科技前沿识别体系中的机器学习应用问题研究
CSTR:
作者:
作者单位:

1.中国科学技术信息研究所;2.富媒体数字出版内容组织与知识服务重点实验室

基金项目:

本文系为国家自然科学基金面上项目“基于开源情报的科技前沿多维度探测方法及模型研究”(项目编号:72074201)研究成果之一;中国科学技术信息研究所青年项目“基于开源情报的科技敏感事件舆情感知方法研究”(项目编号:QN2022-10)研究成果之一。


Research on application of machine learning in recognition system of science and technology frontier
  • 摘要
  • | |
  • 访问统计
  • |
  • 参考文献 [27]
  • |
  • 相似文献 [20]
  • | | |
  • 文章评论
    摘要:

    【目的/意义】随着人工智能技术的飞速发展,机器学习在科技前沿识别问题中的重要作用与日俱增。来自网络的开源信息逐渐成为科技前沿识别问题的主要数据来源,合理运用机器学习方法可以实现数据细粒度的知识挖掘,是解决科技前沿识别问题的重要手段。【方法/过程】本文运用文献计量和历史追溯的方法对国内外研究现状进行总结,在此基础上探究了机器学习方法在数据感知与处理层及情报计算与感知层上的应用问题,分析了与情报产品刻画层之间的关联关系,并对三层涉及到的相关任务进行解析、拓展和实际论证。【结果/结论】构建开源情报环境下的科技前沿识别体系延伸框架,提出不同层次需求发展的意见和建议。

    Abstract:

    【Purpose/significance】With the rapid development of artificial intelligence technology, machine learning plays an increasingly important role in the identification of science and technology frontier. The open source information from the network has gradually become the main data source of the identification problem of science and technology frontier. The rational use of machine learning methods can realize the fine-grained knowledge mining of data, which is an important means to solve the identification problem of science and technology frontier. 【Method/process】this article applies the method of bibliometrics, and back to summarize the research status at home and abroad, on this basis, explores the perception and machine learning methods in the data processing layer and the application of intelligence computing and perception layer, analyzed and intelligence product layer of the relationship between characterization, and the three layers of related tasks involved in parsing and expanding and actual argument. 【Result/conclusion】The extension framework of science and technology frontier identification system under open source information environment is constructed, and the opinions and suggestions of different levels of demand development are put forward.

