分类: 图书馆学、情报学 >> 图书馆学 提交时间: 2023-08-26 合作期刊: 《图书情报工作》
摘要: [目的/意义]国家政府、大中型企业以及研究机构面对技术难题,如何找到合适的专家是迫切需要解决的问题。面对需要运用多学科知识来解决的综合性复杂难题,寻找到多专长专家显得尤为重要,寻找合适的方法识别出多专长专家是本研究的目的。[方法/过程]利用专家所发表的学术论文数据,通过抽取专家有代表性的研究专长特征,基于TFIDF加权的重叠K-means聚类算法对专家进行重叠聚类划分,挖掘出专家的多个研究专长,进而识别出多专长专家。[结果/结论]研究结果表明TFIDF加权的重叠K-means聚类算法在查准率、召回率和F值上有良好的表现,可以识别多专长专家。
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]面对竞争日益激烈的社会环境,创新是企业的立足之本、生存之道。创新的范围不仅包括在本领域创造新的产品、技术等,还包括将其他领域出现的新产品、新技术引入本领域,且后者更为容易。但随着学科领域专业化程度越来越高,科研人员没有过多精力去掌握本领域之外的知识,因此需要借助科学的方法和技术来探索不同领域知识间深层次的联系。[方法/过程]借鉴LRDI方法的分析流程,提出基于SAO结构的创新解决方案遴选方法,以目标研究领域具体研究问题为出发点,在全领域寻找潜在解决方案,并从技术可行性以及预期效果两方面对这些潜在解决方案进行评价,形成适用于目标研究领域的优先推荐创新解决方案。[结果/结论]以空气净化技术为例开展实证研究,研究结果表明部分创新解决方案已经在空气净化技术领域得到有效应用,进一步证实了本研究方法的可行性和有效性。
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] 药物组合相比单一药物在临床治疗中存在多种优势,但药物数量的快速增长为药物组合筛选和推荐带来挑战,因此设计有效的预测方法为药物研发人员推荐更易产生协同作用的药物组合从而提高筛选效率具有重要意义。[方法/过程] 面向疾病并发症诊疗需求,基于链路预测构建协同药物组合推荐模型,首先利用SAO语义挖掘识别医学文献中的并发症信息,在此基础上利用医学数据库构建"疾病-药物-靶点"异质网络,并引入链路预测方法对网络进行药物作用机制的相似性评估,预测哪些药物组合更可能产生协同作用,进而依据预测结果针对某个疾病或某对并发症进行药物组合推荐。[结果/结论] 肠道疾病数据实证分析结果表明协同药物组合预测模型具有有效性和实用性。
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]突破性创新对科技发展具有关键作用。大数据环境下,科学技术发展本身所具有的复杂、多维、不断进化等特征越发凸显。以动态视角进行突破性创新主题识别,对于为国家、企业及高校详析突破性创新领域、合理配置创新资源以及提供创新升级解决方案具有重要意义。[方法/过程] 综合运用主题模型、词嵌入算法以及复杂网络分析等方法构建动态主题网络,全面考量主题在时间窗口内的结构特性以及时间窗口间的演化状态,并以其为基础结合突破性创新的新颖性、突变性、影响力和学科交叉性特征识别突破性创新主题。[结果/结论] 面向区块链领域展开实证研究,识别出神经网络(Neural Network)和边缘计算(Edge Computing)两个主题的突破性创新特征最为显著。结合区块链现有研究及美国国家科学技术委员会发布的关键和新兴技术清单,验证了本文方法的可行性和有效性。但有关结果的定量验证,以及融合多源数据的突破性创新主题识别有待进一步研究。
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] 科学与技术之间的密切关系,使得结合论文与专利进行技术机会分析比使用单一数据更加合理与高效。本文使科学技术关系的生成更自动化,减弱对主观判断的依赖,使技术颗粒更加精细,同时为技术研发人员提供研发建议,将科学研究中汲取的理念应用到相应的技术创新中去。[方法/过程] 将论文、专利的摘要文本进行Doc2vec向量表示,通过文本相似性将其关联成网络,再基于Louvain算法生成科技主题聚类,识别科学研究推动的技术机会。最后以3D打印技术为案例进行实证研究。[结果/结论] 识别出若干科学研究推动的技术机会,并验证所识别的机会具有一定的技术潜力,证明方法的可行性和有效性。
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]基于数据分析视角,从研究数据以及研究方法的变迁出发,对技术预测研究做出系统性分析。[方法/过程]为厘清发展脉络,本研究将基于数据分析的技术预测研究划分为萌芽阶段(1981-1991年)、成长阶段(1992-2010年)、扩张阶段(2011-2017年)和瓶颈阶段(2018年至今),通过综合运用文献计量法和知识图谱分析工具,对不同阶段的研究前沿进行深入分析。[结果/结论] 研究表明,技术预测一直朝着多层次、系统化的方向发展,但尚未完成"技术可能如何发展"到复杂环境下"技术应该如何发展"的跨越,而搭建科学数据共享平台,构建智能化分析软件以及发挥政府的宏观调控作用将是未来关注的焦点。