情报学论文创新性评价研究——LDA和SVM融合方法的应用

[目的/意义]主题创新是学术论文创新最本质的特征之一。基于主题演化视角对情报学论文的创新性进行分析,以期提供动态评价的新思路。[研究设计/方法]选取情报学领域11种CSSCI期刊近20年的论文作为样本,结合LDA主题模型与SVM分类算法,对摘要进行潜在主题识别,并判断论文创新性。最后,采用统计方法验证评价结果的准确性。[结论/发现]应用的学术论文创新性评价方法能够有效识别情报学领域不同时期具有创新价值的论文,可以为学者的科研选题、论文主题创新性评价以及期刊的论文评审提供参考。[创新/价值]拓展融合LDA与SVM的创新性评价方法的应用领域,丰富基于内容的科研论文创新性评价体系。     

面向信息资源管理领域的学术创新特征分析

[目的/意义]从词粒度对信息资源管理领域学术创新进行更细致的分析,揭示领域学术创新性特征,为辅助学术论文创新识别研究提供帮助,同时也为领域学术创新的评估和预测提供依据。[方法/过程]选取爱思唯尔旗下被SSCI收录的信息资源管理领域的8本学术期刊在近10年期间正式出版的5 020篇中的2 969篇学术论文的12 612条研究亮点作为研究样本,采用深度学习和依存句法分析方法,从句子级创新识别出发,基于定量统计与对比分析的方法总结归纳创新句谓语词汇和宾语词汇的演化、分布和使用规律,进而揭示领域学术创新性特征。[结果/结论]随着时间的推移,信息资源管理领域中关于创造、发现或感知新事物的原始创新越来越困难,而表征改进、应用或评估现有事物的二次创新越来越多。此外,关于理论方面的创新研究不多且推动困难,相较而言,在信息资源管理领域,学者对具体应用方面的创新研究成果较多。最后,总体创造性的下降并不排除个别高度原创性的工作,且学术创新词汇的使用与期刊影响因子的高低和论文引文的大小有一定的相关性。     

中外情报学论文创新性特征研究

[目的/意义] 综合运用定性与定量相结合的方法对近年中外情报学论文的创新性进行分析和对比，揭示情报学领域研究的创新性特征，发现领域学术论文中创新句内部的知识关系，进行更细粒度的论文创新性分析，为研究领域创新点深层次利用提供条件，同时丰富科技论文创新性监测的途径，促进科学研究创新。[方法/过程] 从句子级创新性识别出发，选取中英文各两种情报学期刊作为样本，采用信息抽取和机器学习的方法，将创新句的抽取从现有的摘要扩展到全文，充分利用句子结构和句法特征识别领域创新内容，探讨近年中外情报学论文在创新对象、主题、类别等方面的特征，并做对比分析，最后通过对自动分类的论文集合进行定性的内容分析，总结归纳出中外情报学论文创新的表达范式。[结果/结论] 从创新的表达来看，中外情报学论文创新句的分布情况基本一致，英文期刊论文创新的表达更丰富。从创新性特征来看，英文情报学期刊论文创新主题较集中，而中文主题多样和分散；具体方法的创新是近年情报学领域的创新热点，而在研究方法上创新不足；中英文情报学期刊论文的创新性特点都反映了应用研究、实证研究的成果较多，而理论创新推动缓慢的趋势。     

基于知识元的学术论文内容创新性智能化评价研究

[目的/意义] 创新性是对学术论文质量最基本的要求，是学术论文的灵魂，是学术论文评价的核心。知识元是学术论文基本组成单元。基于知识元理论和机器学习相关理论与算法，从学术论文内容层面研究计算机如何智能化地进行创新性评价及其实现过程与方法。[方法/过程] 首先，构建学术论文的研究问题、理论、方法、结论4个知识元本体，接着提出基于知识元的学术论文创新性判断模型。其次，根据学术论文研究特点，构建理论与方法机器分类模型及知识元的抽取规则与抽取方法，建立规则库和知识语料库。最后，基于语义相似度计算方法，根据判断规则和相关权重对学术论文4个维度的创新性进行评分。[结果/结论] 基于知识元抽取的学术论文创新性评分系统的实证结果表明，该智能化评价方法具有一定的可行性，可为学术论文内容创新性智能化评价系统的最终实现提供方法借鉴。     

