共查询到20条相似文献，搜索用时 359 毫秒
1.
[目的/意义]基于专利数据,探讨识别颠覆性技术主题并揭示主题关联的方法。[方法/过程]以人工智能领域为例,获取目标专利及其引用专利与施引专利,以此计算目标专利的颠覆性指数。基于目标专利摘要,建立以颠覆性指数为协变量的结构主题模型。对领域主题进行分类并构建主题关联网络,同时计算主题流行度,筛选出颠覆性技术主题。[局限]无法完全替代领域专家的经验和智慧,对颠覆性技术主题的预测能力相对有限。[结果/结论]得到人机交互、量子人工智能、机器阅读理解和推荐系统四个潜在颠覆性技术主题,发现当前人工智能领域的颠覆性技术创新聚焦于降低算力成本和优化人机互动两个方向。 相似文献
2.
[目的/意义]颠覆性技术关乎国家竞争力和国际地位,科学准确地识别出颠覆性技术主题,能够解决技术发展过程中主题不够明确、发展路径不够清晰等问题,以此有效把握技术发展动态,调整国家科技战略布局,更好地抢占国际竞争制高点。[方法/过程]以能源科技领域的专利文本数据为研究客体,构建基于Word2Vec词向量与LDA(Latent Dirichlet Allocation)主题向量的融合特征向量,并引入K-means算法优化主题聚类效果,最后结合颠覆性技术特征指标,识别颠覆性技术主题,利用DTM(Dynamic Topic Model)模型揭示该领域颠覆性技术主题的发展状况。[结果/结论]通过人工验证和模型结果对比可以发现,实证结果具有合理性,且模型的精准率、召回率、F1值均高于同类型的主题模型,证明该方法对颠覆性技术主题识别具有较好效果。 相似文献
3.
[目的/意义] 在科学研究中,从不同来源的科技文献中识别挖掘科研热点对于开展科研工作具有指导意义。旨在通过本研究提出的模型方法,快速准确地识别蕴含在多源文本中的热点主题,为科研创新提供支撑服务。[方法/过程] 提出一种基于LDA2vec模型的多源文本下科研热点识别的方法并针对科研热点识别构建模型,该方法融合LDA主题模型对隐含语义挖掘的优势和Word2Vec词向量模型对于上下文关系把握的优势。以机器学习领域的科技文献为例,利用模型困惑度和主题一致性两个指标对LDA2vec的在本领域应用的可行性和有效性进行验证,并与LDA的主题提取效果进行对比。[结果/结论] 实验结果表明,提出的方法在面对多源数据情况下,进行科研热点识别挖掘是可行的,且在一定程度上有效果的提升,对利用单一数据源进行主题分析的不足进行补充,对多数据源融合的实践应用进行丰富。 相似文献
4.
作为推动社会进步与经济发展的重要力量,如何快速且精确地识别潜在颠覆性技术对于提升企业竞争力、推动产业变革等具有关键意义。本文提出一种融合专利数据与社交媒体数据的潜在颠覆性技术早期识别方法,是对已有研究理论和方法的重要补充。第一,检索相关领域专利数据,对数据进行划分;第二,基于颠覆性技术的特征,选取与颠覆性技术相关的指标以构建指标体系,并计算其技术影响力;第三,依托Bi-LSTM (bi-directional long shortterm memory)训练专利指标与技术影响力之间的关系,预测出候选颠覆性技术,并结合BERTopic提取技术主题;第四,通过BERTopic主题建模基于社交媒体数据提取出社会主题,并通过关注度和情感倾向对社会主题进行评价;第五,通过语义相似度,将社会主题与技术主题匹配映射,以对技术主题进行分类,进而识别出潜在颠覆性技术;第六,以医疗机器人为例,阐述该识别方法的应用过程。研究结果表明,Bi-LSTM模型在准确率、精准率、召回率和F1-score上均超过90%,优于其他模型;将医疗机器人领域中的潜在颠覆性技术划分为高关注度-积极态度、低关注度-积极态度与低关注... 相似文献
5.
