數(shù)據(jù)分析與知識(shí)發(fā)現(xiàn)最新期刊目錄

基于實(shí)體關(guān)系協(xié)同推理的零樣本關(guān)系抽取模型————作者：謝威;夏鴻斌;劉淵;

摘要：[目的]運(yùn)用深度學(xué)習(xí)與對(duì)比學(xué)習(xí)方法解決目前零樣本關(guān)系抽取任務(wù)中完整實(shí)體信息與關(guān)系信息交互不夠充分的問題。[方法]提出了一種基于對(duì)比學(xué)習(xí)的聯(lián)合實(shí)體關(guān)系信息的零樣本關(guān)系抽取模型(JCL)。首先，使用數(shù)據(jù)增強(qiáng)技術(shù)對(duì)原始的輸入文本進(jìn)行處理，增加模型得到的有效信息。其次，通過增強(qiáng)交叉注意力模塊將實(shí)體對(duì)深度融合與關(guān)系聯(lián)合處理，提取實(shí)體與實(shí)體間的交互信息和實(shí)體與關(guān)系語義間的交互信息，放大不同關(guān)系在嵌入空間內(nèi)的細(xì)...

跨學(xué)科術(shù)語語義差異現(xiàn)象研究————作者：姚元璋;徐健;

摘要：[目的]分析跨學(xué)科領(lǐng)域的術(shù)語詞在不同學(xué)科間存在的語義差異現(xiàn)象，挖掘語義差異現(xiàn)象的原因。[方法]使用預(yù)訓(xùn)練深度學(xué)習(xí)模型實(shí)現(xiàn)自動(dòng)化地識(shí)別和量化術(shù)語的語義差異，設(shè)計(jì)構(gòu)建語義差異程度指標(biāo)定量衡量語義差異程度，并對(duì)術(shù)語所涉及學(xué)科進(jìn)行共現(xiàn)分析。[結(jié)果]基于預(yù)訓(xùn)練模型的語義差異現(xiàn)象識(shí)別準(zhǔn)確率達(dá)到0.8193，所構(gòu)建度量指標(biāo)能夠?qū)φZ義差異進(jìn)行有效量化。[局限]研究局限于中文術(shù)語的語義差異，選取術(shù)語學(xué)科跨度范圍有限...

基于交互式語義增強(qiáng)的中文文檔級(jí)事件抽取模型研究————作者：張雙寶;成全;曾艷;

摘要：[目的]為充分挖掘中文文檔之間的語義關(guān)聯(lián)信息，實(shí)現(xiàn)基于交互式語義增強(qiáng)的文檔級(jí)事件抽取效果的提升。[方法]本研究提出了一種交互式語義增強(qiáng)的中文文檔級(jí)事件抽取模型CSDEE，利用注意力機(jī)制構(gòu)建跨文檔的交互式語義網(wǎng)絡(luò)，增強(qiáng)實(shí)體識(shí)別性能，再經(jīng)由文檔編碼與事件抽取信息解碼完成事件抽取任務(wù)。[結(jié)果]實(shí)驗(yàn)結(jié)果表明，CSDEE模型在事件抽取的精確率、召回率和F1值上分別達(dá)到80.7%、84.1%和82.3%，優(yōu)于...

面向美國國會(huì)聽證會(huì)的中國科技安全風(fēng)險(xiǎn)智能化識(shí)別——基于大語言模型等技術(shù)————作者：鄧航宇;唐川;蒲云強(qiáng);敖麗娟;王婉婧;

摘要：[目的]針對(duì)美國國會(huì)聽證會(huì)文本數(shù)量大、涉及范圍廣、口語化表達(dá)多等特點(diǎn)，本文提出一個(gè)智能化識(shí)別中國科技安全風(fēng)險(xiǎn)的方法流程。[方法]本研究從聽證會(huì)數(shù)據(jù)特征與情報(bào)分析人員實(shí)際需求出發(fā)，利用大語言模型等技術(shù)實(shí)現(xiàn)文本過濾、摘要生成以及智能問答等模塊并將其有機(jī)結(jié)合在一起，從而達(dá)成高質(zhì)量的智能化識(shí)別。[結(jié)果]本研究以第118屆國會(huì)聽證會(huì)文本為對(duì)象驗(yàn)證關(guān)鍵模塊的有效性。文本過濾的F1值、摘要生成的ROUGE-Ls...