学术论文中问题与方法识别及其关系抽取研究综述

[目的/意义]问题和方法是学术论文的重要组成部分。将散落在学术论文中的问题与方法进行有效组织,例如问题与方法识别及其之间的关系抽取,可挖掘学术论文中的隐性知识,促进学科的方法体系和问题体系构建。对学术论文中问题与方法识别及其关系抽取的相关研究工作的梳理,有助于把握该研究的发展趋势、发现该研究中存在的不足,并为未来的工作提供借鉴和指导。[方法/过程]在学术论文的问题和方法的挖掘方面,现有研究围绕4个研究点展开,分别是问题与方法及其关系定义、问题与方法及其关系标注数据集构建、问题与方法识别及其关系抽取的模型设计以及问题与方法及其关系的应用。本文分别对这4个研究点进行梳理,归纳总结现有学术论文中问题和方法知识挖掘的现状。[结果/结论]分析发现,在问题与方法的相关定义中,较少结合科学哲学中的问题学等理论进行定义;在问题与方法数据集构建中,存在数据集重复标注的现象,另外,开源数据集集中在自然科学领域且一般为英语语料,中文开源语料稀缺;在问题与方法识别及其关系抽取中,现有抽取模型性能较低;有关问题和方法的研究不应止步于词语识别和关系抽取,需对挖掘出的知识进行深入分析和应用。     

引文分析视角下的中国古诗词用典问题初探

[目的/意义] 基于引文分析视角对中国古诗词用典问题进行理论分析和实证研究,致力于促进传统人文研究范式向当前大数据时代基于数据驱动的量化研究范式的转变与拓展,推动中国古诗词用典研究与文献计量学方法的交叉融合与创新性发展。[方法/过程] 首先通过对中国古诗词用典行为(现象)与学术论文引用行为(现象)之间异同点的比较对照,对古诗词用典现象的产生与发展、用典动机与用典行为、用典关系与用典网络等进行理论分析;其次,选用《全宋词》和《全宋词典故辞典》等语料,从施典维度和典源维度对宋词用典开展量化实证研究。[结果/结论] 中国古诗词用典现象历史悠久,研究议题丰富,现阶段亟需研究范式的创新和转变。通过理论分析和实证结果可以看出,引文分析法有助于在较大规模古诗词语料上开展更深入的探索。目前研究存在的最大困难在于典故自动识别和提取。未来需加强与NLP技术的密切结合,致力在典故识别提取、用典动机与用典行为分类、用典网络与典故知识图谱构建等问题上提出更有效的自动化解决方案和量化分析策略,以有力促进传统人文研究范式由理论阐释到实证解读、由主观判断到客观揭示、由定性分析到定量分析的转变,并在更多数字人文研究议题上产生出具有创新性的成果。     

面向摘要结构功能划分的模型性能比较研究

[目的/意义]摘要作为学术论文中能够简明扼要地说明研究目的、研究方法和最终结论的陈述部分,具有较高的探究价值和意义。[方法/过程]选取长短期记忆网络（Long Short-Term Memory）、支持向量机（Support Vector Machine）、LSTM-CRF和CNN-CRF 4种模型,对3 672篇情报学领域的期刊论文进行摘要划分识别研究。[结果/结论]长短期记忆网络模型识别F值最高为69.15%,LSTM-CRF神经网络模型最高F值为88.76%,RNN-CRF模型最高F值达到89.10%,支持向量机分类器分类宏观F值最高为72.04%。该实验结果对图书情报领域的学术论文结构功能划分实验模型选取有较高的参考价值。     

