首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到17条相似文献,搜索用时 403 毫秒
1.
李琳娜 《情报工程》2016,2(1):059-065
本文基于概念树计算论文与专家之间的相似度,然后采用基于启发式的最大相似度匹配方法将论文分配给相应的评审专家.基于概念树的相似度计算,可以充分满足主题覆盖度约束;基于启发式的最大相似度匹配算法不仅可以满足利益冲突约束,又可以满足专家工作量约束.最后实验验证了所提算法的有效性.  相似文献   

2.
华斌  吴诺  贺欣 《图书情报工作》2021,65(23):58-69
[目的/意义]提出一种基于专家个体多维特征刻画的电子政务项目评审专家组推荐方法,提升专家组间项目评审的一致性水平。[方法/过程]以专家个体的长期评审意见为数据源,利用意见挖掘技术实现知识元识别与情感极性获取;构造专家的领域知识结构并动态迭代更新;利用统计分析刻画专家知识水平、评审深刻性、情感风格、领域专长特征,实现基于科学计量的专家特征刻画并以此为基础进行专家组合的推荐。[结果/结论]本文的方法注重专家组的多维特征均衡,对电子政务项目评审具有很好的问题针对性,并在实践中取得了良好的应用效果。  相似文献   

3.
李吉  黄微  郭苏琳 《图书情报工作》2018,62(11):112-119
[目的/意义]微博对用户获取信息和建立社交网络具有重要作用。提出一种基于相似度和信任度融合的微博内容推荐方法,能够从用户需求出发进行个性化微博内容推荐,对提高微博服务质量、改善信息过载问题具有意义。[方法/过程]基于相似度和信任度融合算法,构建微博内容推荐模型,以新浪微博为研究对象,采用编程方式获取汽车、体育、运动健身、互联网和财经5个领域的数据,展开用户相似度与信任度计算的实验分析和比较。[结果/结论]分析结果显示该方法可以有效表示和挖掘微博内容,改善微博推荐的准确性和用户满意度。  相似文献   

4.
[目的/意义] 为了解决研究生用户面临的检索问题,提出一种基于LDA和社会网络中心度分析的个性化检索推荐模型。[方法/过程] 首先,该模型以研究生学科专业为个性化特征,并据此选择相应的数据源。其次,该模型使用LDA识别主题内容,以完成全面知识的展示。再次,该模型根据用户提交的检索词在相应的关键词-主题共现网络中进行社会网络中心度分析,以完成用户相关知识的推荐。[结果/结论] 实验表明,该模型能够很好地解决研究生检索中个性化特征、全面知识展示以及相关知识推荐三大问题,其有效性得到一定程度的验证。  相似文献   

5.
[目的/意义]针对目前专利关键词抽取算法评价中主要采用抽取的关键词与专家人工标注关键词进行匹配存在的问题,提出一种基于信息增益与相似度的专利关键词抽取算法评价模型.[方法/过程]提出的评价模型从内部和外部两个层面评估专利关键词抽取算法的准确性.其中,内部评价模型度量待评价算法抽取的每个关键词的信息增益,以评估被抽取的关...  相似文献   

6.
龚凯乐  成颖 《图书情报工作》2016,60(24):115-121
[目的/意义] 以网络问答社区为研究对象,提出基于“问题-用户”传播网络的专家发现方法,为建立用户激励机制、完善专家推荐方法提供借鉴。[方法/过程] 通过分析开放问答模式的特点,以“问题”和“用户”为节点、“答题关系”为有向边,构建“问题-用户”权威值传播网络,利用答案质量改进加权的HITS算法。[结果/结论] 提出的算法可以较好地兼顾用户的答题数量与答案质量,能够选择出活跃度高、知识渊博的用户作为专家。  相似文献   

7.
[目的/意义]针对当前知识发现服务中存在的个性化程度不高和推荐效果不佳等问题,提出一种基于用户兴趣度量和内容分析的推荐算法。[方法/过程]文章通过特征词分布、LDA主题分布、引文结构网络三个维度构建学术资源模型,并通过对用户行为的度量,计算用户对其浏览学术资源的兴趣度,结合学术资源模型构建用户兴趣模型。将用户兴趣模型与学术资源模型匹配,计算其相似度,得到用户对每条学术资源的兴趣值,最后将兴趣值最高的TOP-N学术资源推荐给用户。[结果/结论]通过实验检验算法的有效性和推荐准确率,结果显示,本文从实时动态度量兴趣的角度,提出的推荐算法能较好地预测用户兴趣,推荐效果显著,为实现发现服务精准推荐提供思路。  相似文献   

