《數(shù)據(jù)分析與知識發(fā)現(xiàn)》雜志簡介

　　《數(shù)據(jù)分析與知識發(fā)現(xiàn)》(月刊)創(chuàng)刊于1985年，是中國科學(xué)院主管、中國科學(xué)院文獻情報中心主辦的計算機信息管理技術(shù)方面的學(xué)術(shù)性刊物，是國內(nèi)唯一一份被中國圖書館學(xué)會和中國科技情報學(xué)會共同推薦的專業(yè)技術(shù)類核心期刊。刊物設(shè)有“數(shù)字圖書館”、“知識組織與知識管理”、“情報分析與研究技術(shù)”、“應(yīng)用實踐”、“動態(tài)”等一系列固定類欄目以及“特邀專欄”、“企業(yè)技術(shù)之窗”等不定期欄目。

　　《數(shù)據(jù)分析與知識發(fā)現(xiàn)》內(nèi)容定位于廣泛吸納計算機科學(xué)、數(shù)據(jù)科學(xué)、情報科學(xué)以及數(shù)字科研、數(shù)字教育和數(shù)字文化等領(lǐng)域的技術(shù)與方法，研究數(shù)據(jù)驅(qū)動的語義計算、內(nèi)容分析、數(shù)據(jù)挖掘、知識發(fā)現(xiàn)、智能管理和決策支持等方面的技術(shù)、方法、系統(tǒng)以及支撐設(shè)施、政策與機制等，尤其是聚焦從海量、異構(gòu)、分布、動態(tài)、甚至富媒體數(shù)據(jù)中挖掘和發(fā)現(xiàn)知識以支持研究、管理和決策的理論、方法和技術(shù)。

　　《數(shù)據(jù)分析與知識發(fā)現(xiàn)》辦刊宗旨是聚焦各行各業(yè)中以大數(shù)據(jù)為基礎(chǔ)，依靠復(fù)雜挖掘分析方法，進行知識發(fā)現(xiàn)與預(yù)測、支持決策分析和政策制定的研究與應(yīng)用，致力于提供理論指導(dǎo)、技術(shù)支持和最佳實踐。

　　《數(shù)據(jù)分析與知識發(fā)現(xiàn)》欄目設(shè)置

　　數(shù)學(xué)圖書館、知識組織與知識管理、情報分析與研究、應(yīng)用實踐、動態(tài)、特邀專欄、金融證券管理、企業(yè)信息管理技術(shù)

　　《數(shù)據(jù)分析與知識發(fā)現(xiàn)》雜志榮譽

　　CSSCI 南大核心期刊(中文社會科學(xué)引文索引)(含擴展版)萬方收錄(中)上海圖書館館藏國家圖書館館藏知網(wǎng)收錄(中)維普收錄(中)中國期刊全文數(shù)據(jù)庫(CJFD)中國核心期刊遴選數(shù)據(jù)庫

　　2018年《數(shù)據(jù)分析與知識發(fā)現(xiàn)》雜志08期投稿論文目錄：

　　基于t-SNE降維的科學(xué)基金資助項目可視化方法研究陳挺;李國鵬;王小梅;

　　基于BRFSS數(shù)據(jù)庫應(yīng)用人工神經(jīng)網(wǎng)絡(luò)構(gòu)建兒童哮喘預(yù)測模型馬曉宇;張晗;趙玉虹;

　　新一代知識問答平臺中提問者付費意愿的影響因素探究趙宇翔;劉周穎;宋士杰;

　　基于預(yù)警平臺大數(shù)據(jù)的事件旅游客流時空分布研究王玲;代前進;吳曉雋;

　　面向微博短文本分類的文本向量化方法比較研究李心蕾;王昊;劉小敏;鄧三鴻;

　　基于LDA和AdaBoost多特征組合的微博情感分析曾子明;楊倩雯;

　　基于領(lǐng)域本體的產(chǎn)品網(wǎng)絡(luò)口碑信息多層次細(xì)粒度情感挖掘何有世;何述芳;

　　跨設(shè)備搜索中設(shè)備轉(zhuǎn)移前后查詢式語義變化研究吳丹;陸柳杏;

　　等待感知對于移動信息產(chǎn)品用戶滿意度的影響研究——以數(shù)字小說書架為例馬艷陽;劉玉磊;徐伯初;支錦亦;