科学计量学视角下学术论文临床影响力的识别与预测研究综述

[目的/意义]梳理运用科学计量学方法识别与预测学术论文临床影响力的相关文献,以期为推进科学研究临床影响力评价提供借鉴。[方法/过程]通过查阅国内外文献,界定学术论文的临床影响力评价相关概念,明确临床影响力评价问题的学科属性,并阐述学术论文临床影响力评价的动因。在此基础上,分别对临床影响力的量化特征、识别与预测方法进行细致梳理,并列举了获取“跨界引文”数据的工具。[结果/结论 ]在科学计量学视角下识别与预测论文临床影响力方面,已经取得了较为丰富的成果。未来,需要多学科、跨团队专家进行深入的理论探索;加快论文临床影响力评价的数据基础设施建设;推进学术论文临床影响力评价与大语言模型的深度结合,开创学术论文多维度影响力智能化检索与评价的新篇章。     

我国学术论文研究问题探析——基于2015-2020年图情领域CSSCI发表论文的实证研究

[目的/意义] 学术论文始于问题,探讨学术论文的研究问题,为揭示学术论文的核心内容,实现基于问题的学术论文知识发现提供参考。[方法/过程] 以2015-2020年间图书情报领域CSSCI期刊发表论文为数据源,随机抽取1 000篇论文为样本,利用内容分析法对题录信息进行统计,分析学术论文的研究问题类型、结构,归纳学术论文类型与其包含研究问题类型和数量关系,以及一篇学术论文多个研究问题的关系与结构形态。[结果/结论] 研究发现,不同类型的学术论文包含的研究问题在类型和数量上具有一定的规律性;一篇学术论文通常包含一个以上的研究问题,研究问题个数与问题导向个数具有相关性;一篇学术论文内部研究问题间具有因果、递进等关系,呈现线性、树状、网状的结构形态。     

基于主题关联的知识演化路径识别研究——以3D打印领域为例

[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。     

作为规则的推荐算法：演进与法律治理

[目的/意义]为人工智能技术应用进行立法已经成为世界趋势,探讨算法规则化有助于深入研究如何实现算法服务应用分级分类监管的更为细化的目标。[研究设计/方法]在文献调研和比较分析的基础上,结合政治经济学理论、政治学理论等多学科思维,多角度分析算法规则化的内涵、现实意义、理论基础和实施路径。[结论/发现]从数字经济的生产方式角度看,算法主要服务于市场要素流动,根据市场和社会功能的不同类型可以分为生产性和辅助性两类,后者更加接近于某种公共基础设施。伴随平台生态的复杂化和平台主体责任不断深化,算法的规则化需求逐渐出现,并因功能与服务领域而异。算法成为规则的程度还取决于监管部门和平台企业（特别是大型平台）所处的发包治理结构。[创新/价值]将算法看成是数字经济生产方式的一部分,其意义在于更加自动化地推动市场要素的生产和流动,并维护相关市场中的交易秩序;研究视角有助于推进对中国算法监管的理解。     

增强现实抬头显示器视觉解释类型对自动驾驶系统用户接受度的影响

[目的/意义]人工智能的技术突破加速了自动驾驶系统的发展进程,使得自动驾驶和相关行业迎来了新一轮的发展机遇。增强现实抬头显示器（AR-HUD）是目前自动驾驶领域最具应用前景的人智交互界面之一。探索不同环境可见度条件下采用何种AR-HUD视觉解释类型能够提高用户对自动驾驶系统的接受度,有助于提高自动驾驶系统决策的透明性,推动可解释的人工智能（Explainable AI）的发展。[研究设计/方法]受控实验采取3（视觉解释类型：图标/文本/无）×2（环境可见度:高/低）组内设计,61名参与者在6种不同的模拟驾驶场景中与AR-HUD交互,用量表度量驾驶中人智交互的用户体验,包括用户对自动驾驶系统的感知、态度及意愿。[结论/发现] AR-HUD的视觉解释类型显著影响用户对自动驾驶系统的接受度,图标解释效果显著优于文本解释和无解释;然而,环境可见度不存在显著的调节作用。[创新/价值]结合仿真模拟软件和实体模型创建了逼真的驾驶场景,通过受控实验精准度量人智交互的用户体验,为通过AR-HUD设计打开自动驾驶“黑匣子”提供了实证依据,并为度量人智交互的用户体验提供了方法支持。     

