基于深度学习的学者未知主题链路预测研究文献综述

 2023-05-05 21:56:04

文献综述

如今在各个学科领域的研究论文数量越来越多,已经超出了人类手工所能处理的范围,因此基于计算机的各种定量和定性的方法开始应用来处理海量的文献信息,并发掘潜在的研究主题的关联。

可以帮助政府决定科研经费资助的方向,帮助科研人员发现可能的创新点,帮助推进学科的发展。

1.学科主题预测研究概况起初,有一些定性的方法被应用于预测未来研究主题。

如Budi等人便基于历史数据,利用专家咨询法来对学科主题趋势进行预测[1],但是专家咨询法存在主观偏差的问题,因此会导致预测不准确。

采用定量方法预测学科主题很大程度上依赖于文献计量学、科学计量学和信息计量学中的一些指标,如引用数、替代计量学、h指数、影响因子等。

Small在2006年对三个时间段的文献信息进行共被引聚类来分析学科的出现与发展[2]。

Bengisu和Nekhili在同一年采用科学计量学的方法对出现的技术进行预测[3]。

到了2009年,Shibata等人探索了不同科学计量学方法,如共引、文献耦合等,对学科前沿预测的不同效果[4]。

2013年,Budi等人集成了一系列预测方法,根据文献计量学的相关指标对Science l等人基于共著网络预测科学文章是否会获得成功[5]。

剩余内容已隐藏,您需要先支付 10元 才能查看该篇文章全部内容!立即支付

以上是文献综述,课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。