幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

基於知識圖譜的學科主題演化分析與預測

  • 作者：霍朝光|責編:孫宇
  • 出版社：清華大學
  • ISBN：9787302595236
  • 出版日期：2021/12/01
  • 裝幀：平裝
  • 頁數：200
人民幣：RMB 98 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    學科主題演化分析是對學科主題歷史演化路徑和演化模式的解析，學科主題預測是對學科主題未來變化情況和變化趨勢的預測，基於這兩個研究維度，本書在現有大型知識庫的基礎上融合了文獻大數據，以生物醫學與生命科學領域PubMed Central全集數據和MeSH知識庫為例，構建了動態計量知識圖譜，通過知識關聯、數據關聯的形式，利甩文本表示學習、網路表示學習等深度學習演算法，提取學科主題的動態演化特徵，基於「無監督深度學習+有監督機器學習」的模式，提升對學科主題演化規律的解析和熱度的預測。
作者介紹
霍朝光|責編:孫宇
    霍朝光，中國人民大學「傑出學者」青年學者，中國人民大學信息資源管理學院長聘助理教授，武漢大學與美國印第安納大學布魯明頓分校聯合培養博士，中國人民大學數字人文研究中心、信息分析研究中心等兼職研究員。發表SSCI／CSSCI論文30余篇，主持國家自然科學基金項目1項，參與國家自然科學基金重大研究計劃重點支持、國際合作等項目3項，主要從事科學預測、圖大數據分析與挖掘方面的研究。
目錄
第一章  緒論
  1.1  研究背景與意義
    1.1.1  研究背景
    1.1.2  研究意義
  1.2  國內外研究現狀
    1.2.1  主題模型研究
    1.2.2  主題演化研究
    1.2.3  主題預測研究
    1.2.4  知識圖譜
    1.2.5  表示學習
    1.2.6  現狀述評
  1.3  研究內容與方法
    1.3.1  目標與內容
    1.3.2  研究方法
    1.3.3  研究難點
  1.4  研究貢獻
第二章  理論基礎
  2.1  知識進化論
    2.1.1  知識演化
    2.1.2  知識生命周期
  2.2  網路分析理論與方法
    2.2.1  引文網路
    2.2.2  Meta-path
    2.2.3  PageRank
  2.3  深度表示學習模型
    2.3.1  Word2vec模型
    2.3.2  Doc2vec模型
    2.3.3  Node2vec模型
  2.4  時間序列模型
    2.4.1  ARIMA模型
    2.4.2  支持向量機模型
第三章  知識圖譜構建
  3.1  計量知識圖譜內涵
    3.1.1  計量知識圖譜
    3.1.2  動態計量知識圖譜
  3.2  計量實體與關係
    3.2.1  數據下載
    3.2.2  計量實體抽取
    3.2.3  計量實體消歧
    3.2.4  計量實體關係
  3.3  MeSH中的實體與關係
    3.3.1  MeSH知識庫
    3.3.2  MeSH解析
  3.4  計量實體與MeSH實體關聯
    3.4.1  全文檢索Lucene
    3.4.2  基於pylucene的計量實體與MeSH實體關聯
  3.5  計量知識圖譜時間劃分與構建
  3.6  本章小結
第四章  實體熱度計算
  4.1  熱度計算

    4.1.1  熱度內涵
    4.1.2  基於加權PageRank的熱度計算方法
  4.2  論文熱度計算
    4.2.1  論文熱度內涵
    4.2.2  基於PaperRank的論文熱度計算
  4.3  學科主題熱度計算
    4.3.1  學科主題熱度內涵
    4.3.2  學科主題引證網路構建
    4.3.3  基於TopicRank的學科主題熱度計算
  4.4  作者熱度計算
    4.4.1  作者熱度內涵
    4.4.2  作者引證網路構建
    4.4.3  基於AuthorRank的作者熱度計算
  4.5  期刊熱度計算
    4.5.1  期刊熱度內涵
    4.5.2  期刊引證網路構建
    4.5.3  基於VenueRank的期刊熱度計算
  4.6  本章小結
第五章  學科主題演化分析
  5.1  學科主題演化
  5.2  學科主題分佈
    5.2.1  學科主題的總體分佈情況
    5.2.2  有副主題限定詞的主題分佈
    5.2.3  無副主題限定詞的主題分佈
  5.3  學科主題表示學習
    5.3.1  基於網路結構的學科主題表示學習
    5.3.2  基於文本內容的學科主題表示學習
  5.4  學科主題聚類和演化分析
    5.4.1  聚類方法概述與選取
    5.4.2  基於Jaccard係數的相似度計算方法
    5.4.3  Methods類主題演化規律
    5.4.4  Drug effect類主題演化規律
    5.4.5  Epidemiology類主題演化規律
  5.5  本章小結
第六章  學科主題熱度預測
  6.1  學科主題熱度預測
  6.2  學科主題特徵選擇
    6.2.1  池化模型
    6.2.2  基於Node2vec和池化模型的學科主題特徵選擇
  6.3  基於SVM的學科主題熱度預測
    6.3.1  問題描述
    6.3.2  研究設計
    6.3.3  結果分析
  6.4  基於ARIMA和SVM的學科主題熱度預測
    6.4.1  問題描述
    6.4.2  研究設計
    6.4.3  結果分析
  6.5  本章小結
第七章  總結與展望
  7.1  研究總結

  7.2  研究不足與展望
附錄A  動態計量知識圖譜
附錄B  圖表目錄
參考文獻

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032