基于大語言模型的政策知識(shí)庫構(gòu)建與政策比較研究——以惠企政策為例————作者：段永康;趙廣宇;耿騫;曹涵維;靳健;

摘要：[目的]現(xiàn)有政策分析方法依賴大量人工標(biāo)注和對(duì)齊比較，導(dǎo)致效率低下且易出錯(cuò)。本研究旨在通過構(gòu)建結(jié)構(gòu)化政策知識(shí)庫，提升政策信息檢索效率，實(shí)現(xiàn)政策智能分析與對(duì)比，為政策制定提供精準(zhǔn)決策支持。[方法]本研究以惠企政策為例，提出了一種基于大語言模型的框架，用于高效比較相關(guān)政策。該框架包括以下步驟：1）知識(shí)庫構(gòu)建；2）檢索與存儲(chǔ)；3）答案生成。[結(jié)果]通過對(duì)國家、北京、上海、深圳四地惠企政策數(shù)據(jù)集驗(yàn)證，本文提...

基于重疊社區(qū)的謠言抑制最大化研究————作者：徐夢(mèng)瑤;孫斌;江濤;崔家豪;

摘要：[目的]針對(duì)謠言抑制中對(duì)節(jié)點(diǎn)位置與社區(qū)重疊特性考慮不足的問題，提出一種謠言抑制框架RSM-OC。[方法]該框架創(chuàng)新地提出使用信任中心值來精準(zhǔn)識(shí)別關(guān)鍵節(jié)點(diǎn)，結(jié)合重疊節(jié)點(diǎn)構(gòu)成候選種子集，最后利用遺傳算法優(yōu)化正種子節(jié)點(diǎn)集，并采用單向狀態(tài)轉(zhuǎn)換的線性閾值模型模擬謠言與真相的博弈。[結(jié)果]在四個(gè)真實(shí)數(shù)據(jù)集上的實(shí)驗(yàn)顯示，RSM-OC方法相較于基線算法的謠言抑制率平均提升23.3%，真相傳播范圍平均擴(kuò)大兩倍，特別...

考慮樣本語義特征與類簇結(jié)構(gòu)特征的IDCCM文本深度聚類方法研究————作者：李婕;張智雄;

摘要：[目的]深度綜合關(guān)聯(lián)挖掘圖像聚類方法DCCM局限于基于樣本語義特征進(jìn)行聚類，無法充分利用類簇結(jié)構(gòu)特征中蘊(yùn)含的具有高判別性的類間結(jié)構(gòu)關(guān)系，制約了DCCM聚類性能的進(jìn)一步提升。 [方法]本文提出融合類簇結(jié)構(gòu)特征的改進(jìn)模型Improved-DCCM。首先，以DCCM作為基礎(chǔ)聚類模型，引入基于高斯分布的文本數(shù)據(jù)增強(qiáng)策略，繼承DCCM的樣本語義特征挖掘能力。在此基礎(chǔ)上，通過樣本變量與類簇變量之間的互信息損...

生成式AI對(duì)話中的提示詞策略有效性探究————作者：周潔;王東毅;代沁泉;夏蘇迪;

摘要：[目的]本研究旨在探索普適的生成式AI有效提示詞策略，以提升用戶的交互技能和優(yōu)化使用體驗(yàn)。[方法]采用Q方法，邀請(qǐng)用戶根據(jù)其在通用場(chǎng)景、跨任務(wù)及跨模型的生成式AI使用經(jīng)驗(yàn)，對(duì)不同提示詞策略的有效性進(jìn)行排序，從而識(shí)別出具有普適性的有效提示詞策略類型。[結(jié)果]研究發(fā)現(xiàn)，最有效的提示詞策略包括明確問題、明確目標(biāo)和提供背景信息。普適性有效提示詞策略可分為三類：明確需求與精確指引型、清晰解釋與邏輯排序型、拆...

