排序方式: 共有36条查询结果,搜索用时 406 毫秒
1.
如何借助于有效的方法和途径在大量文献数据基础上对学科主题进行深入和精准的探测和跟踪,是以情报学科学计量领域为核心、不同学科共同致力突破的热点和前沿研究问题。相关方法和途径主要涉及频次视角、内容视角、引证视角以及融合视角等四个视角。本研究试图结合近年来发表于国际国内重要期刊有关学科主题探测和演化分析的最新文献,对相关视角的主要进展进行述评,归纳总结不同视角的实现路径和机制,指出已有视角可能存在的知识单元或者网络关系的异质重要性偏差问题、知识的时间衰变以及新兴主题特征的小样本弱势问题、主题自然发育和进化的拟合困境、微观层面的知识流动和变迁刻画问题等,特别地,为融合视角这一总体趋势指明方向。 相似文献
2.
一种基于多重哈希词典和K-最短路径算法的中文粗分词方案研究 总被引:1,自引:1,他引:0
本文在已有研究基础上,针对中文粗分词,设计了多重哈希词典结构,以提高分词的词典匹配效率,同时基于删除算法改进了中科院ICTCLAS分词系统的K-最短路径搜索思想.最后,论文对所研究技术方案进行了系统实现.系统实验结果表明,对于大规模文本,论文所提出的粗分词方案体现出了很好的性能. 相似文献
3.
本文旨在构架基金项目研究主题挖掘与动态演化分析的情报研究流程,通过对表征基金项目标题、摘要与学部的数据进行关联建模和挖掘,从项目内容层面上探究基金资助领域研究涉及的主题特点、范围侧重、发展方向及演化脉络。首先利用RAKE (rapid automatic keyword extraction)关键词抽取算法从基金数据中的标题和摘要中抽取关键词,通过术语切分等方式获得核心关键词;然后,采用Google的word2vec深度学习工具对核心关键词进行词向量建模,并使用k-means算法对生成的词向量进行聚类,挖掘相应的研究主题;进而对主题分布进行统计分析,且通过WMD (word mover’s distance)算法计算主题之间的相似度,以分析研究主题演化趋势,并识别出演化主路径。实证研究发现,以美国NSF (National Science Foundation)数据中AI (artificial intelligence)领域为例,所提方法流程能够识别出AI领域的多个主题,且能识别出不同学部的主题侧重;在发展过程中,研究主题演化呈现出大量分裂与融合的复杂态势,演化路径明晰,侧重点突出,... 相似文献
4.
基于Ontology的个性化信息服务系统框架* 总被引:3,自引:0,他引:3
个性化信息服务是信息检索系统的发展趋势,强调对用户服务的针对性和服务特色。文章分析总结了典型的个性化服务模式、关键技术及其研究现状。在此基础上,提出了基于Ontology的个性化信息服务系统框架,对系统的结构和主要处理流程进行了探讨。 相似文献
5.
一种基于改进K-means的文档聚类算法的实现研究 总被引:1,自引:1,他引:0
在对文档聚类的含义、作用和一般过程的阐述基础上,分析一种基于“最小最大”原则初始质心优选的改进K-means聚类的基本思想,并重点设计相关的聚类算法,实现聚类系统,基于系统对300篇学术文档及其相关特征词语进行聚类实验。实验结果表明,本文所设计和实现的改进K-means的聚类算法表现出较好的性能。 相似文献
6.
本文旨在融合学者参与度的基础上,测算和分析基金项目计划的学部交叉度,并识别前沿型项目计划,从项目资助专项层面上探究学部交叉对项目计划资助与前沿型项目计划分布的影响。本文首先以项目计划为研究对象,为融合项目计划的学部多样性和不同学者对同一项目计划各学部参与的均衡性,引入Rao-Stirling指标,将项目计划分为学部高交叉、中交叉、低交叉和不交叉类;其次,依据项目计划的资助强度和资助趋势,结合学部交叉特性,将项目计划分为不同交叉水平的前沿型、热点型、潜在型和衰退型;最后,对高交叉前沿型项目计划进行具体分析。研究结果表明,以美国NSF (National Science Foundation)资助的AI (artificial intelligence)领域为例,NSF资助的项目计划在学部交叉和不交叉类的数目上分布较为均衡,但对交叉类项目计划的平均资助强度远高于不交叉类型;在前沿分布上,不交叉类的项目计划多为潜在型,而学部高交叉类和低交叉类的前沿型占比相对较高,且对前沿型项目计划的资助趋势向高交叉类倾斜;高交叉类的前沿型项目计划多倾向于神经与认知系统、自然与人类系统、信息智能系统等方面的研... 相似文献
7.
8.
9.
10.