婵犵數濮烽弫鎼佸磻濞戞娑欐償閵娿儱鐎梺鍏肩ゴ閺呮粌鐣烽弻銉﹀€甸柨婵嗛閺嬫稓绱掗埀顒勫磼濮樿偐鍞甸柣鐘烘〃鐠€锕€危閸涘ǹ浜滈柨鏇楀亾鐎殿喖澧庨幑銏犫攽鐎n亶娼婇梺缁樏璺盒掗幇鐗堚拺闂傚牊绋掗幖鎰箾瀹割喖骞栭柣锝呭槻椤繄鎹勯搹鐟板箰闂備線鈧偛鑻晶浼存煠妤﹁法绨块柕鍥ㄥ姍楠炴帡骞嬮悜鍡橆棨闂傚倷绀侀幖顐λ囬鐐村€舵繝闈涚墕椤ユ岸鏌涢…鎴濇灀婵℃彃鐗撻弻锟犲礃閳哄倸鏆楅梺浼欑秬娴滎剛妲愰幒妤€惟鐟滃酣寮抽埡鍐<閺夊牄鍔嶉ˉ鍫ユ煛娴h宕岄柡浣规崌閺佹捇鏁撻敓锟� [闂傚倸鍊峰ù鍥儍椤愶箑骞㈤柍杞扮劍椤斿嫮绱撻崒姘偓鍝ョ矙閸曨垰绠柨鐕傛嫹 | 闂傚倸鍊烽懗鑸电仚缂備胶绮崝妤冨垝閺冨牊鍊婚柦妯侯槸閻庮參姊虹粙鎸庢拱闁糕晛鍟村鎼佸冀椤撶喓鍘繝鐢靛仜閻忔繈宕濆鑸电厸闁稿本顨呮禍锟�]

    • 基于知识图谱的学科主题演化分析与预测
      • 作者:霍朝光|责编:孙宇
      • 出版社:清华大学
      • ISBN:9787302595236
      • 出版日期:2021/12/01
      • 页数:200
    • 售价:39.2
  • 内容大纲

        学科主题演化分析是对学科主题历史演化路径和演化模式的解析,学科主题预测是对学科主题未来变化情况和变化趋势的预测,基于这两个研究维度,本书在现有大型知识库的基础上融合了文献大数据,以生物医学与生命科学领域PubMed Central全集数据和MeSH知识库为例,构建了动态计量知识图谱,通过知识关联、数据关联的形式,利甩文本表示学习、网络表示学习等深度学习算法,提取学科主题的动态演化特征,基于“无监督深度学习+有监督机器学习”的模式,提升对学科主题演化规律的解析和热度的预测。
  • 作者介绍

        霍朝光,中国人民大学“杰出学者”青年学者,中国人民大学信息资源管理学院长聘助理教授,武汉大学与美国印第安纳大学布鲁明顿分校联合培养博士,中国人民大学数字人文研究中心、信息分析研究中心等兼职研究员。发表SSCI/CSSCI论文30余篇,主持国家自然科学基金项目1项,参与国家自然科学基金重大研究计划重点支持、国际合作等项目3项,主要从事科学预测、图大数据分析与挖掘方面的研究。
  • 目录

    第一章  绪论
      1.1  研究背景与意义
        1.1.1  研究背景
        1.1.2  研究意义
      1.2  国内外研究现状
        1.2.1  主题模型研究
        1.2.2  主题演化研究
        1.2.3  主题预测研究
        1.2.4  知识图谱
        1.2.5  表示学习
        1.2.6  现状述评
      1.3  研究内容与方法
        1.3.1  目标与内容
        1.3.2  研究方法
        1.3.3  研究难点
      1.4  研究贡献
    第二章  理论基础
      2.1  知识进化论
        2.1.1  知识演化
        2.1.2  知识生命周期
      2.2  网络分析理论与方法
        2.2.1  引文网络
        2.2.2  Meta-path
        2.2.3  PageRank
      2.3  深度表示学习模型
        2.3.1  Word2vec模型
        2.3.2  Doc2vec模型
        2.3.3  Node2vec模型
      2.4  时间序列模型
        2.4.1  ARIMA模型
        2.4.2  支持向量机模型
    第三章  知识图谱构建
      3.1  计量知识图谱内涵
        3.1.1  计量知识图谱
        3.1.2  动态计量知识图谱
      3.2  计量实体与关系
        3.2.1  数据下载
        3.2.2  计量实体抽取
        3.2.3  计量实体消歧
        3.2.4  计量实体关系
      3.3  MeSH中的实体与关系
        3.3.1  MeSH知识库
        3.3.2  MeSH解析
      3.4  计量实体与MeSH实体关联
        3.4.1  全文检索Lucene
        3.4.2  基于pylucene的计量实体与MeSH实体关联
      3.5  计量知识图谱时间划分与构建
      3.6  本章小结
    第四章  实体热度计算
      4.1  热度计算

        4.1.1  热度内涵
        4.1.2  基于加权PageRank的热度计算方法
      4.2  论文热度计算
        4.2.1  论文热度内涵
        4.2.2  基于PaperRank的论文热度计算
      4.3  学科主题热度计算
        4.3.1  学科主题热度内涵
        4.3.2  学科主题引证网络构建
        4.3.3  基于TopicRank的学科主题热度计算
      4.4  作者热度计算
        4.4.1  作者热度内涵
        4.4.2  作者引证网络构建
        4.4.3  基于AuthorRank的作者热度计算
      4.5  期刊热度计算
        4.5.1  期刊热度内涵
        4.5.2  期刊引证网络构建
        4.5.3  基于VenueRank的期刊热度计算
      4.6  本章小结
    第五章  学科主题演化分析
      5.1  学科主题演化
      5.2  学科主题分布
        5.2.1  学科主题的总体分布情况
        5.2.2  有副主题限定词的主题分布
        5.2.3  无副主题限定词的主题分布
      5.3  学科主题表示学习
        5.3.1  基于网络结构的学科主题表示学习
        5.3.2  基于文本内容的学科主题表示学习
      5.4  学科主题聚类和演化分析
        5.4.1  聚类方法概述与选取
        5.4.2  基于Jaccard系数的相似度计算方法
        5.4.3  Methods类主题演化规律
        5.4.4  Drug effect类主题演化规律
        5.4.5  Epidemiology类主题演化规律
      5.5  本章小结
    第六章  学科主题热度预测
      6.1  学科主题热度预测
      6.2  学科主题特征选择
        6.2.1  池化模型
        6.2.2  基于Node2vec和池化模型的学科主题特征选择
      6.3  基于SVM的学科主题热度预测
        6.3.1  问题描述
        6.3.2  研究设计
        6.3.3  结果分析
      6.4  基于ARIMA和SVM的学科主题热度预测
        6.4.1  问题描述
        6.4.2  研究设计
        6.4.3  结果分析
      6.5  本章小结
    第七章  总结与展望
      7.1  研究总结

      7.2  研究不足与展望
    附录A  动态计量知识图谱
    附录B  图表目录
    参考文献