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

科學預測(預見科學之美)

  • 作者：霍朝光|責編:郭賽
  • 出版社：清華大學
  • ISBN：9787302694113
  • 出版日期：2025/06/01
  • 裝幀：平裝
  • 頁數：199
人民幣：RMB 68 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書主要從理論體系和方法實踐兩方面展開。
    在理論體系篇，在介紹科學預測的內涵、發展與面對的困境后，著重從科學影響力預測、科學行為預測、學科主題預測三方面構建科學預測內容理論體系，主要構建論文影響力、學者影響力、期刊影響力、專利影響力、機構影響力、選題行為、合作行為、引用行為、學科主題發展狀態、學科主題鏈路關係十個預測維度，系統介紹科學預測這一領域的理論體系、方法思路、模型演算法、數據特徵等，集圖機器學習、大模型、深度學習於一體，為科學預測提供了一套相對系統的理論和方法體系框架。
    在方法實踐篇，基於同構圖神經網路、異構圖神經網路、文本表示學習、深度學習、機器學習、大數據分析等技術，分別構建學科主題熱度預測模型、跨學科主題鏈路預測模型、學者跨學科合作測度指標與預測模型、跨學科引文預測模型、學者跨學科選題行為預測模型等，分別以國內外信息資源管理學科數據、「清北人」三所高校學者數據、PubMed生命與醫學全量數據、數字人文領域數據等為例，從不同維度進行實證，為科學預測提供一系列方法指導和具體的應用示範。
    本書可作為高等學校電腦科學、信息科學、信息資源管理等專業的指導書或教學參考書，也可作為科技情報、圖機器學習、圖神經網路、複雜網路、大模型等工作者的參考書。
作者介紹
霍朝光|責編:郭賽
目錄
理論體系篇
  第1章  科學預測的內涵和發展
    1.1  科學預測的研究背景與意義
    1.2  科學預測的內涵
    1.3  科學預測之困與機遇
  第2章  科學影響力預測
    2.1  科學影響力預測內涵
    2.2  論文影響力預測
      2.2.1  基於引證指標的論文影響力預測
      2.2.2  基於替代計量指標的論文影響力預測
      2.2.3  論文影響力預測的相關特徵
    2.3  學者影響力預測
      2.3.1  基於學者影響因子的學者影響力預測
      2.3.2  基於H  index、Q  value等指數的學者影響力預測
      2.3.3  基於引文數量的學者影響力預測
      2.3.4  基於網路結構的學者影響力預測
    2.4  其他科學影響力預測
      2.4.1  機構影響力預測
      2.4.2  期刊影響力預測
      2.4.3  項目影響力預測
      2.4.4  專利影響力預測
      2.4.5  相關特徵
    2.5  科學影響力預測體系
      2.5.1  科學影響力預測指標體系
      2.5.2  科學影響力預測方法體系
      2.5.3  科學影響力預測特徵體系
    2.6  本章小結
  第3章  科學行為預測
    3.1  科學行為預測內涵
    3.2  選題行為預測
      3.2.1  選題行為模式分析
      3.2.2  基於二模網路的選題行為預測
    3.3  合作行為預測
      3.3.1  融合網路結構和個體屬性等多指標的合作行為預測
      3.3.2  表示學習視角下的合作行為預測
      3.3.3  持續合作視角下的合作行為預測
      3.3.4  情境限制視角下的合作行為預測
      3.3.5  合作推薦視角下的合作行為預測
      3.3.6  學者主觀視角下的合作行為預測
    3.4  引用行為預測
      3.4.1  節點影響力和關係權重視角下的引用行為預測
      3.4.2  不同拓撲模式視角下的引用行為預測
      3.4.3  引文推薦視角下的引用行為預測
    3.5  科學行為預測研究模式總結
      3.5.1  科學行為預測中的方法體系
      3.5.2  科學行為預測中的數據支持
      3.5.3  科學行為預測中的心理機制
    3.6  本章小結
  第4章  學科主題預測
    4.1  學科主題的內涵與刻畫

