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。     

一种基于研究主题对比的单篇学术论文创新力评价方法

[目的/意义] 创新是学术论文的本质要求,如何有效评价学术论文的创新力一直以来备受国内外专家和学者关注。随着信息技术的发展,利用计算机技术从论文内容角度对单篇学术论文的创新力进行评价逐步成为可能。[方法/过程] 提出一种基于研究主题对比的单篇学术论文创新力评价方法。该方法首先利用Keygraph算法提取代表论文研究主题的关键词,然后,将论文的研究主题与科学研究前沿主题进行相似度计算,最后,结合期刊影响因子和Altmetrics两项外在指标提出一种论文创新力综合评价模型。[结果/结论] 通过对"碳纳米管"材料研究领域的实证研究证明,该方法能够有效、迅速和准确地从论文内容角度对单篇学术论文的创新力进行评价。     

多源数据环境下科研热点识别方法研究

[目的/意义] 在科学研究中,从不同来源的科技文献中识别挖掘科研热点对于开展科研工作具有指导意义。旨在通过本研究提出的模型方法,快速准确地识别蕴含在多源文本中的热点主题,为科研创新提供支撑服务。[方法/过程] 提出一种基于LDA2vec模型的多源文本下科研热点识别的方法并针对科研热点识别构建模型,该方法融合LDA主题模型对隐含语义挖掘的优势和Word2Vec词向量模型对于上下文关系把握的优势。以机器学习领域的科技文献为例,利用模型困惑度和主题一致性两个指标对LDA2vec的在本领域应用的可行性和有效性进行验证,并与LDA的主题提取效果进行对比。[结果/结论] 实验结果表明,提出的方法在面对多源数据情况下,进行科研热点识别挖掘是可行的,且在一定程度上有效果的提升,对利用单一数据源进行主题分析的不足进行补充,对多数据源融合的实践应用进行丰富。     

学术论文创新性研究述评

[目的/意义]研究学术论文创新性有助于加快知识创新共享,促进创新突破或再创新,推动国家创新发展;有助于营造良好科研氛围,引导科学研究“重创新”。[研究设计/方法]从学术论文创新性相关概念辨析、学术论文创新性类型、学术论文创新性识别方法、学术论文创新性研究的应用四个维度阐述当前学术论文创新性研究现状,并展望未来研究。[结果/结论]概述了学术论文创新性内涵、2种学术论文创新性类型及其关系,梳理了学术论文创新性识别的4种方法及学术论文创新性研究的应用,并指明学术论文创新性研究具有以下动态：（1）立足新时代科学评价,深化学术论文创新性理论研究,为遴选高质量学术论文打下坚实的理论基础;（2）借助新信息技术,综合识别学术论文创新性;（3）强化学术论文创新性研究应用,提升创新力,营造良好学术氛围。[创新/价值]多维度阐述学术论文创新性研究进展,以全面理解学术论文创新性,准确把握其发展动向。     

基于LDA的科技创新主题语义识别研究

[目的/意义] 由于传统科技创新主题概率识别方法忽略文本内容语义理解,为了更加准确地识别出主题,科技创新主题语义识别势在必行。[方法/过程] 提出一种基于LDA的科技创新主题语义识别方法,利用语义角色标注技术对科技文献中的科技创新内容进行语义标引,构建LDA主题语义识别模型,根据表征科技创新内容的关键词语义角色对应的上位词的概率识别出科技创新主题。[结果/结论] 通过以3D打印领域数据为对象进行实验,证明该方法能够更加准确地识别出科技创新主题,形成科技创新主题-主题词-科技文献的混合分布聚类集群,减少研究背景等无关数据干扰,避免语义含义相同的科技创新主题词重复统计问题。     

情报学领域人工智能相关研究的文献计量分析及探析

[目的/意义]作为一门与信息技术密切关联的学科,近年来快速发展的人工智能为情报学带来了诸多影响。有效梳理和整合这些影响的发展脉络与应用场景,强化人工智能在当前情报工作中的角色与作用,能为情报学相关研究的发展提供一定的参考与启示。[研究设计/方法]聚焦情报学领域人工智能相关研究,从高被引论文、文献共引、主题词共现三个维度对人工智能在情报学中的知识基础及其演化和研究热点予以分析与解读。[结论/发现]归纳了人工智能研究对情报学的影响,主要包括促进情报学研究主题的衍生和情报学研究方法的革新两方面,并从理论创新、研究对象拓展、信息服务提升与学科建设四个方面探讨人工智能在情报学领域可能的应用。[创新/价值]通过对情报学领域人工智能相关研究进行深入量化分析和定性研究,探讨和揭示了该主题下研究热点、研究趋势和相关发展规律,为相关领域学者提供一定借鉴与启发。     

