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 ] 通过分析 “ 十二五 ” 时期北京市自然科学基金的资助情况、资助项目科研生产力、 科研影响力和竞争力及国际合作情况，有助于反映资助项目成果产出变化趋势、学科结构及特征，可为基 金管理决策提供依据。[ 方法 / 过程 ] 采用引文分析方法和 InCites 数据库引文统计数据，对比分析市基金 近 10 年的资助情况。[ 结果 / 结论 ] 与 “ 十一五 ” 时期相比，“ 十二五 ” 期间市基金经费投入、申请总量、 资助量均有所增长。高被引论文数由 10 篇增加到 115 篇，热点论文实现了 “ 零 ” 的突破，国际合作论文是 “ 十一五 ” 时期的 5.6 倍。目前市基金资助项目优势学科主要集中在化学、工程、材料科学等有可能在市基 金的资助下进一步成长为优势学科。建议后续优化学科布局，加强国际合作，加强对论文产出 “ 质 ” 的引 导和评价，提高科研竞争力和影响力。
分类： 图书馆学、情报学 >> 情报学 提交时间： 2023-04-01 合作期刊: 《图书情报工作》
摘要： [目的/意义] 通过馆藏图书分类和流通数据，发现读者特征与馆藏流通之间的关联，建立关系模型，通过模型拟合与预测，探索读者与图书流通之间的隐含规律，为图书馆智慧管理提供技术与手段的支持。[方法/过程] 采用聚类和相关分析技术，提取读者宏观可观测特征，建立读者特征与图书分类之间直接和间接的映射关系，进而建立读者特征与分类图书流通量的回归模型，并验证模型有效性和优化模型拟合优度。根据有效模型，探索图书馆流通趋势，并挖掘读者宏观特征层面下所隐含的知识建构本质与规律，以及对图书流通产生的影响程度。[结果/结论] 具有代表读者社会角色要求的专业学习方向、代表读者间群体互动效应的入学批次、读者群体数量3个有关读者的分类特征，能够有效拟合和预测图书流通量。预测结果表明，模型准确率较高，能够作为有效工具，为图书馆开展知识服务提供可靠的技术支持。
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】针对短文本主题聚焦性差以及严重的特征稀疏问题, 设计一种基于词向量与LDA 主题模型相融合的短文本分类方法。【方法】从“词”粒度及“文本”粒度层面同时对短文本进行精细语义建模, 首先基于Word2Vec 训练词向量并通过相加平均法合成“词”粒度层面的短文本向量, 基于吉布斯采样法训练LDA 主题模型并根据主题概率最大原则对短文本进行特征扩展, 然后基于词向量相似度计算扩展特征权重得到“文本”粒度层面的短文本向量, 最后通过向量拼接构建词向量与LDA 相融合的短文本表示模型, 在此基础上通过最近邻分类算法完成短文本分类。【结果】相比传统的基于向量空间模型、基于词向量、基于LDA 主题模型这三种基于单一模型的分类方法, 词向量与LDA 相融合的分类方法准确率、召回率、F1 值均有提升, 分别至少提升3.7%,4.1%和3.9%。【局限】仅应用于最近邻分类器, 尚未推广应用到朴素贝叶斯和支持向量机等多种不同的分类器。【结论】基于词向量与LDA 相融合的短文本表示模型进行分类, 能有效克服短文本的主题聚焦性差及特征稀疏性问题, 提高短文本分类性能。
点击量
通过
点击量
下载量
评论
