数字内容产品版权保护的演化博弈分析     

赵艳  王文举  倪渊 《图书情报工作》2019,63(2):43-51

[目的/意义]基于版权保护的演化博弈分析，有助于探究数字内容产品的原创主体对仿冒行为是否具有容忍度，以及不同仿冒水平下实施版权保护的策略选择，对规范数字内容产品市场主体行为具有一定指导意义。[方法/过程]首先借助演化博弈模型，分析原创主体与仿冒主体的利益演化过程，探究版权保护下原创主体对仿冒水平的容忍行为；然后通过细化博弈双方的利润函数模型，探究原创主体容忍度水平的决定因素。[结果/结论]原创主体对较小的仿冒水平存在一定的容忍度，对较高的仿冒水平零容忍。最大仿冒水平容忍度由仿冒交叉收益系数、收益模型常系数、产品研发成本系数和原创主体的产品研发努力水平倍数4个因素共同决定。  相似文献   

专利被引频次的时间影响研究     

罗文馨  赵亚娟 《图书情报工作》2019,63(9):47-60

[目的/意义]研究时间因素对专利被引频次的影响,可以减少时间因素对技术评价活动的制约,提高评价的准确性和可信度。[方法/过程]采集1975-2017年的美国专利数据,开展基于固定效应法的专利被引频次的修正研究。将专利按照不同公开年份和不同技术领域分组,选定组内均值和6个TOP分位数为被引频次基准,统计当前时间点的被引频次基准线及基准线的历史时序变化情况。建立神经网络模型,拟合基准线的时序变化规律,并预测未来统计时间点的基准线。[结果/结论]专利公开年份和统计年份的时间差异,使得专利被引频次无法直接进行比较。本文建立了基于不同技术领域、不同公开年份和不同统计年份的专利被引频次基准线,为专利评估提供参考。  相似文献   

面向智慧知识服务的科技文献大数据体系建设     

吴振新  钱力  谢靖  常志军  许丽媛  赵艳 《图书情报工作》2021,64(24):63-72

[目的/意义] 探索构建文献情报大数据知识资源体系，支撑面向多领域的智慧知识服务。[方法/过程] 基于AI应用需求，借鉴业界经验，梳理现有资源体系的问题，从多层次多维度扩展资源体系；构建可靠数据处理流程和计算平台，支持高效数据采集和处理；研发智能化数据治理工具，实现知识资源的有效治理，确保提供高质量数据资源。[结果/结论] 已初步形成覆盖多类型、多学科的科技文献大数据知识资源体系，构建完成高度自动化的数据采集治理流程，实施多重数据质量控制，积累数亿高质量数据，且为多个知识服务提供数据支撑。  相似文献   

Progress Is Not an Illusion     

Oren Harman 《Science & Education》2018,27(1-2):219-224

  相似文献   

Letters     

Seth Forman 《Academic Questions》2018,31(3):251-251

  相似文献   

Kuhn’s Image of Science     

William Rehg 《Metascience》2018,27(2):213-215

  相似文献   

Disconnect: Kentucky and the Political Ideology of its Public Universities     

Ben Foster 《Academic Questions》2018,31(3):313-321

  相似文献   

The Evolution of U.S. Museums and Science Centers as Informal Learning Environments     

Renee M. Clary 《Science & Education》2018,27(3-4):371-377

  相似文献   

The Historical Heart of Atmospheric Science     

Anthony J. Sadar 《Science & Education》2018,27(1-2):233-235

  相似文献   

基于深度学习的中文专利自动分类方法研究   总被引：2，自引：0，他引：2  

吕璐成  韩涛  周健  赵亚娟 《图书情报工作》2020,64(10):75-85

[目的/意义] 面向当前国内专利审查和专利情报分析工作中对于海量专利分类的客观需求，设计了7种基于深度学习的专利自动分类方法，对比各种方法的分类效果，从而助力专利分类效率和效果的提升。[方法/过程] 针对传统机器学习方法存在的缺陷，基于Word2Vec、CNN、RNN、Attention机制等深度学习技术，考虑专利文本语序特征、上下文特征以及分类关键特征，设计Word2Vec+TextCNN、Word2Vec+GRU、Word2Vec+BiGRU、Word2Vec+BiGRU+TextCNN等7种深度学习模型，以中国专利为例，选取IPC主分类号的"部"作为分类依据，对比这7种模型与3种传统分类模型在中文专利分类任务中的效果。[结果/结论] 实证研究效果显示，采用考虑语序特征、上下文特征及强化关键特征的深度学习方法进行中文专利分类具有更优的分类效果。  相似文献