基于Chunk-LDAvis的核心技术主题识别方法研究

[目的/意义]基于大量专利文献数据的核心技术主题识别有助于识别某技术领域的关键技术、分析关键技术的发展方向,是进行技术创新的基础情报工作,对于研究人员、企业乃至国家层面都具有一定的意义。[方法/过程]提出基于Chunk-LDAvis的核心技术主题识别方法,首先基于经典LDA模型进行主题识别,然后利用名词组块对初始LDA主题识别结果进行标注,构建Chunk-LDA主题识别结果,提高其可解读性;然后基于社会网络分析方法构建主题网络,识别核心技术主题;基于R语言的LDAvis工具包绘制可交互的Chunk-LDAvis核心技术主题关联分析图谱,发现核心技术主题的隐含联系,辅助进行核心技术主题识别。[结果/结论]通过对纳米农业领域进行实证研究,验证了本文提出方法的准确性和可行性。     

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。     

基于DTM的国内外情报学研究主题热度演化对比研究

[目的/意义] 为揭示情报学领域近15年的研究方向和发展演化情况,了解和掌握研究主题热度的动态变化。[方法/过程] 基于动态主题模型（Dynamic Topic Model）,以国内外情报学领域影响因子较高的6本核心期刊作为数据集,分析国内外情报学研究主题演化过程,从主题热度的宏观维度和词语变化的微观角度入手,对比分析主题的研究内容和研究热度异同点,以期为我国情报学研究提供参考和借鉴。[结果/结论] 研究结果表明,国内情报学研究内容偏重实际应用,国外偏重于技术与方法的创新;同一研究主题在不同时期涉及研究内容差别明显,导致其研究热度随着时间推移发生变化;相对于国内,国外情报学研究主题传承性和递进性更强,热度变化较小。     

图情领域LDA主题模型应用研究进展述评

[目的/意义]系统归纳梳理LDA模型的应用过程与应用领域,为图情领域LDA模型研究提供参考。[研究设计/方法]以Web of Science核心集、LISA、Google Scholar、中国知网、维普和万方等为数据源,检索图情领域LDA模型的研究文献,通过内容分析构建了LDA模型应用研究分析框架,从模型应用过程的视角对国内外研究现状进行系统地总结归纳。[结论/发现]LDA主题模型研究已经形成较为成熟的分析流程,已应用在主题探索、知识组织、学术评价、情感分析等很多领域,但是在应对大数据、多模态数据等复杂处理任务,提升建模结果的语义质量,扩展模型应用等方面还亟待加强。[创新/价值]基于LDA模型的应用过程,细致揭示了图情领域LDA模型应用研究存在的问题和发展方向。     

基于自引网络和主路径分析的论文主题创新实证研究

[目的/意义]探讨如何从大量论文中快速发现相关论文,研究论文主题创新的方法,为研究者阅读和利用期刊论文提供参考。[方法/过程]在对论文主题创新和自引网络概念界定的基础上,提出研究论文主题创新的思路、方法和工具。以美国印第安纳大学在图书情报学领域的论文为例进行实证研究。[结果/结论]利用主路径分析可以快速从自引网络中发现由于引用而产生联系的论文,在此基础上可以进行主题创新分析。     

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。     

基于关键词关联度指标(KRI)进行LDA噪声主题过滤的方法研究

[目的/意义] 针对LDA模型主题识别结果通常包含噪声主题的问题,建立科学有效的主题过滤方法,排除噪声主题,确保主题识别及后续演化分析的准确性。[方法/过程] 基于关键词之间的共现关系,构建关键词关联度指标（KRI）,借助定量手段进行主题筛选和过滤。以单细胞研究领域为例,计算各主题-关键词分布的KRI值,与人工判读结果进行对比分析。[结果/结论] 实验结果表明,该方法能够有效排除LDA模型识别结果中的噪声主题,提高主题识别的准确性,也在一定程度上降低了主题识别过程对人工判读的依赖性。     