　　收錄論文：面向微博短文本分類的文本向量化方法比較研究

　　【摘要】：【目的】利用Word2Vec和Sent2Vec算法生成新浪微博的文本的向量化表示形式,以期在文本分類時獲得較低的計算成本和較高的分類效果。【方法】使用文本中詞的0-1矩陣進行分類,將分類效果作為基準(zhǔn)線;采用Word2Vec算法生成詞向量并用不同方式合成句子的向量表示,進行文本分類,并與基準(zhǔn)線進行對比;利用Sent2Vec算法直接生成句子向量進行分類,綜合評價3種方法的優(yōu)缺點。【結(jié)果】研究顯示使用Word2Vec算法和Sent2Vec算法能夠極大程度上壓縮文本特征,對比于使用所有3萬多個詞作為特征,Word2Vec算法和Sent2Vec算法將特征數(shù)壓縮在1 000以內(nèi)。在分類準(zhǔn)確率方面,Word2Vec算法的分類準(zhǔn)確率比基準(zhǔn)線低約3%,準(zhǔn)確率為75.14%。Sent2Vec算法的分類效果遠不如其他兩種方法,準(zhǔn)確率只有63.08%。【局限】由于語料有限,Word2Vec算法在計算詞向量時可能缺少足夠的語義信息,導(dǎo)致詞向量的準(zhǔn)確性不高,而Sent2Vec算法在中文文本語境下生成句向量的分類結(jié)果較差。【結(jié)論】Word2Vec算法更適用大規(guī)模語料文本分類,在文本量較少時應(yīng)使用詞為特征分類。

　　數(shù)據(jù)分析與知識發(fā)現(xiàn)最新期刊目錄

融合萊文斯坦距離算法的專利交易行為識別方法及實證研究————作者：冉從敬;丁群哲;宋永輝;王福新;

摘要：[目的] 針對專利轉(zhuǎn)讓數(shù)據(jù)中難以區(qū)分發(fā)生實質(zhì)性專利交易問題，提出一種系統(tǒng)性方法，通過融合多種基于萊文斯坦距離算法，較為準(zhǔn)確地識別出發(fā)生實質(zhì)性交易的專利行為，并探討其技術(shù)特征差異。 [方法] 針對不同專利轉(zhuǎn)讓場景，提出了一套篩選流程方法。其關(guān)鍵步驟之一是利用基于編輯距離算法的多種文本相似度方法，計算交易雙方姓名和地址的相似度分值，并結(jié)合設(shè)定閾值剔除內(nèi)部資源重新配置的非市場化交易記錄。同時，通過實證...

嵌入司法要素事實一致性評測的中文司法裁判文書摘要生成研究————作者：向博文;柴夢丹;向卓元;

摘要：[目的]鑒于司法裁判文書摘要要求與原文在案件事實、法律適用等要素保持一致，提出嵌入司法要素事實一致性評測的中文司法裁判文書摘要生成方法。[方法]首先定義司法裁判文書摘要事實一致性判定的原則和方法；其次，確定數(shù)據(jù)增加、事實一致性糾錯和測評等預(yù)處理流程；然后，分別構(gòu)建分段抽取模型和引入司法要素知識圖的生成式摘要模型，并在CAIL2020數(shù)據(jù)集上進行實驗。[結(jié)果] FC-JDSM模型生成的摘要在指標(biāo)RO...

基于靜態(tài)與動態(tài)異構(gòu)圖嵌入的全局引文推薦研究————作者：張曉娟;吉如意;

摘要：[目的] 提出一種基于靜態(tài)與動態(tài)異構(gòu)圖嵌入的全局引文推薦框架，以期提高引文推薦的準(zhǔn)確度。 [方法] 本文首先分別構(gòu)建靜態(tài)加權(quán)異構(gòu)網(wǎng)絡(luò)與時序異構(gòu)網(wǎng)絡(luò)。在靜態(tài)異構(gòu)網(wǎng)絡(luò)中，利用混合隨機游走和skip-gram模型生成能捕捉網(wǎng)絡(luò)局部與全局信息的節(jié)點嵌入；基于所構(gòu)建的時序異構(gòu)網(wǎng)絡(luò)，首先利用基于元路徑的隨機游走獲得元路徑實例，再建模異構(gòu)圖中的時態(tài)演化特征，以此獲得圖中節(jié)點的嵌入式表示。然后利用聯(lián)合訓(xùn)練與獨立...

基于圖注意力網(wǎng)絡(luò)的自適應(yīng)社會化序列推薦方法研究————作者：徐建民;王力;張雄濤;

摘要：[目的]現(xiàn)有社會化序列推薦研究容易引入與用戶興趣不相似的好友信息，且未能考慮不同用戶受社交影響的程度存在差異，致使推薦性能受限。為彌補現(xiàn)有研究不足，提出一種基于圖注意力網(wǎng)絡(luò)的自適應(yīng)社會化序列推薦方法。[方法]首先，利用自注意力機制對用戶行為序列建模，獲取用戶動態(tài)興趣表示。其次，設(shè)計一種正則化限制的圖注意力網(wǎng)絡(luò)聚合好友特征，以準(zhǔn)確建模用戶社交興趣表示。最后，提出一種基于注意力的自適應(yīng)融合方法，準(zhǔn)確融...