在破“五唯”的背景下,科学研究的创新性测度尤为重要,创新性较高的论文往往会对既有研究领域的学科范式产生颠覆性影响,甚至开创新的范式。颠覆性指数是近几年被提出的可以直接测度论文颠覆性创新程度的计量指标,基于网络中论文节点的深层引用关系,在一定程度上破除了单一维度评价的缺点,引起了文献计量学、信息科学和网络科学等多领域学者的广泛关注。本文对颠覆性指数的最新研究进行了总结和拓展,深入剖析了指标局限性及因素,并提出了新的计量指标——相对颠覆性指数（relative disruptive index,RDI）,它在颠覆性指数的基础上,涵盖了引文网络的深层引用比例,在一定程度上解决了颠覆性指数分布不均匀、评价不一致的问题,能够对科学研究的颠覆性创新程度进行更为精确和客观的衡量。实证结果表明,颠覆性指数的参数量级不一致,相对颠覆性指数可以更有效地衡量科学研究的创新性,且相比于原始颠覆性指数以及Bornmann等学者提出的修正颠覆性指数（DI5）具有更佳的评价一致性,巩固性论文的相对颠覆性指数较低,创新性论文的相对颠覆性指数较高。 相似文献
6.
国际学术合作能够提高科研效率,推动知识创新,探讨国际合著论文中的国家贡献度,对反映国家领域影响力,提升国际合作态势具有重要意义。从数值和内容两个层面构建国际合著国家学术贡献度分析模型,以中国作为重点研究对象,以Web of Science为数据来源,通过构建国际合著网络,结合学术贡献度计算公式,分析近十年中国在Information Science&Library Science(图书情报学,以下简称ISLS)领域的学术贡献度,并以知识图谱的方式揭示中国学术参与主题的演化。结果表明:在数值方面,第一阶段中国学术贡献度较小,但第二阶段持续发力,成为国际合作中的后起之秀,学术贡献度仅次于美国;在内容方面,经历了从理论研究到技术创新的演进,参与的学术主题呈多元化和深入化趋势。 相似文献
7.
针对当前学者评价研究与实践中存在的准确性与全面性不足的问题,本文从颠覆性影响力的视角出发,基于引文网络的深层互引信息,将被引文献划分为颠覆性被引文献和巩固性被引文献,构建了学者影响力的二元测度框架,凝练出两种不同类型的学术特征,即“颠覆型学者”和“巩固型学者”,并提出颠覆性被引量和颠覆性h指数等指标用于学者影响力测度。实证研究基于APS (American Physical Society)数据集的463348篇论文、9370286条引证链接、234086位消歧后作者以及诺贝尔奖（Nobel Prize）、沃尔夫奖（Wolf Prize）、狄拉克奖（Dirac Medal） 3种重要奖项得主数据,综合肯德尔秩相关性、识别比率、平均排名等方法进行指标一致性和收敛有效性分析。研究结果表明,颠覆性被引量和颠覆性h指数与传统指标高度一致,并且在收敛有效性上全面优于基准测度指标。颠覆性影响力能够反映学者的创新水平和潜力,二元测度框架可以对学者影响力进行准确划分,对未来创新科学家的早期识别、学者绩效与奖励制度的改革、基金项目的评审与评价、科研激励政策的制定等具有重要意义。 相似文献
8.
认为对科学环境的研究正从科学图谱呈现阶段转向建模解释阶段,学术网络模型具有丰富的模型揭示能力。将科研团队视为人类社会系统,借助和扩展学术网络模型概念框架,根据多种科研团队相关学术网络模型的内在关联,融合构建出科研团队元网络模型,整合科研团队多维数据,全面揭示科研团队概貌。在此基础上,提出科研团队元网络模型的潜在静态分析应用方向,并进行实例分析,体现元网络模型的揭示能力。 相似文献
9.
[目的/意义]揭示2002年以来图情领域重要国家在学术论文产出的总量、引证、研究主题、学术合作等维度上的学术贡献与特征演化,为图情领域的学科建设及相关研究者追踪研究主题与前沿提供参考。[方法/过程]以近15年WoS数据库收录的图情领域86种核心期刊为研究对象,应用文献计量学、科学知识图谱、计量模型等研究方法,运用TDA、Ucinet、VOSviewer等数据分析工具,从学术论文的总量特征、引证特征、主题特征三个角度对图情领域重要国家的学术贡献进行深入分析,并构建计量模型考察空间距离及学术能力对重要国家之间学术合作的影响机制。[结果/结论]美国在图情领域的科研实力强劲,中国的学术贡献增速最快,荷兰、芬兰、比利时三国则在归一化被引比率指标上表现突出;研究主题主要集中在图书馆、信息检索、互联网、知识管理、社交网络、计量学、用户研究、研究方法8个主题范畴,英国、西班牙、中国、美国的研究主题最为广泛;空间距离与学术能力都对国家间的学术合作具有显著影响。 相似文献
10.
