共查询到18条相似文献，搜索用时 234 毫秒
1.
[目的/意义]梳理LIS领域学科知识的发展脉络,追踪、预测学科研究热点和增长点。[研究设计/方法]基于LIS领域国外和国内核心期刊数据,使用TP-JIF模型计算学科主题的热度并衡量学科主题的状态,对LIS领域国内外研究热点和学科增长点进行演化分析;使用TPP-LSTM学科主题预测模型,对LIS领域国内外的研究热点和增长点进行预测。[结论/发现]国内外LIS领域研究热点的体量和侧重点具有较大差异,国外研究热点聚焦在社交媒体、电子病历、知识管理、文献计量、机器学习、替代计量等方面,而国内聚焦在图书馆学类、大数据、知识服务、数字人文、人工智能等方面。数据科学可能是LIS领域国内外最具潜力的增长点,医疗健康、人工智能、科研评价指标与体系、数据素养以及数据管理等研究也有望快速增长。[创新/价值]从研究热点和学科增长点两个方面揭示了国内外LIS学科之间的差异,并对研究热点和学科增长点进行了预测,为学科未来规划提供参考。 相似文献
2.
[目的/意义]微博在当前信息传播中起着重要作用,为有效预测微博热点及舆情导控,建立实时线性预警模型。[方法/过程]将采集的指标进行缺失值和异常值的处理后,对微博话题热度与大V影响力因子进行因子分析与逐步回归的比较,筛选出公共影响因子;再对其加权,探索不同权重调节因子下的最佳定量公式;用此公式每次输入当前时刻起前3小时的数据,预测当前时刻起后30分钟的加权值对应的话题词,每隔10分钟重新更新一遍参数。[结果/结论]实验证明该预测模型能大大降低数据采集解析和预测时间,保持较好的准确率,并可通过选择合适的阈值,进一步提升精确度。 相似文献
3.
4.
[目的/意义]从主题视角对环境科学领域的零被引论文进行分析,对比零被引论文与高被引论文在文章内容、外在指标方面的不同,揭示零被引论文存在的原因。[方法/过程]首先,对来自Web of Science数据库的国内环境科学领域的260篇高被引论文、907篇零被引论文的摘要进行PLDA主题识别,然后通过主题相似度计算发现主题间的关联,以主题热度作为内部指标,发文时间、发文期刊作为外部评价指标,最后,把论文主题内容与外部指标结合进行零被引与高被引论文之间的相同主题、不同主题对比分析。[结果/结论]在研究主题相同情况下,期刊的影响因子大小是影响零被引论文的主要因素;在主题不同的情况下,论文研究的主题内容是导致零被引论文的主要原因。 相似文献
5.
[目的/意义] 为揭示情报学领域近15年的研究方向和发展演化情况,了解和掌握研究主题热度的动态变化。[方法/过程] 基于动态主题模型（Dynamic Topic Model）,以国内外情报学领域影响因子较高的6本核心期刊作为数据集,分析国内外情报学研究主题演化过程,从主题热度的宏观维度和词语变化的微观角度入手,对比分析主题的研究内容和研究热度异同点,以期为我国情报学研究提供参考和借鉴。[结果/结论] 研究结果表明,国内情报学研究内容偏重实际应用,国外偏重于技术与方法的创新;同一研究主题在不同时期涉及研究内容差别明显,导致其研究热度随着时间推移发生变化;相对于国内,国外情报学研究主题传承性和递进性更强,热度变化较小。 相似文献
6.
[目的/意义]针对P指数不能反映评价对象引文分布的P缺陷,在P指数研究的基础上,提出基于引文分布的指数计算方法。[方法/过程]引入发文-引文分布曲线和学术矩阵表征期刊的引文分布,利用期刊评价的非参数统计方法,通过将引文数据进行分区划分,基于P核和P尾内有引用的论文,采用期刊的平均引文率代表零引用论文的影响,重新定义P指数的计算方法,提出Pnew指数。为避免学科差异对期刊评价的影响,以仅属于Web of Science数据库中电子电气工程类目下有5年影响因子的53种期刊为研究对象,分别统计期刊的影响因子、5年影响因子、H指数、P指数、Pnew指数等指标,并进行相关性及差异性分析,以验证Pnew指数评价的科学性和有效性。[结果/结论]结果表明,Pnew指数与H指数、P指数等多个关键指标的相关性较好。与P指数相比,Pnew指数既延续了其高灵敏度与高区分度的特点,又对P指数相差无几但引用分布大不相同的期刊有更好的显示度和辨识度,而且能够矫正引文分布对P指数评价的偏差。 相似文献
7.