面向短文本-多領(lǐng)域科技實體抽取的提示工程構(gòu)建研究————作者：孫蒙鴿;王燕鵬;付蕓;劉細(xì)文;

摘要：[目的] 本文以科技情報短文本為實驗數(shù)據(jù)，研究大語言模型在多領(lǐng)域科技知識實體抽取任務(wù)中提示工程的構(gòu)建方法，旨在解決短文本語義不足和領(lǐng)域多樣性對科技實體抽取的挑戰(zhàn)。[方法] 針對科技情報短文本語義濃縮導(dǎo)致的上下文信息不足、知識實體領(lǐng)域跨度大、以及實體邊界模糊等問題，本文提出一種基于知識提示學(xué)習(xí)的Scientific Prompt知識實體抽取策略。該策略結(jié)合BERTopic方法，將領(lǐng)域知識動態(tài)引入提示...

基于用戶興趣聚集性和層次性分布特征建模的序列推薦方法————作者：馬瑩雪;甘明鑫;胡磊;

摘要：【目的】為解決深度學(xué)習(xí)推薦方法缺乏對用戶興趣分布特征建模，不能充分刻畫用戶偏好的問題，提出一種基于用戶興趣聚集性和層次性分布特征建模的序列推薦方法。【方法】利用注意力網(wǎng)絡(luò)和LSTM從行為序列獲得用戶和項目的向量表示，學(xué)習(xí)用戶興趣分布的位置中心和邊界半徑，通過雙半徑刻畫興趣分布的層次性和聚集性；通過擬合候選項目特征與用戶興趣分布中心的距離與交互概率預(yù)測用戶偏好；融合基于神經(jīng)網(wǎng)絡(luò)的行為預(yù)測和基于興趣模...

面向AI換臉詐騙的受騙風(fēng)險識別研究————作者：周勝利;徐睿;陳庭貴;汪邵杰;

摘要：【目的】為解決AI換臉詐騙過程中多模態(tài)特征表征不足的問題，提出面向AI換臉詐騙的受騙風(fēng)險識別模型FSFRI，有效融合多模態(tài)特征提升受騙風(fēng)險識別效果。【方法】FSFRI綜合欺詐信息的生成和傳播過程，從中提取偽造人臉視頻幀特征、流量描述特征、流量負(fù)載數(shù)據(jù)特征和流量時序特征，再通過特征融合模塊實現(xiàn)跨模態(tài)特征的互補融合，最后通過風(fēng)險識別模塊實現(xiàn)受騙風(fēng)險的識別。【結(jié)果】在模擬實驗生成的數(shù)據(jù)集中，F(xiàn)SFRI取...

基于實體關(guān)系協(xié)同推理的零樣本關(guān)系抽取模型————作者：謝威;夏鴻斌;劉淵;

摘要：[目的]運用深度學(xué)習(xí)與對比學(xué)習(xí)方法解決目前零樣本關(guān)系抽取任務(wù)中完整實體信息與關(guān)系信息交互不夠充分的問題。[方法]提出了一種基于對比學(xué)習(xí)的聯(lián)合實體關(guān)系信息的零樣本關(guān)系抽取模型(JCL)。首先，使用數(shù)據(jù)增強技術(shù)對原始的輸入文本進行處理，增加模型得到的有效信息。其次，通過增強交叉注意力模塊將實體對深度融合與關(guān)系聯(lián)合處理，提取實體與實體間的交互信息和實體與關(guān)系語義間的交互信息，放大不同關(guān)系在嵌入空間內(nèi)的細(xì)...

跨學(xué)科術(shù)語語義差異現(xiàn)象研究————作者：姚元璋;徐健;

摘要：[目的]分析跨學(xué)科領(lǐng)域的術(shù)語詞在不同學(xué)科間存在的語義差異現(xiàn)象，挖掘語義差異現(xiàn)象的原因。[方法]使用預(yù)訓(xùn)練深度學(xué)習(xí)模型實現(xiàn)自動化地識別和量化術(shù)語的語義差異，設(shè)計構(gòu)建語義差異程度指標(biāo)定量衡量語義差異程度，并對術(shù)語所涉及學(xué)科進行共現(xiàn)分析。[結(jié)果]基于預(yù)訓(xùn)練模型的語義差異現(xiàn)象識別準(zhǔn)確率達到0.8193，所構(gòu)建度量指標(biāo)能夠?qū)φZ義差異進行有效量化。[局限]研究局限于中文術(shù)語的語義差異，選取術(shù)語學(xué)科跨度范圍有限...

