非相关文献知识发现方法

本文对非相关文献知识发现方法从产生背景、基本概念、研究历程、知识发现过程进行了简要概述,并着重对非相关文献知识发现方法的研究进展进行了总结,分别对该研究领域的杰出研究人员如Swanson、Z.Chen、Gordon、Lindsay、Cort、Weeber、Padmini Srinivasan、Wren等人的研究成果进行了概述,最后从情报学的学科建设、情报学的应用以及情报工作人员的角度探讨了非相关文献知识发现方法的研究意义。     

非相关文献知识发现的算法模型与探讨

介绍了Swanson基于非相关文献知识发现的原理及国内外学者在此基础上进行的研究与进展情况,重点阐述了多种非相关文献知识发现过程的算法模型,提出了把该原理应用与汉语文献进行非相关文献知识发现的设想,并对算法模型进行了初步探讨。     

非相关文献知识发现研究进展

随着科学技术的高度发展,学科的分化越来越细,学科间交流越来越困难,知识总量与人类吸收能力之间矛盾日益突出。美国芝加哥大学情报学教授Don.R.Swanson创立的情报学知识发现方法及人机交互系统Arrowsmith,是揭示非相关文献及学科间隐藏联系的强有力的工具。本文介绍了Swanson的情报学思想的产生背景、内涵及其开放式和闭合式的知识发现过程,分析了国内外对该方法的研究和发展,指出Swanson方法的实践所面临的困难及挑战。Swanson知识发现方法强大的情报功能和对医学实践的指导意义,使其在未来的科学发展中具有广阔的推广前景。     

基于非相关文献的三阶知识发现方法探讨

在目前非相关文献知识发现的开放式发现模式的基础上作进一步的共现发现,即通过三个文献集的分析能够推导出一种潜在的新关系,这种新关系是通过单独分析一个或两个文献集所无法获得的。通过在激光显示领域的实证研究,发现了一条“从实际需求出发—实现这一应用的技术系统—提高这一系统性能的方法—为该方法提供理论支撑的理论”的潜在关联链条,验证了基于非相关文献的三阶知识发现方法可以以研究目标和具体问题为导向,为研究活动提供服务。图4。表4。参考文献9。     

基于文献内聚度的非相关文献知识发现排序方法研究

在对现有非相关文献知识发现中间集排序方法进行分析的基础上,以共现理论为基础,以主题关联度为着眼点,提出基于文献内聚度加权的B排序方法.并以Swanson的早期发现之一为基础,考察经文献内聚度加权和逆文献频率加权两种方法排序筛选后B的范围以及目标关联词和目标关联对的出现情况,以此作为评价其对B影响的依据.结果表明基于文献内聚度加权法能显著提高B的质量,从而提高发现效率.     

非相关文献知识发现的关键技术研究

本文在对非相关文献知识发现中的关键技术进行界定的基础上,对11个国外主要的非相关文献知识发现研究中所涉及的关键技术,即初始文本集的构建、信息抽取及中间关联词的确定与排序等进行了比较研究,认为B集合质量低是非相关文献知识发现目前存在的主要问题.针对该问题,作者提出以提高B集合的质量为主要目标,从B集合形成的前过程,即初始文本集的质量以及B集合本身的质量,即B词的排序两个方面的改进策略.前者包括初始文本集的合理结构及综合过滤机制,后者包括双向词频法、基于MeSH加权和基于文献内聚力加权.并对部分改进策略进行了试验.     

