据。存储器302的一部分还可以包括非易失性随机存取存储器。
处理器303可以是中央处理单元，该处理器303还可以是其它通用处理器、数字信号处理器、专用集成电路、现成可编程门阵列或其它可编辑逻辑器件、分立门或晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器，可选的，该处理器303也可以是任何常规的处理器等。其中，存储器302，用于存储程序指令。处理器303，用于调用存储器302中存储的程序指令，以用于执行实施例1的方法，即：
获得第一关键词词组信息，所述第一关键词词组信息由候选单位的职能关键词组成；
获得第二关键词词组信息，所述第二关键词词组信息由提案文本中的提案关键词组成；
获得第三关键词词组信息，所述第三关键词词组信息由所述第一关键词词组信息和所述第二关键词词组信息比较去重后形成；
获得第一向量组信息，所述第一向量组信息根据所述的职能关键词的权重以及所述第三关键词词组信息对所述第一关键词词组信息赋值后得到；
获得第二向量组信息，所述第二向量组信息根据所述的提案关键词的权重以及所述第三关键词词组信息对所述第二关键词词组信息赋值后得到；
获得所述第一向量组信息与所述第二向量组信息的向量组距离，得到办案单位。
实施例4
本例提供了一种计算机存储介质，计算机存储介质存储有计算机程序，计算机程序包括程序指令，程序指令当被处理器执行时使处理器执行实施例1的方法。

Claims (8)

1.一种根据提案内容推荐办案单位的方法，其特征在于，包括以下步骤：
获得第一关键词词组信息，所述第一关键词词组信息由候选单位的职能关键词组成；
获得第二关键词词组信息，所述第二关键词词组信息由提案文本中的提案关键词组成；
获得第三关键词词组信息，所述第三关键词词组信息由所述第一关键词词组信息和所述第二关键词词组信息比较去重后形成；
获得第一向量组信息，所述第一向量组信息根据所述的职能关键词的权重以及所述第三关键词词组信息对所述第一关键词词组信息赋值后得到；
获得第二向量组信息，所述第二向量组信息根据所述的提案关键词的权重以及所述第三关键词词组信息对所述第二关键词词组信息赋值后得到；
获得所述第一向量组信息与所述第二向量组信息的向量组距离，得到办案单位。
2.根据权利要求1所述的方法，其特征在于，所述办案单位包括主办单位与分办单位，所述主办单位的向量组距离大于所述分办单位的向量组距离。
3.根据权利要求1所述的方法，其特征在于，所述职能关键词的权重的计算方法为词频-逆文件频率计算方法。
4.根据权利要求1所述的方法，其特征在于，所述向量组距离的计算方法包括空间距离算法。
5.根据权利要求4所述的方法，其特征在于，所述空间距离算法包括余弦算法。
6.一种根据提案内容推荐办案单位的装置，其特征在于，所述装置包括用于执行如权利要求1～5任一项所述的方法的单元。
7.一种电子设备，其特征在于，包括存储器和处理器，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行如权利要求1～5任一项所述的方法。
8.一种计算机存储介质，其特征在于，所述计算机存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如权利要求1～5任一项所述的方法。
CN202010439698.2A 2020-05-22 2020-05-22 一种根据提案内容推荐办案单位的方法和装置 Pending CN111767389A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010439698.2A CN111767389A (zh) 2020-05-22 2020-05-22 一种根据提案内容推荐办案单位的方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010439698.2A CN111767389A (zh) 2020-05-22 2020-05-22 一种根据提案内容推荐办案单位的方法和装置

Publications (1)

Publication Number Publication Date
CN111767389A true CN111767389A (zh) 2020-10-13

Family

ID=72719717

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010439698.2A Pending CN111767389A (zh) 2020-05-22 2020-05-22 一种根据提案内容推荐办案单位的方法和装置

Country Status (1)