期刊PR8指数:一个新的跨学科期刊评价指标及其实证研究 总被引：1，自引：0，他引：1
[目的/意义] 基于论文被引频次8个区段百分位数排序（percentile rank 8,PR8）赋分,尝试构建新的跨学科期刊评价指标：期刊PR8指数（journal index for PR8,JIPR8）,并检验JIPR8的跨学科期刊评价效果。[方法/过程] 选择JCR中8个学科301种期刊作为研究对象,分别计算每种期刊的JIPR8,并与其他几个跨学科期刊评价指标进行比较,检验JIPR8跨学科期刊评价的敏感度和稳定性,以及与其他跨学科期刊评价指标的相关性。[结果/结论] 在选择的所有指标中,8个学科301种期刊JIPR8的变异程度最低,说明其用于跨学科期刊评价的稳定性最好;不同分区期刊（Q1、Q2、Q3和Q4） JIPR8的组间差异性较为明显,仅次于期刊影响因子百分位（journal impact factor pencentile,JIFP）,表明其对优秀和一般期刊的区分度较好。认为JIPR8是一个非常理想的跨学科期刊评价指标。 相似文献
8.
期刊学术影响力的预测逐渐受到期刊界和学术界的广泛关注。Hirsch曾指出,相比于其他文献计量指标,h指数具有更好的预测能力,预测期刊h指数的未来发展相当于预测期刊影响力的未来演化。本文以中文社会科学引文索引为数据源库,以我国图书情报学科的13种核心期刊作为研究对象,分别建立向量自回归、向量误差修正和长短期记忆神经网络的时间序列预测模型,动态预测期刊的未来h指数。根据集成预测方法,形成上述3个模型的集成预测值,并比较各模型和方法的精度。实证结果表明,集成预测方法下的平均绝对百分比误差与均方根误差均小于3个单一的预测模型;同时,提升了预测稳定性,期刊h指数在未来呈现稳定增长趋势,图书情报领域的期刊学术影响力将保持良好的正向发展。 相似文献
9.
[目的/意义]ESI学科排名是国内外学科评价的重要指标之一。以清华大学为例,介绍一套切实可行的数据分析方法,尝试对学术机构入围ESI学科排名世界前1%的时间进行预测。[方法/过程]首先通过ESI模拟检索,将检索结果与ESI末位入围机构进行被引频次比较,找到“入围差距”,确定临近入围ESI的潜力学科,然后运用曲线拟合模型方法,预测入围时间。之后进一步对3种曲线函数的拟合优度进行比较研究,并分析预测误差可能产生的原因。[结果/结论]后续实际验证表明,本文给出的预测时间基本准确。此预测方法对学术机构掌握重点学科发展趋势、衡量与世界一流学科差距具有实际参考价值。 相似文献
10.
[目的/意义]生成式大语言模型改变自然语言处理研究的范式,推动人工智能赋能社会科学研究的新潮流,为从文本深层语义特征角度量化计算人文社会科学学科的交叉与融合提供新思路。[方法/过程]使用ChatGPT模型对人文社会科学学术文献进行学科判别,基于小样本学习识别模型预测结果中的学科名知识实体,从期刊知识分散分布视角衡量多学科候选分类问题,将判别结果与文献所属期刊对应学科作比较分析,提出跨学科丰富度、跨学科密切度、主体度等指标结合跨学科度的跨学科性量化研究。[结果/结论]围绕AIGC赋能交叉科学测度研究,从学科归属问题的判断、生成式模型答案集中学科名的抽取、多学科候选问题的赋权、交叉科学内容性度量指标等几方面提出一套研究框架方法,实现从内容角度充分利用AIGC赋能社会科学研究,为进一步探索各社会科学研究的内在逻辑提供借鉴和参考。 相似文献
11.
[目的/意义]通过分析某个学科领域中Altmetrics指标的特征,为该领域文献影响力评价提供更加科学合理的指标体系。[方法/过程]定位于图书情报领域,选取Scopus、Altmetric.com进行文献被引频次及Altmetrics指标值的采集,对数据进行统计分析、聚类分析和内容分析。[结果/结论]在众多Altmetrics指标中,Mendeley和Twitter更适合于对图书情报领域文献的影响力做出评价;Mendeley和Twitter中文献的使用群体、文献主题、内容和期刊分布都存在明显的差异性;Twitter适合对文献的社会影响力做出判断,Mendeley更适用于文献的学术影响力评价;不同工具的流行程度存在地域差异,利用Altmetrics指标时应考虑该指标对文献影响力的评价是否存在地域缺失。 相似文献
12.
[目的/意义]科技创新需要快速发现特定科技领域中关键知识衍生与演化的路径,探索未来的知识创新趋势,为此,有必要对知识演化路径进行动态可视化研究。[方法/过程]从主题关联的角度入手,以3D打印领域为例,基于LDA识别出科技创新主题并进行分阶段细化分析,探测主题集群内部与外部的关联强度,识别出主题不同生命周期的演化能力及其演化类型。[结果/结论]实验结果表明,该方法从主题关联的角度入手,构建了基于时间序列的知识演化路径,丰富了知识管理和信息计量的理论研究方法,在实践上则有助于探测科技创新知识。 相似文献
13.