文献颠覆性创新测度——权重颠覆性指数

[目的/意义]为解决传统颠覆性指数计算过程中不考虑焦点文献的参考文献数量的问题,提出权重颠覆性指数（权重D指数）,有助于更加合理有效地评估文献的创新性。[方法/过程]提出一种针对焦点文献的参考文献数量的调整方法——权重颠覆性指数,以1950—2023年获得化学诺奖及其对照组的论文为数据来源,一方面,从合理性与有效性两方面对比颠覆性指数与权重D指数;另一方面,针对一篇焦点文献的参考文献被其引证文献多次引用的情况,具体分析焦点文献的创新性、焦点文献的影响力、焦点文献的参考文献的影响力与焦点文献的参考文献收到引用数量的相关性。[结果/结论 ]权重D指数具有合理性,且比传统颠覆性指数更能有效识别论文的创新性;当焦点文献的创新程度和影响力越高时,引证文献越倾向于引用其参考文献;当焦点文献的参考文献影响力越高时,引证文献也倾向于引用其参考文献。     

语义分类的学科主题演化分析方法研究——以我国图书情报领域大数据研究为例

[目的/意义] 学科主题演化研究有助于掌握学科发展现状、研究热点、研究前沿和发展趋势等情况,是进行科技创新的基础,是面向科技创新的重要研究方向。[方法/过程] 提出一种语义分类的学科主题演化分析方法：将关键词分为研究问题、研究方法和研究技术3类,构建不同语义分类的共词网络;然后基于Fast Unfolding社区发现算法识别具有语义特征的社区（主题）;利用相似度算法计算相邻子时期主题间的相似度,构建学科主题演化图谱,以分析某学科领域研究问题、研究方法和研究技术的变化,实现深度、细致的学科主题演化分析。[结果/结论] 通过对2012-2015年CNKI数据库收录的我国大数据研究领域相关论文数据的处理分析,证明该方法的准确性和有效性。     

竞争策略视角下科学创新扩散采纳者分类研究

[目的/意义]提出一种从营销学竞争策略视角对科学创新扩散采纳者分类的新方法,丰富科学创新扩散成果,使得科学创新扩散的潜力得到充分利用。[方法/过程]综合运用文献计量和实证网络分析的方法对原始文献的施引文献集从共被引网络、网络认知核心识别和文献主题集群识别三个方面构建创新扩散网络,并在此基础上引入营销学中的竞争策略来对科学创新扩散的采纳者进行全新划分。[结果/结论]研究定义并阐述文献个体在扩散过程中扮演的四种角色类型：“领导者”“追随者”“挑战者”和“补缺者”。结果表明,领导者在数量分布中,处于先驱位置,由领导者的波动,继而带来挑战者、追随者的波动;领导者作为创新扩散中的高影响力文献,研究主题相对集中;而补缺者更倾向于探索一些其他的学科领域,研究主题相对分散。此外,探究四种类型采纳者的引用偏好时发现,四种类型在互引过程中均对领导者的篇均引用量最高,而领导者的自引量最高。     

科技期刊论文创新性评价研究

创新性是科技期刊论文的核心价值,研究科技期刊论文创新性评价有助于促进科技创新知识共享与科研创新发展。笔者基于知识图谱的梳理,总结科技期刊论文创新性的内涵与类型,剖析了基于论文组成部分和关联内容的论文创新性评价方法,提出了夯实理论、多维度评价、多学科协作、以应用促评价等提高科技期刊论文创新性评价的有效路径。     