Country Link
CN (1) CN111767389A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112395416A (zh) * 2020-11-11 2021-02-23 湖南正宇软件技术开发有限公司 提案处理方法、装置、计算机设备和存储介质
CN116644175A (zh) * 2023-07-26 2023-08-25 山东唐和智能科技有限公司 一种提案办理单位的推荐系统及方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101645134A (zh) * 2005-07-29 2010-02-10 富士通株式会社 整体地名识别方法和整体地名识别装置
CN103646097A (zh) * 2013-12-18 2014-03-19 北京理工大学 一种基于约束关系的意见目标和情感词联合聚类方法
CN107992597A (zh) * 2017-12-13 2018-05-04 国网山东省电力公司电力科学研究院 一种面向电网故障案例的文本结构化方法
CN108776657A (zh) * 2018-06-13 2018-11-09 湖南正宇软件技术开发有限公司 政协提案关注点自动提取方法
CN109145095A (zh) * 2017-06-16 2019-01-04 贵州小爱机器人科技有限公司 地名信息匹配方法、信息匹配方法、装置及计算机设备
CN109840532A (zh) * 2017-11-24 2019-06-04 南京大学 一种基于k-means的法院类案推荐方法
CN110597949A (zh) * 2019-08-01 2019-12-20 湖北工业大学 一种基于词向量和词频的法院相似案件推荐模型

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101645134A (zh) * 2005-07-29 2010-02-10 富士通株式会社 整体地名识别方法和整体地名识别装置
CN103646097A (zh) * 2013-12-18 2014-03-19 北京理工大学 一种基于约束关系的意见目标和情感词联合聚类方法
CN109145095A (zh) * 2017-06-16 2019-01-04 贵州小爱机器人科技有限公司 地名信息匹配方法、信息匹配方法、装置及计算机设备
CN109840532A (zh) * 2017-11-24 2019-06-04 南京大学 一种基于k-means的法院类案推荐方法
CN107992597A (zh) * 2017-12-13 2018-05-04 国网山东省电力公司电力科学研究院 一种面向电网故障案例的文本结构化方法
CN108776657A (zh) * 2018-06-13 2018-11-09 湖南正宇软件技术开发有限公司 政协提案关注点自动提取方法
CN110597949A (zh) * 2019-08-01 2019-12-20 湖北工业大学 一种基于词向量和词频的法院相似案件推荐模型

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112395416A (zh) * 2020-11-11 2021-02-23 湖南正宇软件技术开发有限公司 提案处理方法、装置、计算机设备和存储介质
CN116644175A (zh) * 2023-07-26 2023-08-25 山东唐和智能科技有限公司 一种提案办理单位的推荐系统及方法
CN116644175B (zh) * 2023-07-26 2023-10-20 山东唐和智能科技有限公司 一种提案办理单位的推荐系统及方法

Similar Documents

Publication Publication Date Title
Kellerman The future of followership
CN111767389A (zh) 一种根据提案内容推荐办案单位的方法和装置
Costa et al. Factors associated with the publication of a CEO letter
Liu et al. Technical vocabulary
Heberer The Chinese ‘developmental state 3.0’and the resilience of authoritarianism
Dow et al. Emerging from the COVID-19 crisis with a stronger health care workforce
Busri et al. Representation of linguistic characteristics in mass media
CN111695348A (zh) 一种根据提案办理经验推荐办案单位的方法和装置
Akhmedovna et al. WAYS TO DEVELOP STUDENTS'RESEARCH COMPETENCIES IN TEACHING COMPUTER SCIENCE
Nieto Making it official: The institutionalization of the hegemony of English
Eshbayev et al. A systematic mapping study of effective regulations and policies against digital monopolies: visualizing the recent status of anti-monopoly research areas in the digital economy
Khupe et al. A needle in a haystack: a search for value for money in turn-around strategies for schools in difficult circumstances
Wilkens et al. Sw4all: a cefr classified and aligned corpus for language learning
Akinnubi et al. Computer literacy and teacher job effectiveness in Kwara State secondary schools
Burns Academic libraries and automation: A historical reflection on Ralph Halsted Parker
Attali et al. Automated Trait Scores for TOEFL® Writing Tasks
Kovaleva et al. Optimizing the implementation of university digitalization practices
Ibrohimovna et al. TEXNIK FANLARDA INGLIZ TILININI O’QITISH
Liu et al. Corpus-based bundle analysis to disciplinary variations: Relocating the role of bundle extraction criteria
Tatnall et al. Information technology and control in educational management
Bakioğlu et al. Aspects of students about information technology courses in social science
Srivastava Can textual analysis of corporate filings predict business related risks?
Yu et al. Bibliometric analysis of international vocational education studies
Wang et al. [Retracted] Analysis of the Reform Effectiveness of Vocational Skill Identification Based on the New Social Training Model in the New Era under Deep Learning Assessment
Dubey Prevention of plagiarism in academic research in India: An initiative of University Grant Commission (UGC)

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20201013