8.
戴石钰  石进  李明 《图书情报工作》2021,65(18):125-132
[目的/意义]针对科研项目评审专家选取工作中的回避问题,试图提出一套可行的用于确定回避专家的模型方法,避免人际关系对评审工作的干扰,保障科研评价的规范性和公正性。[方法/过程]首先以专家与申请人之间的论文合作关系为切入点,以合作强度、合作作者深度、方向匹配度和评审业绩为主要指标;然后采用综合权重和修正TOPSIS法对各指标进行分析,构建面向科研项目的专家回避量化模型;最后根据规定的专家组成员数量,考虑年龄、机构、性别等分布情况,明确应该回避的专家。[结果/结论]经检验,该模型在给出回避专家名单时,可以有效避免"唯合作论"的问题,回避理由充分,符合科技管理部的专家选取要求,能够为专家遴选工作提供一定的决策支撑。  相似文献   

9.
[目的/意义] 通过量化计量指标对研究主题的知识扩散进行测度与分析,客观地展现研究主题所包含的知识单元的扩散路径及其扩散规律。[方法/过程] 以Web of Science(SCI-E&SSCI)数据库核心合集为数据来源,通过被引参考文献检索方法,以J.E. Hirsch 2005年首次提出H指数概念的文献为被引文献,检索2005-2015间引用该文献的施引文献,得到样本数据。借助信息可视化分析工具CiteSpace分别进行关键词共现与文献共被引分析。将分析结果通过本文所提出的双阶知识扩散度指标Q算法进行计算,得到指标Q量变情况,并进一步分析H指数研究领域的演化扩散状况。[结果/结论] H指数研究主题的知识扩散的相关性随着流动阶层的增加而降低;H指数研究主题一、二阶知识扩散文献的主要研究方向不同,二阶文献更侧重于应用领域的拓展,这也是该研究邻域知识流动的新增长点;通过对H指数研究主题的分析,证明了本文所提出的双阶知识扩散度指标Q的准确性及科学性。  相似文献   

10.
朱白 《图书情报工作》2017,61(9):130-134
[目的/意义] 为了提高传统协同过滤算法的计算速度,解决目标用户随着时间推移发生兴趣偏移而导致推荐系统质量下降的问题,以期进一步提升推荐系统运行效率和推荐质量。[方法/过程] 提出预先计算用户相似度算法和引入时间评分权重计算相似度矩阵的两种算法的改进,并利用Hadoop平台实证分析改进后的算法。[结果/结论] 实验结果证明:预先计算用户相似度算法缩短了对读者推送相关信息的时间,从而有效地提升了计算速度;引入时间评分权重计算相似度矩阵大大降低了MAE值,从而提高了推荐质量,两种算法同时应用后推荐系统在计算速度、准确率和新颖性方面都有显著提升。  相似文献   

11.
[目的/意义]近年来频发的"学术丑闻"对我国的科研评议机制提出新的挑战。而在开放科学运动中兴起的注册式研究报告因其独特的同行评议机制,能有效地提高研究过程、评估环节的透明度,减少审稿过程中的出版偏见,确保学术严谨和科研质量,最大程度地减少学术造假行为。对注册式研究报告的同行评议机制现状和特点进行分析,以期为我国同行评议的创新发展和科学完善提供参考。[方法/过程]综合运用网络调研法和内容分析法,从注册式研究报告同行评议机制的评议流程、评议形式、评议效率、评议道德指南、同行评议专家库建设等方面进行分析,探讨注册式研究报告同行评议机制中作者、评议专家、编辑三者之间关系以及相关权利,总结注册式研究报告的同行评议机制的特征。[结果/结论]注册式研究报告同行评议机制创新性特点主要表现在:①审稿流程与标准的优化:注册式研究报告实行两次同行评议的新模式,不再仅以专家主观判断为标准,同时评议专家选择和专家意见处理等流程科学合理;②审稿匿名性和交互性的改进:同行评议的形式多样化,在保持基本的制衡关系中追求最大的灵活性;③审稿效率的提升:并行式的评议信息传递方式、明文化规定和系统化监惩机制促成高效率的同行评议。注册式研究报告同行评议机制的先进性特点主要表现在:①建立严格且细致的评议专家道德规范体系;②重视同行评议专家库的建设,形成完善的评议专家激励机制。  相似文献   

12.
毛进  李纲 《图书情报工作》2014,58(14):34-40
从专家所发表的论文文本内容中抽取出专家的研究专长特征,利用重叠K-Means聚类算法对研究领域内的专家进行重叠聚类划分,识别出专家的多个研究专长,并根据共同研究专长将专家聚集在一起,进而在图论的基础上,将专家聚类转化为研究领域内专家的图结构表示,借助网络可视化软件绘制研究领域专家图谱。  相似文献   