基于非相关文献的知识发现原理研究

从Swanson最早提出非相关文献的知识发现方法开始到现在,很多研究人员都投入到这个新兴的领域中去,概括起来分为以下几种方法:基于单词的词频统计方法、基于短语的词频统计方法、基于概念的知识发现方法、基于概念的词频统计方法,本文详细介绍了这些方法基本原理,并对其进行了简单的比较分析。     

非相关文献知识发现的理论基础研究

研究发现,非相关文献知识发现有三个理论基础:检索理论、文献计量学理论和逻辑学理论.其中目标性检索策略、共现理论与三段论的逻辑推理是非相关文献知识发现的实际应用理论.目标性检索策略总的原则是缩小范围,提高主题关联度与准确性,这决定了非相关文献知识发现过程中过滤和排序方法的改进方向;而基于三段论逻辑推理的非完全形式化,非相关文献知识发现应改变目前的以完全自动化为目标的研究方向,实现高阶共现框架下的非相关文献知识发现的过滤和排序方法的优化,从而形成人工辅助下的更具实际应用价值的知识发现系统.     

闭合式非相关文献知识发现方法在中文文献中的验证

在基于Swanson的闭合式与开放式知识发现法具体算法过程的基础上,以中国期刊网医药卫生大类的数据为测试集,采用的闭合式和知识发现方法,在中文科技文献中重现了"雷诺氏病和鱼油"、"偏头痛"和"镁缺乏"两对概念的知识发现过程,验证了Swanson的基于非相关文献的知识方法中的闭合式方法在中文文献中同样可行。     

主题词分析法进行非相关文献知识发现的探索(Ⅰ)——模拟Swanson的知识发现过程

非相关文献知识发现是Swanson教授提出的一种情报学方法,用于挖掘隐藏在文献之间的隐秘联系.其知识发现过程包括两部分开放式知识发现过程和闭合式知识发现过程.开发式知识发现过程是形成假设的过程,可表示为A→B→C;闭合式过程是检验假设的过程,可表示为A→B←C.本文以Medline为数据源,以Mesh字段中的主题词为内容分析单元,进行开放式知识发现的实践.文章共分两部分第一部分模拟Swanson的雷诺病和鱼油、偏头痛和镁缺乏的知识发现的例子,分别以雷诺病(raynaud disease)和偏头痛(migraine)为来源主题词(source subject),寻找目标词鱼油和镁缺乏;第二部分是以2型糖尿病(diabetes mellitus,type 2)为来源主题词,进行主题词分析法的医学实践.研究表明,主题词作为内容分析单元在技术上容易实现,是可行的知识挖掘方法.在实践中还需要探索更好的主题词统计量,进行更精确的类别限定,进一步完善该方法在科研领域的应用.     

汉语社会科学文献非相关文献知识发现的实证研究——以农业经济学文献为例

将非相关文献知识发现方法应用于汉语社会科学文献,并具体以1989-2008年间国内核心期刊上发表的农业经济学论文为文献源,实施非相关文献知识发现运算,筛选得到"世界贸易组织"与"原教旨主义"、"马尔萨斯"与"生态学"、"区域农业保险费率"与"地理信息系统"等三对有意义的关联概念.验证结果表明,这些概念间的关联是正确的,可作为农业经济领域的新知识.由此证明,在社会科学领域非相关文献知识发现方法可以为寻找研究方向与研究课题提供新思路.     

非相关文献知识发现初始集过滤方法的试验研究

在对现有非相关文献知识发现的初始集过滤方法进行分析的基础上,提出基于副主题词和基于共现语义群两种过滤方法。以Swanon的早期发现之一为对照进行试验,考察经两种方法过滤后中间集B的范围以及目标关联词和目标关联对的出现情况,以此作为评价其对B影响的依据。结果表明两种过滤方法均可提高B的质量,从而提高发现效率。     