基于可解釋自適應(yīng)加權(quán)Stacking集成學(xué)習(xí)的電影IP衍生品開發(fā)效果預(yù)測(cè)————作者：倪淵;李翔宇;張健;董飛星;

摘要：[目的]構(gòu)建可解釋集成學(xué)習(xí)模型，為預(yù)測(cè)電影IP衍生品的開發(fā)效果提供新的決策方式。 [方法]基于價(jià)值鏈理論解析電影IP衍生品開發(fā)過程，構(gòu)建預(yù)測(cè)指標(biāo)體系。基于KLLB模型對(duì)影響因素進(jìn)行提取篩選、構(gòu)建預(yù)測(cè)標(biāo)簽。提出基于AWStacking的開發(fā)效果預(yù)測(cè)模型。 [結(jié)果]以XGBoost、CatBoost、RF為基學(xué)習(xí)器，LR為元學(xué)習(xí)器的AWStacking算法預(yù)測(cè)效果最好，宏平均精確率為0.8699，...

基于多源數(shù)據(jù)間主題時(shí)序擴(kuò)散網(wǎng)絡(luò)的研究前沿探測(cè)方法研究————作者：李廣;吳新年;寧寶英;

摘要：[目的] 設(shè)計(jì)基于多源數(shù)據(jù)間主題時(shí)序擴(kuò)散網(wǎng)絡(luò)模型，進(jìn)行動(dòng)態(tài)計(jì)量數(shù)據(jù)源權(quán)重的研究前沿探測(cè)。 [方法] 通過分析前沿主題的時(shí)間、擴(kuò)散和網(wǎng)絡(luò)特征，提出基于主題時(shí)序擴(kuò)散網(wǎng)絡(luò)的研究前沿探測(cè)方法體系、指標(biāo)體系和立體判別坐標(biāo)圖，最后在人工智能領(lǐng)域進(jìn)行實(shí)證分析。 [結(jié)果] 動(dòng)態(tài)計(jì)量出多源數(shù)據(jù)權(quán)重（戰(zhàn)略規(guī)劃0.301、科技報(bào)告0.234、基金項(xiàng)目0.124、專利文獻(xiàn)0.122、會(huì)議論文0.113、期刊論文0.105...

基于時(shí)空?qǐng)D結(jié)構(gòu)學(xué)習(xí)與路線特征增強(qiáng)的行程時(shí)間預(yù)測(cè)研究————作者：潘曉;董慧;陳曉;

摘要：[目的]針對(duì)目前多任務(wù)行程時(shí)間預(yù)測(cè)研究中，存在的刻畫路段波及效應(yīng)影響范圍的靈活性不足，以及在標(biāo)注數(shù)據(jù)受限情況下模型學(xué)習(xí)能力較差的問題，提出一種基于時(shí)空?qǐng)D結(jié)構(gòu)學(xué)習(xí)與路線特征增強(qiáng)的行程時(shí)間預(yù)測(cè)方法。[方法]該方法首先利用自適應(yīng)機(jī)制初始化基礎(chǔ)的時(shí)空?qǐng)D結(jié)構(gòu)，并構(gòu)建基于Encoder-only的學(xué)習(xí)組件，靈活且深入地捕捉全域路網(wǎng)范圍內(nèi)路段間的時(shí)空交互依賴關(guān)系，從而生成高質(zhì)量的波及效應(yīng)時(shí)空?qǐng)D及相應(yīng)的時(shí)空特征表...

基于Rank一致性與假設(shè)檢驗(yàn)方法的專利語義相似度測(cè)度效果評(píng)價(jià)方法及其應(yīng)用————作者：周健;呂璐成;李佳政;趙亞娟;

摘要：【目的】構(gòu)建專利語義相似度測(cè)度效果量化評(píng)價(jià)方法，實(shí)現(xiàn)多種專利語義相似度測(cè)度方法的客觀評(píng)價(jià)。【方法】基于同一分類層級(jí)下專利語義相似度更高的思想，兼顧時(shí)間與技術(shù)領(lǐng)域因素自動(dòng)構(gòu)造測(cè)度效果評(píng)價(jià)數(shù)據(jù)集，設(shè)計(jì)Rank一致性指標(biāo)指標(biāo)和假設(shè)檢驗(yàn)方法來構(gòu)建針對(duì)不同向量化模型的專利語義相似度測(cè)度效果評(píng)價(jià)方法，并構(gòu)建中文和英文專利數(shù)據(jù)集進(jìn)行評(píng)價(jià)方法的實(shí)證。【結(jié)果】本文選擇基于L1距離的Rank一致性指標(biāo)與U檢驗(yàn)進(jìn)行了實(shí)...