13.
于化东 《编辑学报》2021,33(1):86-89
近年来,国家非常重视科技期刊发展,尤其英文科技期刊国际影响力的提升.但是,目前我国科技期刊发展水平与国际期刊强国相比,差距较大.如何促进科技期刊国际化发展?稿源质量是期刊发展的生命线,同行评审是稿源质量的守护神.国内专家审稿存在诸多弊端,面向国际发展的英文科技期刊选择国际化审稿是必由之路.创建国际化审稿人专家库是每个英文科技期刊的必要选择.本文以《数学研究及应用》期刊为例,探索英文数学期刊创建国际审稿人专家库的必要性,以及如何建立和管理审稿人专家库,为国内期刊走向国际,早日成为国际一流科技期刊贡献绵薄之力.  相似文献   

14.
赵捷  贾君枝 《图书情报工作》2017,61(22):134-139
[目的/意义]名称规范档在书目数据库中对书目记录的检索点进行规范化校验,通过实现标目的一致性,达到检索效率提升、目录汇集的目的。分析国外名称规范档的最新研究进展及实践,以期为中文名称规范档的发展研究提供借鉴。[方法/过程]通过对当前中文名称规范档建设存在的问题进行客观分析,结合国外名称规范档的研究进展及实践,提出中文名称规范档的建设发展方向。[结果/结论]当前中文名称规范档的建设存在着数据规模小、数据完全性差、数据共享性低问题,从国外名称规范档的发展看出,其不再局限于图书馆内部建设,开始向合作共建共享发展,规范数据不再面向OPAC系统,向开放互联发展。因此中文名称规范档的建设可从共建共享、构建新模型与规则、提升质量方面着手,发挥中文名称规范档在网络环境下的规范控制作用。  相似文献   

15.
科研实体名称规范的关联数据模型构建   总被引:1,自引:0,他引:1  
[目的/意义] 旨在研究将国家科技图书文献中心(National Science and Technology Library,NSTL)的科研实体名称规范数据发布为关联数据的难点——关联数据的数据模型。科研实体名称规范数据的数据模型研究,有助于NSTL科研实体数据的共享、互联、质量提升,融入到互联网中,同时也为其他机构使用、发布关联数据提供模型参考。[方法/过程] 首先,分析比较国内外关联数据发布项目中所采用的数据模型,发现关联数据发布项目中的数据模型主要分为以Schema.org为核心和多种标准词表组合两类;结合NSTL名称规范数据的特点,设计两种形式的关联数据模型,并从关联数据模型对名称规范数据的表达程度、模型复杂度等角度进行比较,选择较优方案;最后以D2RQ为工具进行实验,将NSTL名称规范的样例数据发布为关联数据。[结果/结论] 分析发现两种方案中以Schema.org为核心标准词表的方案相对于多种标准词表组合的方案有较优的表达完整度、较低的模型复杂度,更易于融入互联网,因此更适合作为NSTL名称规范数据的关联数据模型。  相似文献   

16.
ABSTRACT

What factors are critical to the success of expanding a NACO program? The University of Florida Libraries' experience with NACO, the Name Authority arm of the Program for Cooperative Cataloging (PCC), points to some important variables. As members of NACO, institutions contribute name and series authorities to the national authority database, which greatly increases the pool of available authorities for libraries to use. In 1987, we became a member of the NACO program, and faithfully submitted a few hundred authorities each year for nine years. In 1996, things began to change as we refocused our program objectives, and our submissions grew, tripling by 1998/99. The dynamics that created this environment of change are instructive for librarians and managers hoping to breath new life into existing programs.  相似文献   

17.
[目的 /意义]探究知识创新扩散路径下的隐性知识扩散和转移行为,据此构建蕴含专家学者隐性知识的知识地图,对推动知识共享与创新至关重要。[方法 /过程]首先从科学知识图谱与知识地图融合的角度明确创新扩散驱动的隐性知识地图构建原理,在此基础上建构隐性知识地图构建流程模型,并以微电子领域为例,围绕主题、学科、机构、地区4个维度内的创新扩散路径,衍生出隐性知识载体的内在关联,借助可视化方式构建隐性知识地图,探究专家隐性知识扩散和转移行为规律。[结果 /结论 ]提出以创新扩散为驱动的微电子领域内的隐性知识地图构建方案,追踪知识创新扩散脉络与隐性知识载体间知识流动行为,可充分满足专家定位、团队构建、专家推荐三个场景下的独特需求。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号