主题词分析法进行非相关文献知识发现的探索(Ⅱ)——对2型糖尿病文献进行知识发现的实践

非相关文献知识发现是Swanson教授提出的一种情报学方法,用于挖掘隐藏在文献之间的隐秘联系.其知识发现过程包括两部分开放式知识发现过程和闭合式知识发现过程.开发式知识发现过程是形成假设的过程,可表示为A→B→C;闭合式过程是检验假设的过程,可表示为A→B←C.本文以Medline为数据源,以Mesh字段中的主题词为内容分析单元,进行开放式知识发现的实践.文章共分两部分第一部分模拟Swanson的雷诺氏病和鱼油、偏头痛和镁缺乏的知识发现的例子,分别以雷诺病(raynaud disease)和偏头痛(migraine)为来源主题词(source subject),寻找目标词鱼油和镁缺乏;第二部分是以2型糖尿病(diabetes mellitus,type 2)为来源主题词,进行主题词分析法的医学实践.研究表明,主题词作为内容分析单元在技术上容易实现,是可行的知识挖掘方法.在实践中还需要探索更好的主题词统计量,进行更精确的类别限定,进一步完善该方法在科研领域的应用.     

基于文献的知识发现

本叙述了基于献的知识发现的涵义、产生背景及其哲学基础。详细介绍了ARROW SMITH系统的操作步骤及其优缺点并从多维视角探讨了基于献的知识发现方法对情报学发展的深远影响。参考献8。     

基于文献的知识发现的应用进展研究

本文在对共词分析、共引分析理论、Swanson理论以及文本挖掘理论应用进展进行系统研究的基础上,将分别基于上述理论的基于相关文献发现、基于非相关文献发现和基于全文献发现统一整合于“基于文献知识发现”之下,构建起完整的基于文献知识发现的方法与应用研究体系,同时分析了其应用前景。     

知识发现研究文献定量分析

知识发现是指借助于计算机技术来揭示隐含在大量数据中的规律或模式的一种方法。以SCIE和SSCI为数据源,以主题词为检索方式,采用定量分析的方法,确定知识发现领域的核心期刊、核心机构、核心作者,并分析知识发现研究主题和高影响力的学术论文。从而分析出国内外知识发现研究现状与趋势。     

文献隐性关联知识发现研究

首次提出并从发现和复现两方面定义了文献间的隐性关联,即原本存在联系,但尚未被发现或出于某种目的,被人为去除、主观隐藏或弱化后的关联.针对上述特点,提出了基于文献的隐性关联知识发现方法以及三种发现模式和发现流程.选取国防领域关于"新型隐身技术"的情报研究实例,设计实验发现了"半导体技术"与"隐身技术"间的关联,复现了"等离子体技术"与"隐身技术"间的关联,提供了"超结晶格子"与"激子"两个备选研究方向,验证了隐性关联知识发现方法的可行性和有效性,并针对实验过程中发现的问题,采取基于NASA叙词表上位概念映射及基于战略坐标的共词聚类方法对发现过程进行改进,提高发现效率,使隐性关联知识发现方法在情报研究实践中更具可操作性.     

基于知识单元间隐含关联的知识发现

面对现代科研环境e-Science,知识合作和新知识发现成为严峻的挑战.本文提出了基于共引知识元间语义关联的隐含知识发现方法.该方法将文献单元分解成知识元,以资源描述框架模式(RDFS)建立由性质P为中心的知识元本体模型,利用知识元间的共引关系挖掘知识元间隐含关联关系,通过隐含关联实现新知识发现.软件试验表明这一方法鼓舞人心.     

基于关联数据的知识聚合与发现研究进展

关联数据极大地推动了网络信息的关联建立,也为知识聚合提供了新的强有力的方法,由此引发从知识聚合到知识发现的拓展,关联数据的运用也迅速成为知识发现的有效途径和方法。文章对基于关联数据在知识聚合和知识发现领域的研究进行认真调研,并对关联数据知识聚合和发现的关系和前景进行分析和探讨。     

基于关联数据的知识发现模型研究

文章在关联数据广泛应用和发展的背景下,通过分析知识发现与关联数据的关系,提出了基于关联数据的知识发现问题;继而分析和明确了基于关联数据的知识发现的潜力和特征;最后,通过将基于知识发现的应用的特殊性与知识发现活动一般规律相结合的研究,分析和构建了基于关联数据的知识发现模型,为相关研究提供基础和参考。