基于RF-ISSA-SVM和SHAP的疾病誘因可解釋性模型—以肥胖癥為例————作者：馬捷;孫文晶;郝志遠(yuǎn);

摘要：[目的]本研究旨在構(gòu)建具有可解釋性的高質(zhì)量疾病預(yù)測(cè)模型，通過識(shí)別影響疾病形成的關(guān)鍵誘因，并進(jìn)一步分析誘因?qū)τ诩膊〉淖饔梅绞剑瑥亩鵀檩o助診斷和精準(zhǔn)醫(yī)療賦能助力。 [方法]以肥胖癥為研究對(duì)象，首先，利用隨機(jī)森林模型在疾病數(shù)據(jù)的多維特征中篩選出最具代表性的特征子集；其次，通過構(gòu)建增強(qiáng)型麻雀搜索算法實(shí)現(xiàn)支持向量機(jī)核參數(shù)與懲罰系數(shù)的自適應(yīng)獲取；然后，同步應(yīng)用優(yōu)化后的支持向量機(jī)模型對(duì)數(shù)據(jù)樣本進(jìn)行預(yù)測(cè)分析，并...

科學(xué)數(shù)據(jù)推薦研究綜述————作者：張博睿;楊寧;張?chǎng)?文奕;

摘要：[目的]總結(jié)國內(nèi)外科學(xué)數(shù)據(jù)推薦的研究現(xiàn)狀，為促進(jìn)科學(xué)數(shù)據(jù)共享研究提供理論基礎(chǔ)。 [文獻(xiàn)范圍]在CNKI、WOS、Google Scholar中使用“科學(xué)數(shù)據(jù)推薦”、“科學(xué)數(shù)據(jù)集推薦”、“Scientific data recommendation”、“Scientific dataset recommendation”等關(guān)鍵詞進(jìn)行檢索，并結(jié)合主題篩選和追溯法，篩選出71篇代表性文獻(xiàn)。 [方法]基于...

專利策略視角下基于深度學(xué)習(xí)的專利商業(yè)化潛力預(yù)測(cè)方法研究————作者：向姝璇;毛進(jìn);李綱;

摘要：[目的]就現(xiàn)有方法替代指標(biāo)選取、特征體系構(gòu)建、模型結(jié)構(gòu)設(shè)計(jì)上對(duì)專利商業(yè)化潛力與專利策略關(guān)聯(lián)利用不足的問題提出一個(gè)新的專利商業(yè)化潛力預(yù)測(cè)方法。[方法]將專利實(shí)際維持時(shí)間是否超過設(shè)定閾值作為判斷商業(yè)化潛力的標(biāo)準(zhǔn)，提出由特征處理模塊與多任務(wù)并行預(yù)測(cè)模塊構(gòu)成的LSTM+MTNN模型。特征處理模塊拼接數(shù)值特征與Bert+SimCSE及LSTM模型生成的文本連續(xù)特征形成多任務(wù)并行預(yù)測(cè)模塊的輸入。多任務(wù)并行（M...

多維細(xì)粒度政策知識(shí)圖譜構(gòu)建方法————作者：趙雅潔;馮凌子;袁軍鵬;王立學(xué);

摘要：[目的]政策蘊(yùn)含豐富的信息資源，加強(qiáng)政策知識(shí)圖譜頂層設(shè)計(jì)，構(gòu)建適配領(lǐng)域特性的通用政策知識(shí)圖譜，可將碎片化政策信息進(jìn)行高效融合、共享和利用。[方法]運(yùn)用解構(gòu)主義觀點(diǎn)，融合對(duì)齊多理論與政策要素定位，實(shí)現(xiàn)多維度政策知識(shí)表示，形成模式層；結(jié)合網(wǎng)絡(luò)獲取、索引匹配、全文解析、實(shí)體識(shí)別與文本分類模型，設(shè)計(jì)細(xì)粒度知識(shí)要素抽取方法，獲取數(shù)據(jù)層；利用Neo4j圖數(shù)據(jù)庫實(shí)現(xiàn)知識(shí)存儲(chǔ)，可視化形成知識(shí)圖譜。[結(jié)果]最終構(gòu)建...