[目的/意义] 灰色预测法可有效处理情报研究中广泛存在的小样本数据，通过对灰色预测法在情报研究中的应用情况进行梳理，总结其在应用过程中存在的不足，为灰色预测法在情报研究中的进一步应用提供参考。[方法/过程] 通过综述情报研究中涉及灰色预测法的相关文献，从数据选取、模型构建和解决的问题等方面对情报研究中灰色预测法的应用进行概述，总结当前情报研究中灰色预测法的应用所存在的问题，并提出改进建议。[结果/结论] 在方法应用上，已有研究主要采用数列灰预测，且模型集中在单变量灰色预测模型，根据预测对象不同，灰色预测法已经在包括期刊分析、图书馆运行管理、热点主题分析及科研机构评价方面得到了很好的应用，未来可根据预测对象特点及研究目标尝试不同的灰色预测方法，扩宽灰色预测法在其他方面的情报研究问题中的应用。 相似文献
14.
[目的/意义] 灰色预测法可有效处理情报研究中广泛存在的小样本数据，通过对灰色预测法在情报研究中的应用情况进行梳理，总结其在应用过程中存在的不足，为灰色预测法在情报研究中的进一步应用提供参考。[方法/过程] 通过综述情报研究中涉及灰色预测法的相关文献，从数据选取、模型构建和解决的问题等方面对情报研究中灰色预测法的应用进行概述，总结当前情报研究中灰色预测法的应用所存在的问题，并提出改进建议。[结果/结论] 在方法应用上，已有研究主要采用数列灰预测，且模型集中在单变量灰色预测模型，根据预测对象不同，灰色预测法已经在包括期刊分析、图书馆运行管理、热点主题分析及科研机构评价方面得到了很好的应用，未来可根据预测对象特点及研究目标尝试不同的灰色预测方法，扩宽灰色预测法在其他方面的情报研究问题中的应用。 相似文献
15.
[目的/意义] 基于主题关联相似度揭示主题汇聚及变异过程,识别学科交叉主题及交叉模式,归纳学科主题的演化趋势及演化路径模式。[方法/过程] 获取情报学学科科研论文的高频主题词,构造主题词共词矩阵,利用网络社区演化分析工具生成学科主题演化网络图,结合指标数据对学科主题演化过程进行分析。[结果/结论] 总体上看,情报学学科的研究主题虽然在反复地变化,但核心主题一直存在;扩张、收缩和合并是研究主题最普遍的变化态势,分裂现象较少,产生和消亡现象存在;有3条特定社区演化轨迹清晰地贯穿始终,活跃度相对稳定,反映了3类核心研究主题;3类核心研究主题的演化路径呈现出升华吸纳、共融迭新和辐射推进3种演化模式。研究结果显示,基于主题关联学科主题演化路径的多模式识别方法既能从宏观层面呈现学科主题演化形式,也能从微观层面分析学科主题交叉模式,结合二者可揭示学科主题的继承或创新,预测学科交叉主题的发展方向。 相似文献
16.
[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
17.
��[Purpose/significance] In scientific research, identifying mining scientific research hotspots from different sources of scientific literature is of guiding significance for carrying out the next scientific research work. It aims to quickly and accurately identify hot topics contained in multi-source texts through the model method proposed in this study, and provide support services for scientific research innovation.[Method/process] This paper proposed a method based on LDA2vec model for multi-source text research hotspot identification and built a model for scientific research hotspot identification. This method combined the advantages of LDA topic model on implicit semantic mining and the context of Word2Vec word vector model. Taking the scientific literature in the field of machine learning as an example, the model extraction degree (perplexity) and topic coherence (topic coherence) were used to compare the topic extraction effects of LDA2vec and LDA in the context of multi-source text.[Result/conclusion] After experiments, the results show that the method proposed in this paper is feasible and can be improved to some extent in the face of multi-source data. The method can relatively quickly and accurately identify the hot content in the multi-data source text, make up for the shortcoming of the single analysis data source for subject detection, and enrich the practical application of the multi-data source fusion theory system. 相似文献
18.
[目的/意义]主题排序不仅是信息检索、信息组织研究的基础性问题，也是图书馆学科服务的重要工作，对学科领域研究主题进行有效排序能够帮助科研人员和科研管理部门有效把握学科领域的研究态势，准确定位科研方向，快速做出科研决策。[方法/过程]基于趋势分析提出一种学科研究主题优先级排序算法。首先，在主题提取的基础上，根据发文趋势和引文趋势将每个研究主题按研究等级分为贫乏主题、热点主题、冷点主题、过热主题4个子类。然后，分别对各子类下的主题词进行优先级排序。[结果/结论]在情报学领域的实验表明：本文提出的优先级排序算法能够全方位、细粒度、深层次地展示学科领域研究主题的发展等级，该方法可为从时间维度实现动态情报分析提供新的视角。 相似文献