排序方式： 共有4条查询结果，搜索用时 0 毫秒
1
1.
[目的/意义] 对生命科学领域的科研数据仓储进行调研与分析,探讨生命科学领域的科研数据管理服务。[方法/过程] 利用re3data.org开放数据仓储目录与注册系统,分析生命科学领域科研数据仓储的建设年代、国家、机构、学科领域、开放程度等分布情况,并选取Genbank、Dryad、ArrayExpress、Purdue University Research Repository、Biosharing和dbGaP 6个典型的数据仓储,从数据获取、重用、存储等方面深度分析其服务内容和模式。[结果/结论] 美英两国引领着生命科学领域科研数据仓储的建设与共享,在国家层面和资助机构层面均制定了科研数据相关政策;国内可借鉴美英两国成熟的建设经验,加快制定战略规划和政策体系;资助机构应发挥引导作用,在服务内容及模式上推动数据管理与共享,建设具有领域特色的高影响力的数据仓储并集成数据管理服务。 相似文献
2.
PLoS ONE发表的中国论文学术影响力分析 总被引：3，自引：2，他引：1
PLo S ONE近年来在我国炙手可热,为了解该刊发表论文特别是中国论文的学术影响力,基于Web of Science数据库选取该刊发文数据为研究对象,分别对国家或地区分布、被引频次、高被引、零被引论文进行文献计量分析,全面分析该刊发表的中国论文在全球所处地位。结果表明,PLo S ONE自2010年成为SCI源期刊后,发表中国论文数量迅速增加,且多是高水平研究机构和国家级基金资助的研究论文,但其学术影响力整体表现为篇均被引低、高被引论文少、零被引率高。大量新发表的论文受时间因素影响受关注程度较低,以及论文本身学术水平可能是影响我国论文整体学术影响力的因素。 相似文献
3.
[目的/意义] 概率主题模型算法在不断得到改进与扩展，本文对国内外已有的利用引文构建的主题模型进行研究，分析和对比不同模型的生成过程与算法，并探讨利用引文构建的主题模型在科技文本分析中的应用与可扩展的研究方向。[方法/过程] 通过Web of Science数据库和CNKI数据库获取国内外利用引文构建主题模型的相关文献，经人工判读后筛选出具有代表性的文献，对这些文献中利用引文构建的主题模型，从建模思想、生成过程、参数估计与推断算法等方面进行对比与分析。[结果/结论] 目前国内外利用引文构建的主题模型主要包括研究主题与引文分布的主题模型、研究被引与施引主题间关系的主题模型，以及基于引用内容的引用主题模型；主题模型中引入引文信息后，能够获得更完整的主题内容和特定主题下的重要文献，并可识别施引文献和被引文献之间主题间的关系及影响；已有的模型多集中在概率潜在语义分析（Probabilistic Latent Semantic Analysis，PLSA）和潜在狄利克雷分配（Latent Dirichlet Allocation，LDA）主题模型基础上进行扩展。未来可扩展研究引入引用内容的主题模型、模型的性能优化和评价方法、模型的应用研究等。 相似文献
4.
生物医学研究已开启数据驱动型研究范式，美国在政府政策的支持下引领全球人工智能在生物医学领域的应用步入蓬勃发展期，但目前国内关于美国推动人工智能在生物医学中应用政策的系统性研究较为匮乏，因此系统梳理美国联邦政府及各部门的相关政策，从政策制定、组织管理体系、环境建设和跨学科合作视角系统分析美国促进人工智能在生物医学领域应用的举措。研究发现：美国联邦政府对人工智能在生物医学领域应用政策的制定多方推动、模式多元化，从投资、技术开发、数据及共享、资源保障、道德和社会影响等多个层面进行战略牵引，各部门响应政府的行政命令、战略计划和行动建议，制定具体政策推进相关政策实施，并在政策制定过程中充分吸收跨学科、多样化和跨部门的观点；建立新型组织管理体系，包括首席人工智能官办公室、相关咨询委员会和数字健康卓越中心等机构，以协调对联邦人工智能相关任务的响应和内外部之间的协作、鼓励相关领域专家之间深入互动和加强对科学研究方向的监管；建设支持人工智能和数据的环境，打造相互关联的生态系统；以及拓展跨学科合作伙伴关系，在数据、工具、人才、资助和监管等方面为生物医学和人工智能之间架设应用桥梁。中国也非常重视在生物医学领... 相似文献
1