關(guān)鍵核心技術(shù)識(shí)別的研究進(jìn)展————作者：仵軒;李廣建;潘佳立;

摘要：【目的】對(duì)關(guān)鍵核心技術(shù)識(shí)別相關(guān)成果進(jìn)行系統(tǒng)綜述，厘清其研究重點(diǎn)與發(fā)展脈絡(luò)，以期為后續(xù)研究提供參考。【文獻(xiàn)范圍】基于關(guān)鍵核心技術(shù)的系統(tǒng)分析制定檢索式，在Web of Science和CNKI數(shù)據(jù)庫中進(jìn)行文獻(xiàn)檢索，獲取661篇論文進(jìn)行定量分析，經(jīng)人工篩選得到60篇代表性文獻(xiàn)進(jìn)行綜述。【方法】首先，歸納關(guān)鍵核心技術(shù)的概念特點(diǎn)及檢索策略以明晰綜述范圍；其次，分析關(guān)鍵核心技術(shù)的特征體系及識(shí)別標(biāo)準(zhǔn)以厘清研究思...

用于隱私政策合規(guī)性分析的知識(shí)融入提示學(xué)習(xí)方法————作者：李非燕;曹詩權(quán);蘇宇;

摘要：【目的】在數(shù)字化轉(zhuǎn)型和移動(dòng)互聯(lián)網(wǎng)快速發(fā)展的背景下，隱私政策合規(guī)性分析已成為關(guān)鍵議題。以往的自動(dòng)化分析方法主要關(guān)注隱私政策的完整性，忽略了分析隱私政策的一致性。同時(shí)，這些方法需要大量的標(biāo)注樣本，限制了其使用場(chǎng)景。本文致力于提出一種兼顧完整性和一致性、且不需要標(biāo)注樣本的自動(dòng)化隱私政策合規(guī)性分析方法。【方法】首先，根據(jù)《個(gè)人信息保護(hù)法》等相關(guān)法規(guī)標(biāo)準(zhǔn)，從完整性和一致性兩個(gè)角度構(gòu)建了隱私政策合規(guī)性評(píng)價(jià)體系...

融合時(shí)態(tài)信息和圖結(jié)構(gòu)動(dòng)態(tài)演化的知識(shí)圖譜補(bǔ)全模型研究————作者：張強(qiáng);高穎;任豆豆;馬志遠(yuǎn);周洪;陶皖;

摘要：[目的]知識(shí)圖譜內(nèi)蘊(yùn)含海量的元組數(shù)據(jù)，且蘊(yùn)含時(shí)態(tài)信息的知識(shí)圖譜可將隨時(shí)間變化的事實(shí)進(jìn)行有效保留及使用。探究時(shí)態(tài)知識(shí)圖譜補(bǔ)全任務(wù)對(duì)圖譜內(nèi)動(dòng)態(tài)數(shù)據(jù)的完備性及其下游應(yīng)用的發(fā)展有著重要意義。[方法]針對(duì)當(dāng)前多數(shù)方法將時(shí)態(tài)知識(shí)圖譜視為離散數(shù)據(jù)，無法準(zhǔn)確反應(yīng)事物與時(shí)間信息的關(guān)系，忽略了局部圖結(jié)構(gòu)演化與形成過程，以及全局圖結(jié)構(gòu)演化所代表的圖譜連續(xù)形成模式。本文設(shè)計(jì)了如下流程：針對(duì)局部結(jié)構(gòu)捕獲，提出基于表示強(qiáng)化的...