      4.1.1  專家定性概括層面的學科主題
      4.1.2  定量辭彙組合層面的學科主題
      4.1.3  單一辭彙表徵層面的學科主題
    4.2  學科主題發展態勢預測
      4.2.1  基於學科主題出現頻次衍生出來的相關指標
      4.2.2  基於主題模型衍生出來的相關指標
      4.2.3  基於引證關係衍生出來的相關指標
      4.2.4  基於替代計量衍生出來的相關指標
    4.3  學科主題關係預測
      4.3.1  基於鏈路預測的學科主題關係預測
      4.3.2  基於學術實體相互作用的學科主題關係預測
    4.4  本章小結
方法實踐篇
  第5章  基於LSTM神經網路的學科主題熱度預測
    5.1  引言
    5.2  研究設計
      5.2.1  基於LDA模型的學科主題抽取
      5.2.2  基於期刊影響因子的學科主題熱度計算模型
      5.2.3  基於LSTM的學科主題熱度預測模型
    5.3  數據處理
      5.3.1  數據收集
      5.3.2  學科主題抽取
      5.3.3  學科主題熱度計算
    5.4  模型評價
      5.4.1  評價指標
      5.4.2  模型檢驗
    5.5  方法應用
      5.5.1  研究熱點預測分析
      5.5.2  學科增長點預測分析
    5.6  本章小結
  第6章  基於圖神經網路的跨學科主題鏈路預測
    6.1  引言
    6.2  相關研究
      6.2.1  跨學科研究與跨學科主題
      6.2.2  數字人文
      6.2.3  共現網路
      6.2.4  鏈路預測
    6.3  研究設計
    6.4  實驗檢驗
      6.4.1  數據獲取與數字人文領域的學科分析
      6.4.2  數字人文共現網路的構建
      6.4.3  預測結果評價
    6.5  討論
      6.5.1  結果討論
      6.5.2  應用和分析
    6.6  本章小結
  第7章  學者跨學科合作交叉測度與預測
    7.1  引言
      7.1.1  學者跨學科合作交叉測度研究背景
      7.1.2  學者跨學科合作預測研究背景

    7.2  研究現狀
      7.2.1  學者跨學科合作交叉測度
      7.2.2  跨學科交叉測度指標
      7.2.3  學者合作預測
    7.3  學者跨學科合作測度框架設計
      7.3.1  學者跨學科合作學科多樣性測度指標
      7.3.2  學者跨學科合作網路凝聚性測度指標
    7.4  中國人民大學學者跨學科合作交叉測度
      7.4.1  數據收集和處理
      7.4.2  中國人民大學學者合作網路構建
      7.4.3  中國人民大學學者跨學科交叉測度結果與分析
      7.4.4  測度結果討論
    7.5  「清北人」三大高校學者跨學科合作交叉情況對比分析
      7.5.1  數據收集和預處理
      7.5.2  三大高校學者合作總體情況分析
      7.5.3  「清北人」三大高校跨學科合作網路結構分析
    7.6  學者跨學科合作預測框架設計
      7.6.1  學者跨學科合作預測框架
      7.6.2  學者跨學科合作預測模型
      7.6.3  實驗設置
      7.6.4  性能評估
      7.6.5  預測結果與討論
    7.7  本章小結
  第8章  基於圖神經網路的跨學科引文預測
    8.1  引言
    8.2  相關工作
      8.2.1  基於內容過濾的引文預測
      8.2.2  基於協同過濾的引文預測
      8.2.3  基於圖的引文預測
    8.3  研究設計
      8.3.1  數據預處理
      8.3.2  跨學科引文預測模型構建
    8.4  實驗與結果分析
      8.4.1  數據準備
      8.4.2  實驗設計
      8.4.3  評價指標
      8.4.4  實驗結果與分析
    8.5  本章小結
  第9章  基於異構圖神經網路的學者跨學科選題預測
    9.1  引言
    9.2  相關研究
      9.2.1  學者研究選題推薦研究現狀
      9.2.2  跨學科研究主題推薦策略相關研究
      9.2.3  異構信息網路推薦方法
    9.3  研究設計
      9.3.1  研究框架
      9.3.2  基本概念與問題定義
    9.4  學者和研究主題的跨學科關係
      9.4.1  學者學科標識
      9.4.2  研究主題的跨學科標識

    9.5  基於異構圖神經網路的跨學科主題預測模型
      9.5.1  特徵抽取和表示
      9.5.2  HetGNN異構圖神經網路模型
      9.5.3  機器學習分類器
    9.6  實證研究
      9.6.1  數據收集與預處理
      9.6.2  異構信息網路構建
      9.6.3  評價指標
      9.6.4  實驗過程
      9.6.5  實驗結果與分析
    9.7  本章小結

  • 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