面向知识创新的科研团队数据能力模型构建研究 总被引：1，自引：0，他引：1
[目的/意义] 研究数据密集型科研环境下影响科研团队知识创新的核心要素,提出促进知识创新的科研团队数据能力模型,并对能力中的因素进行能力识别。[方法/过程]通过文献调研,对传统环境下的科研团队知识创新能力的研究维度进行总结,分析数据密集型环境下科学迅速发展所形成的科研环境,提出在新环境下科研团队数据能力的6个维度及其要考虑的因素,构建以促进团队知识创新能力为目的的科研团队数据能力模型。[结果/结论]数据密集型环境下,科研团队数据能力包括科研团队的数据意识,基于数据意识的科研团队的数据检索和数据发现能力,组织、整合和管理数据的能力,描述和保存数据的能力,分析、利用数据并从数据中发现知识和规律的能力,数据辨析和评价能力。这些能力从知识发现、知识管理、知识整合、知识分享、知识评价等方面促进了科研团队的知识创新。 相似文献
11.
科研合作是促进科学生产的一种重要形式,探讨不同机构之间的科研论文合著情况,可以有效把握机构合作的整体现状与特征,有助于提高机构合作的绩效。本研究基于2010-2015 年Web of Science 数据库图书情报学领域期刊发表的论文,构建我国图书情报学领域Top15 高产研究机构的合作网络,综合运用文献合著率、合作多样性、合作稳定度、合作绩效等度量指标,分析了机构合作的主要特征及指标间的相互影响。研究发现：我国图书情报学领域的论文数量总体上呈现增长趋势但论文影响力相对有限,香港地区的科研机构在国际上学术认可度领先于大陆地区的科研机构;科研机构间的合作对象不断拓宽、合作密度不断加强、合作论文产出不断提升成为我国近年来图书情报学领域发展的显著特征;国际化的合作团队、多元的合作对象和稳定的合作关系可以为科研机构带来更多的科研成果产出,提高其学术影响力。 相似文献
12.
基于Web of Science和中国知网中“链接分析”方面的文献数据,首先简要介绍了国内外链接分析研究的发展趋势,然后融合Citespace Ⅱ、SATI 3.1和Netdraw等文献计量与可视化分析软件构建了:①引文共被引聚类图谱,揭示出国际链接分析研究的起源文献和核心知识基础.②国内外Top100作者形成的科研合作网络,揭示出国内外链接分析领域科研团队的数量和规模情况,以及这些科研团队形成的合作模式.③引用期刊共被引聚类网络,揭示出国际链接分析研究的主要参考期刊.④主要发文国家的科研合作网络,揭示出国际链接分析领域发文量最大的国家是美国,其次是中国,发文量较大国家之间的科研合作较少.⑤国内外全时段链接分析文献关键词的共现知识图谱,识别出国内外链接分析领域的研究热点.⑥国内外分时段链接分析文献关键词的共现知识图谱,通过对比分析不同时段的关键词数据,识别出国内外链接分析研究近5年(2009～ 2013年)的前沿热点主题. 相似文献
13.
颠覆性技术可能引发新一轮科技革命,是提升未来经济社会发展和国家竞争力的重要“利器”。通过对近5年颠覆性技术识别方法研究文献的梳理,归纳国内外学者关于颠覆性技术特征、颠覆性技术识别和预测方法的研究进展,为颠覆性技术的识别和培育提供参考与借鉴。重点运用文献调研的分析方法,总结5类颠覆性技术识别和预测方法的最新研究成果和局限性。结果表明,基于模型测度的分析方法、基于多维指标评估框架的分析方法和基于文献计量的分析方法仍然是颠覆性技术识别中比较常用的方法,基于大数据关联挖掘分析的方法开始被应用到颠覆性技术的识别中。由于颠覆性技术发展是一个动态的过程,未来应更多地考虑基于创新全过程,探索对颠覆性技术进行动态、分类识别。 相似文献
14.