基于集成學(xué)習(xí)與半監(jiān)督學(xué)習(xí)的突發(fā)事件識(shí)別研究————作者：田甜俊子;朱學(xué)芳;

摘要：[目的]緩解應(yīng)急管理中高領(lǐng)域適配性標(biāo)注數(shù)據(jù)稀缺的現(xiàn)狀，提高事件識(shí)別效果。[方法]研究基于集成學(xué)習(xí)與半監(jiān)督學(xué)習(xí)提出一個(gè)持續(xù)自動(dòng)標(biāo)注學(xué)習(xí)機(jī)制，并結(jié)合實(shí)體識(shí)別、共現(xiàn)網(wǎng)絡(luò)分析、情感分析等技術(shù)實(shí)現(xiàn)一個(gè)突發(fā)事件識(shí)別系統(tǒng)。[結(jié)果]持續(xù)自動(dòng)標(biāo)注學(xué)習(xí)機(jī)制能夠使用全量數(shù)據(jù)的20%～35%達(dá)到與全量數(shù)據(jù)相當(dāng)甚至更好的識(shí)別效果。[局限]當(dāng)前研究收集的數(shù)據(jù)來源于中國新聞網(wǎng)單一網(wǎng)站，且注重對(duì)已有情報(bào)的挖掘，在豐富數(shù)據(jù)來源、應(yīng)...

　　數(shù)據(jù)分析與知識(shí)發(fā)現(xiàn)來自網(wǎng)友的投稿評(píng)論：

• zhaohhhh

  2022年的第二篇C，解決了畢業(yè)資格，未來還要更加努力吖~ 論文第一版先后投稿《情報(bào)理論與實(shí)踐》、《情報(bào)科學(xué)》，均2周左右退稿，沒有任何意見。和導(dǎo)師商量討論后，對(duì)論文進(jìn)行了全面修改（改了一個(gè)寒假，由于疫情一直在家，所以大概改了2個(gè)月左右（含春節(jié)），效率比較低），最終有了第二版（目前的錄用版本）。2022年3月7日，將修改好的第二版論文直接投稿《數(shù)據(jù)分析與知識(shí)發(fā)現(xiàn)》，期刊審稿規(guī)范、不拖稿，中間退修了一次，于2022年4月21日收到錄用通知（歷時(shí)45天），最終版面費(fèi)2000元。這個(gè)期刊真的很贊，編輯部的小姐姐很友善溫和~是繼《科學(xué)學(xué)與科學(xué)技術(shù)管理》期刊之后的又一推薦期刊，研友們加油哦~

  2024-07-22 22:06
• 奔跑的辣椒醬

  從2019.4月開始投稿 各種不同期刊的嘗試 中國管理科學(xué)，管理科學(xué)學(xué)報(bào)，系統(tǒng)工程理論與實(shí)踐，軟科學(xué)等等，先后被拒9次吧差不多。東北地區(qū)某985 小碩一枚，也是平生第一次正規(guī)寫小論文，各種磕磕絆絆吧，最后還好2019年11月份投《數(shù)據(jù)分析與知識(shí)發(fā)現(xiàn)》到2020.2.18收到了錄用通知，還是挺開心的，開啟了學(xué)術(shù)生涯第一站。該刊和中國管理科學(xué)一樣都屬于C刊（非通常所說CSSCI，此處的C為學(xué)校自定期刊的等級(jí)，管理世界為B級(jí)），

  2024-07-19 12:49
• 奔跑的辣椒醬

  2個(gè)月錄用，速度快，官網(wǎng)各種信息很詳細(xì)，期刊編輯校對(duì)很認(rèn)真。

  2024-01-27 11:00
• zhaohhhh

  學(xué)友們！請(qǐng)問復(fù)審超期了是怎么回事呢？嗚嗚是不是寫的太爛了編輯反饋困難

  2023-10-25 22:37
• zhaohhhh

  圖情學(xué)科中科院系統(tǒng)兩大C刊之一，國內(nèi)首家實(shí)行支撐數(shù)據(jù)提交的社科期刊，論文質(zhì)量較高，圖情C刊中中等偏上，雖然是圖情類期刊，但整體偏技術(shù)，本身也是CCF3類和CSCD擴(kuò)，所以自科領(lǐng)域的應(yīng)用類文章較多；審稿節(jié)奏非常緊湊，一般投稿2-3周就會(huì)進(jìn)入退修環(huán)節(jié)，可能有多次修改，一般能進(jìn)終審錄用的可能性就比較大了，順利的話兩個(gè)月左右錄用；固定版面費(fèi)2000，在情報(bào)學(xué)C刊中很劃算，審稿過程規(guī)范，編輯素質(zhì)很高，問題處理及時(shí)，電話有問必答，總體來說是非常高質(zhì)量的一本期刊。

  2023-07-11 20:49

提交