    参考文献
    [1]曾文,李辉,樊彦芳,刘光宇,李荣,许震.开源情报环境下的科技前沿识别体系研究[J].情报理论与实践,2019,42(07):30-34.
    [2]周志华.机器学习[M].北京:清华大学出版社,2016.01:13
    [3]陈龙,王子杨,林鹏.机器学习算法在数据分类中的应用价值分析[J].电子世界,2019(24):80-81.
    [4]孙震,冷伏海.一种基于知识元迁移的ESI研究前沿知识演进分析方法[J].情报学报,2021,40(10):1027-1042.
    [5]牛奉高,张亚宇.基于共现潜在语义向量空间模型的语义核构建[J].情报学报,2017,36(08):834-842.
    [6]胡佳慧,方安,赵琬清,杨晨柳,任慧玲.面向知识发现的中文电子病历标注方法研究[J].数据分析与知识发现,2019,3(07):123-132.
    [7]Gomes Da,Fábio C C, Bernardo S C,el. Portuguese word embeddings for the oil and gas industry: Development and evaluation[J].Computers in Industry,2021,124(10):33-47.
    [8]范少萍,安新颖.基于多属性规则的生物医学语义关系研究[J].数字图书馆论坛,2021(01):18-23.
    [9] 陈悦,宋凯,刘安蓉,曹晓阳.基于机器学习的人工智能技术专利数据集构建新策略[J].情报学报,2021,40(03):286-296.
    [10]彭博.融合知识图谱与深度学习的文物信息资源实体关系抽取方法研究[J].现代情报,2021,41(05):87-94.
    [11]马红岩,陈峰,曾文.科技情报中多源信息融合的模式构建[J].中国科技资源导刊,2022,54(03):1-8.
    [12]梁继文,杨建林,王伟.政策对科研选题的影响——基于政策文本量化方法的研究[J].现代情报,2021,41(08):109-118.
    [13]沈思,孙豪,王东波.基于深度学习表示的医学主题语义相似度计算及知识发现研究[J].情报理论与实践,2020,43(05):183-190.
    [14]孔德婧,董放,陈子婧,刘宇涵,周源.离群专利视角下的新兴技术预测——基于BERT模型和深度神经网络[J].图书情报工作,2021,65(17):131-141
    [15]吴胜男,田若楠,蒲虹君,梁雯琪,张亚飞,于琦,贺培凤.基于社交媒体的医药领域关联主题预测方法研究[J].数据分析与知识发现,2021,5(12):98-109.
    [16]徐路路,王芳.基于支持向量机和改进粒子群算法的科学前沿预测模型研究[J].情报科学,2019,37(08):22-28.
    [17]韩亚楠,刘建伟,罗雄麟.概率主题模型综述[J].计算机学报,2021,44(06):1095-1139.
    [18]张莉曼,张向先,吴雅威,卢恒.基于语义主题图谱的学术APP用户信息需求发现研究[J].情报理论与实践,2021,44(12):133-140
    [19]张肃,许慧.基于知识图谱的企业知识服务模型构建研究[J].情报科学,2020,38(08):68-73.
    [20]Weiss,D.Nemeczek F.A text-based monitoring tool for the legitimacy and guidance of technological innovation systems[J].Technology in Society,2021(66):101-686.
    [21]赵志耘, 中国科学技术信息研究所科技创新决策剧场. 北京市,中国科学技术信息研究所,2019-03-07.
    [22]李松繁,黄永,杨金庆.基于BERT的农业领域前沿研究主题识别方法研究[J].情报工程,2021,7(05):100-114.
    [23]赵蓉英,张心源,张扬,等.我国“五计学”演化过程及其进展研究[J].图书情报工作,2018,62(13):127-138.
    [24]赵志耘,曾文,王忠军,于伟.需求导向的中国科技情报研究方法探索与思考[J].情报学报,2022,41(01):1-9.
    [25]黄永勤.刍议开源军事情报工作的标准构建[J].情报工程,2022,8(01):26-34.
    [26]李辉.开源科技数据的遴选方法及应用研究[J].情报理论与实践,2020,43(12):42-45+18.
    [27]吴剑泽,朱庆华.大情报观下情报学研究方法体系构建思路刍议[J].情报工程,2021,7(1):004-015
    引证文献
    网友评论
    网友评论
    分享到微博
    发 布
引用本文

王力,曾文,张运良,金辉.科技前沿识别体系中的机器学习应用问题研究[J].,2023,(6).

复制
分享
文章指标
  • 点击次数:46
  • 下载次数: 75
  • HTML阅读次数: 0
  • 引用次数: 0
历史
  • 收稿日期:2022-08-06
  • 最后修改日期:2023-04-18
  • 录用日期:2022-10-09
  • 在线发布日期: 2023-12-29
文章二维码

联系电话:020-37635126(一、三、五)/83568469(二、四)(查稿)、37674300/82648174(编校)、37635521/82640284(财务)、83549092(传真)

联系地址:广东省广州市先烈中路100号大院60栋3楼302室(510070) 广东省广州市越秀区东风西路207-213星河亚洲金融中心A座8楼(510033)

邮箱:kjgl83568469@126.com kjgl@chinajournal.net.cn

科技管理研究 ® 2025 版权所有
技术支持:北京勤云科技发展有限公司
请使用 Firefox、Chrome、IE10、IE11、360极速模式、搜狗极速模式、QQ极速模式等浏览器,其他浏览器不建议使用!
关闭
关闭