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。     

STCF值:基于研究主题的学术文献影响力评价新指标

[目的/意义]学术文献影响力评价指标不断推陈出新,但尚缺乏在研究主题层面对文献影响力的评价,为发现不同研究主题内具有高影响力和引用价值的文献,本研究给出一种基于研究主题的文献影响力评价方法。[方法/过程]以Web of Science数据库中2011年-2015年间情报学领域500篇高被引文献为样本,利用LDA模型对样本文献进行主题建模,将主题对文献的支持度与文献被引频次相结合,计算特定主题文献的被引频次（specific topic cited frequency,简称STCF）,并根据每篇文献在相应主题内的STCF值对文献进行影响力排序。[结果/结论]结果表明,STCF值能反映文献的主题内容、细粒度体现文献的学术地位、呈现文献研究主题的多元性,能够有效弥补被引频次、Altmetrics指标的不足。     

机器学习算法在我国情报学研究中的应用与影响——基于CSSCI期刊论文的视角

[目的/意义]回顾机器学习算法在情报学研究中的应用情况,为相关学者更好地利用机器学习算法来解决情报学问题提供参考。[研究设计/方法]本研究主要采用内容分析法,选取CSSCI图情领域16种期刊为数据来源,编码文献应用的机器学习算法名称,统计分析机器学习算法应用的频次、时间分布、文献类型分布与研究领域分布特征,考察其对情报学研究的影响。[结论/发现]我国情报学领域机器学习算法的应用较早,自2016年起蓬勃发展;应用频次前5且呈现上升趋势的机器学习算法为：SVM、K-means、CNN、BERT、BiLSTM,主要应用于信息处理、信息分析与研究、信息服务与知识服务、信息计量领域。机器学习算法应用与情报学研究的生长、发展和扩张紧密关联,是矛盾解决的主要着力点、切入点和关键点。[创新/价值]系统总结我国情报学研究中机器学习算法的应用状况,并结合情报学发展进程揭示其影响。     

基于文献计量的科学创造力评价研究综述

[目的/意义]创造力是创新的前提和基础,创造力评价是创造力研究的核心内容。面向科研领域,从情报学视角调研利用文献计量方法评价科学创造力的研究现状,为后续研究提供参考和借鉴。[方法/过程]基于国内外文献调研,从基本概念、应用发展历程及独立评价指标比较分析几个方面介绍和评述文献计量评价科学创造力的发展情况。[结果/结论]利用文献计量手段对科学创造力进行评价,为情报学学科参与科技创新提供了新的切入点,无论是国内还是国外,相关研究均有待深入,后续可从理论探索、知识评价、合理评价几个方向进行拓展。     

当代情报学进展及学术前沿探寻--近十年国外情报学研究论文内容分析

本文采用内容分析方法,对1994年以来国外5种情报学核心期刊所载2175篇学术论文的主题进行了统计分析,目的在于通过调查情报学论文在各主题上的分布状况及其结构变化,探寻当前情报学的研究进展及学术前沿领域.     

基于多源数据的领域主题演化路径分析

[目的/意义]为全面、客观、高效、直观地掌握科技领域主题的发展规律和演变趋势,提出一种基于多源数据的领域主题演化路径识别和分析框架。[方法/过程]获取不同来源的科技文献数据,利用多维样本有序聚类方法辅助时间切片,基于改进的词袋构建方法,提升LDA模型主题识别效果,借助Louvain社区发现算法在主题层进行多源数据的融合,分析领域主题演化路径。[结果/结论]利用美国太赫兹研究领域基金项目、论文和专利3种来源的数据进行实证研究,结果表明,3种数据源能够清晰划分出4个时间窗口,改进的词袋构建方法能够表征更准确的领域信息内涵,主题社区有助于从多源数据复杂的演化网络中厘清主题演化脉络。     

研究主题视域下零被引与高被引论文分析——以环境科学领域为例

[目的/意义]从主题视角对环境科学领域的零被引论文进行分析,对比零被引论文与高被引论文在文章内容、外在指标方面的不同,揭示零被引论文存在的原因。[方法/过程]首先,对来自Web of Science数据库的国内环境科学领域的260篇高被引论文、907篇零被引论文的摘要进行PLDA主题识别,然后通过主题相似度计算发现主题间的关联,以主题热度作为内部指标,发文时间、发文期刊作为外部评价指标,最后,把论文主题内容与外部指标结合进行零被引与高被引论文之间的相同主题、不同主题对比分析。[结果/结论]在研究主题相同情况下,期刊的影响因子大小是影响零被引论文的主要因素;在主题不同的情况下,论文研究的主题内容是导致零被引论文的主要原因。