分类： 图书馆学、情报学 >> 图书馆学 提交时间： 2023-10-08 合作期刊: 《知识管理论坛》
摘要： [ 目的 / 意义 ] 技术主题演化分析对于理解技术发展脉络、预测技术未来发展趋势具有重要意义， 梳理技术主题演化分析方法有助于了解其研究现状，并为进一步研究奠定基础。[ 方法 / 过程 ] 将现有研 究中技术主题演化分析方法分为定性、定量和定性与定量相结合的三大类方法，并对每类方法中有代表性 的方法进行阐述。[ 结果 / 结论 ] 在对技术主题演化分析现有方法进行系统梳理的基础上，提出现有研究 的不足和对未来研究的展望。
分类： 图书馆学、情报学 >> 图书馆学 提交时间： 2023-07-26 合作期刊: 《图书情报工作》
摘要： [目的/意义]研究时间因素对专利被引频次的影响,可以减少时间因素对技术评价活动的制约,提高评价的准确性和可信度。[方法/过程]采集1975-2017年的美国专利数据,开展基于固定效应法的专利被引频次的修正研究。将专利按照不同公开年份和不同技术领域分组,选定组内均值和6个TOP分位数为被引频次基准,统计当前时间点的被引频次基准线及基准线的历史时序变化情况。建立神经网络模型,拟合基准线的时序变化规律,并预测未来统计时间点的基准线。[结果/结论]专利公开年份和统计年份的时间差异,使得专利被引频次无法直接进行比较。本文建立了基于不同技术领域、不同公开年份和不同统计年份的专利被引频次基准线,为专利评估提供参考。
分类： 图书馆学、情报学 >> 情报学 提交时间： 2017-11-08 合作期刊: 《数据分析与知识发现》
摘要： 【目的】利用Word2Vec 深度学习技术从面向大众的健康信息中寻找疾病关联, 解决非医学人士通常不了 解多种疾病之间存在的关联, 从而影响到健康信息搜寻中的全面性和有效性的问题。【方法】由专家选取30个常见疾病主题,从高质量医学新闻网站上采集对应疾病的文档, 运用Word2Vec技术对各疾病的相关文档构造词 向量,计算向量距离判断疾病关联。通过与专家评分的相关分析衡量判断结果的准确性。【结果】优情况下,Word2Vec 得到的结果与专家评分相关系数达到0.635。通过对比不同的算法模型、优化方法、数据规模及重要 参数对结果的影响,发现Skip-Gram模型结合负样本数为20的Negative Sampling优化方法在大规模数据集上的 实验结果优。【局限】疾病主题选取宽泛时, 影响Word2Vec 判断准确性, 本文的疾病主题选取粒度有待改善。【结论】利用 Word2Vec 技术在面向大众的健康信息源中也可以探测疾病关联, 其有效性表明该技术可用于改善 大众的健康信息搜寻的个性化服务。
点击量
通过
点击量
下载量
评论