融合引用和文本特征的技术创新路径识别研究

[目的 /意义]探索融合引用和文本特征的专利技术创新路径识别分析方法,有助于规避技术创新风险、优化选择技术创新路径,对提升创新主体的创新能力,促进现代产业发展,布局科技前沿发展战略等具有重要的意义。[方法 /过程]首先基于Node2Vec模型和Doc2Vec模型将专利引用和文本数据表示学习为可计算的高维向量;然后利用LDA主题模型进行技术主题识别并结合T-SNE算法降维,添加时间维度构建初始技术创新路径;最后,在专利引用和文本特征向量表示结果基础上,开展向量融合拼接从而实现融合引用和文本特征的技术创新路径识别。[结果 /结论 ]通过对超级电容器领域的实证,验证提出的融合引用和文本特征的的技术创新路径识别方法能够从特定领域专利文献中高效、准确地识别专利技术创新路径,证明方法的可行性和有效性。     

基于深度学习与语义挖掘的技术创新组合识别与追踪

[目的/意义]随着战略型新兴技术产业的迅猛发展,如何识别具有潜在协同效应的技术创新组合、厘清组合中核心的创新关系,是有效规划产业发展路线、提升产业竞争优势的重要前提。[方法/过程]在技术组合进化理论的指导下,结合深度学习、SAO语义挖掘和CFDP算法,提出一种基于专利数据的技术创新组合与演化关系的识别方案。该研究方案共分为3个步骤：首先基于关键词与专利分类号构建领域检索策略,并实现对获取数据的清洗和分词。随后,通过Word2Vec构建领域技术主题的词向量语义网络,并利用CFDP算法识别出潜在创新要素及组合方式。最后,深入挖掘各组合中核心的SAO结构,通过LSTM深度学习算法对其演化关系进行分类,挖掘技术的核心创新方式,进而有效甄别领域潜在的技术机会。[结果/结论]以语音识别领域为例,通过对该领域DII专利文本数据的深入挖掘,识别并追踪5个潜在的技术创新组合及核心创新方式。研究发现,当前我国语音识别领域在智能芯片设计、语音识别算法、新场景和应用等方面有较大的创新潜力。     

大数据驱动的图书馆风险治理:内涵及框架

[目的/意义] 现代风险社会对图书馆行业发展及其管理带来了严峻的挑战，传统的图书馆风险管理模式已不适应当前图书馆的发展，亟需探索新的风险治理框架。[方法/过程] 分析图书馆风险治理研究与实践过程中存在的概念界定不清晰、研究方法滞后、管理主体单一等不足。在风险社会理论及治理理论与方法的指导下，以大数据驱动为视角，提出图书馆风险治理的内涵，并分析图书馆风险治理的大数据应用需求、治理框架构建以及在此治理框架下图书馆风险治理内容、治理流程。[结果/结论] 针对图书馆领域存在的实体性风险（建筑、公共场所、自然灾害）、具体业务发展中的风险（资源建设、服务创新、技术应用与管理）以及外界环境（社会、技术、政策等的发展）所带来的行业风险，大数据分析能够有效地识别、预测、治理所面临的风险，为图书馆风险治理提供有效的技术工具。     

利用政策关联度指标进行学术影响力研究——以疫情防控档案政策关联度为例

[目的/意义]政策制定与科学研究两者间相互影响,通过研究两者的关联度,有助于创新学术影响力研究的思路和方法。[方法/过程]基于扎根理论和灰色关联度模型,以疫情防控档案学术研究和政策制定为例,探究政策关联度计量指标和主要的计量程序。首先,使用质性分析工具对政策编码以获得指标。其次,依据指标对学术论文编码并整理编码结果。最后,利用灰色关联度模型计算学术论文与政策文本之间的关联性,以关联性作为依据研究学术主体的学术影响力。[结果/结论]从宏观上来看,学术界与政策制定的关联度较高;从中观上来看,政策关联度较低;从微观上来看,政策关联度处于中等水平。