大模型技术在2023年将生成式人工智能推向新的发展阶段,因此成为传媒技术领域的关键主题。尽管大模型技术在商业模式上仍有待探索,但其作为一项颠覆性创新技术对传媒产业的重构作用已然显现。本文从内容生产力、内容生产机制、内容分发效率、数字人应用、内容监管挑战五个方面梳理过去一年中大模型技术在传媒领域的应用与探索,以期为媒体对大模型技术的应用提供参考。 相似文献
15.
基于专利的弱信号探测模型与技术颠覆性潜力测度体系相结合的方法,开展颠覆性技术早期识别,为颠覆性技术的早期识别提供一套有效的方法和思路。利用专利信息进行领域弱信号探测,利用LDA (latent Dirichlet allocation)主题模型从领域专利内容中抽取主题,基于弱函数对主题进行过滤得到包含弱信号的主题集合,进一步通过预兆函数对弱信号主题包含的术语进行过滤,得到该研究领域弱信号术语集合及其对应的专利集合。基于技术颠覆性潜力测度指标体系,对包含弱信号术语的专利进行颠覆性潜力测度,最终得到目标领域具有颠覆性潜力的技术,为该领域颠覆性技术的早期识别提供参考。以incoPat专利数据库中2008—2019年基因编辑领域的专利数据作为研究对象,结合弱信号探测模型与技术颠覆性潜力测度体系,对该领域具有颠覆性潜力的技术进行早期识别,通过与基于关键词识别的弱信号结果对比,并利用CRISPR/Cas9技术对上述颠覆性技术识别结果进行验证,证明了本文方法的可行性和有效性。 相似文献
16.
颠覆性技术是一个具有复杂的内在结构的技术群。从空间维度来看,颠覆性技术是包含了主导技术、辅助技术、支撑技术的复杂技术群,涉及多学科、多领域。在此背景下,运用科学计量的方法对颠覆性技术进行科技评价和科学技术演变规律探索面临挑战,实质表现为数据检索。本文探索了一种基于机器学习的专利数据集构建新策略,将专利检索任务作为机器学习的二分类任务,类似于信息检索中基于主动学习的查询分类思想,并提出了将F-measure特征最大化方法与CNN(convolutional neural networks)模型相结合的文本分类改进方法。本文以人工智能(artificial intelligence,AI)技术域为例进行训练实验,实验结果的准确率、召回率和F1值分别达到98.01%、97.04%和97.89%,这表明本文提出的策略能够精准地识别人工智能专利,提高了专利检索的准确率和召回率,以利于构建精、准、全的人工智能技术域专利数据集。 相似文献
17.
为了探索学术论文跨学科性对其创新程度的影响,本研究采用参考文献多样性指数量化前者,通过能有效区分突破性与渐进性创新的D指数量化后者。据此,本研究采集了Web of Science (WoS)收录的神经科学领域发表于1975—2011年的498162篇研究型论文,主要采用了Logistic回归分析方法,并在分析过程中控制了跨学科团队属性与学术文献计量属性对结果的干扰。研究发现,在神经科学领域,论文的跨学科性对其突破性创新具有较强的积极影响;参与跨学科合作的机构越多,越有利于产出突破性论文,但团队规模越大、涉及的国家越多,更有可能产出渐进性创新成果;未受到基金资助的论文却具有更高水平的突破性。 相似文献
18.
19.
为弥补在传统学术交流领域中仅仅通过文章引用和期刊影响因子进行学术质量评价的局限性和时滞性,本文提出并构建了以引文指标衡量学术影响力和以altmetrics指数衡量网络影响力的加权模糊运算模型,认为该评价模型适用于对自媒体环境下的人文社科学术文献进行质量评价,从而能够从多个维度全面反映人文社会科学学术文献的真实状况和水准。 相似文献
20.
[目的/意义]学术文献影响力评价指标不断推陈出新,但尚缺乏在研究主题层面对文献影响力的评价,为发现不同研究主题内具有高影响力和引用价值的文献,本研究给出一种基于研究主题的文献影响力评价方法。[方法/过程]以Web of Science数据库中2011年-2015年间情报学领域500篇高被引文献为样本,利用LDA模型对样本文献进行主题建模,将主题对文献的支持度与文献被引频次相结合,计算特定主题文献的被引频次（specific topic cited frequency,简称STCF）,并根据每篇文献在相应主题内的STCF值对文献进行影响力排序。[结果/结论]结果表明,STCF值能反映文献的主题内容、细粒度体现文献的学术地位、呈现文献研究主题的多元性,能够有效弥补被引频次、Altmetrics指标的不足。 相似文献