基于交互式語義增強的中文文檔級事件抽取模型研究————作者：張雙寶;成全;曾艷;

摘要：[目的]為充分挖掘中文文檔之間的語義關(guān)聯(lián)信息，實現(xiàn)基于交互式語義增強的文檔級事件抽取效果的提升。[方法]本研究提出了一種交互式語義增強的中文文檔級事件抽取模型CSDEE，利用注意力機制構(gòu)建跨文檔的交互式語義網(wǎng)絡(luò)，增強實體識別性能，再經(jīng)由文檔編碼與事件抽取信息解碼完成事件抽取任務(wù)。[結(jié)果]實驗結(jié)果表明，CSDEE模型在事件抽取的精確率、召回率和F1值上分別達到80.7%、84.1%和82.3%，優(yōu)于...

面向美國國會聽證會的中國科技安全風(fēng)險智能化識別——基于大語言模型等技術(shù)————作者：鄧航宇;唐川;蒲云強;敖麗娟;王婉婧;

摘要：[目的]針對美國國會聽證會文本數(shù)量大、涉及范圍廣、口語化表達多等特點，本文提出一個智能化識別中國科技安全風(fēng)險的方法流程。[方法]本研究從聽證會數(shù)據(jù)特征與情報分析人員實際需求出發(fā)，利用大語言模型等技術(shù)實現(xiàn)文本過濾、摘要生成以及智能問答等模塊并將其有機結(jié)合在一起，從而達成高質(zhì)量的智能化識別。[結(jié)果]本研究以第118屆國會聽證會文本為對象驗證關(guān)鍵模塊的有效性。文本過濾的F1值、摘要生成的ROUGE-Ls...

基于大語言模型的政策知識庫構(gòu)建與政策比較研究——以惠企政策為例————作者：段永康;趙廣宇;耿騫;曹涵維;靳健;

摘要：[目的]現(xiàn)有政策分析方法依賴大量人工標(biāo)注和對齊比較，導(dǎo)致效率低下且易出錯。本研究旨在通過構(gòu)建結(jié)構(gòu)化政策知識庫，提升政策信息檢索效率，實現(xiàn)政策智能分析與對比，為政策制定提供精準(zhǔn)決策支持。[方法]本研究以惠企政策為例，提出了一種基于大語言模型的框架，用于高效比較相關(guān)政策。該框架包括以下步驟：1）知識庫構(gòu)建；2）檢索與存儲；3）答案生成。[結(jié)果]通過對國家、北京、上海、深圳四地惠企政策數(shù)據(jù)集驗證，本文提...

基于重疊社區(qū)的謠言抑制最大化研究————作者：徐夢瑤;孫斌;江濤;崔家豪;

摘要：[目的]針對謠言抑制中對節(jié)點位置與社區(qū)重疊特性考慮不足的問題，提出一種謠言抑制框架RSM-OC。[方法]該框架創(chuàng)新地提出使用信任中心值來精準(zhǔn)識別關(guān)鍵節(jié)點，結(jié)合重疊節(jié)點構(gòu)成候選種子集，最后利用遺傳算法優(yōu)化正種子節(jié)點集，并采用單向狀態(tài)轉(zhuǎn)換的線性閾值模型模擬謠言與真相的博弈。[結(jié)果]在四個真實數(shù)據(jù)集上的實驗顯示，RSM-OC方法相較于基線算法的謠言抑制率平均提升23.3%，真相傳播范圍平均擴大兩倍，特別...

考慮樣本語義特征與類簇結(jié)構(gòu)特征的IDCCM文本深度聚類方法研究————作者：李婕;張智雄;

摘要：[目的]深度綜合關(guān)聯(lián)挖掘圖像聚類方法DCCM局限于基于樣本語義特征進行聚類，無法充分利用類簇結(jié)構(gòu)特征中蘊含的具有高判別性的類間結(jié)構(gòu)關(guān)系，制約了DCCM聚類性能的進一步提升。 [方法]本文提出融合類簇結(jié)構(gòu)特征的改進模型Improved-DCCM。首先，以DCCM作為基礎(chǔ)聚類模型，引入基于高斯分布的文本數(shù)據(jù)增強策略，繼承DCCM的樣本語義特征挖掘能力。在此基礎(chǔ)上，通過樣本變量與類簇變量之間的互信息損...

生成式AI對話中的提示詞策略有效性探究————作者：周潔;王東毅;代沁泉;夏蘇迪;

摘要：[目的]本研究旨在探索普適的生成式AI有效提示詞策略，以提升用戶的交互技能和優(yōu)化使用體驗。[方法]采用Q方法，邀請用戶根據(jù)其在通用場景、跨任務(wù)及跨模型的生成式AI使用經(jīng)驗，對不同提示詞策略的有效性進行排序，從而識別出具有普適性的有效提示詞策略類型。[結(jié)果]研究發(fā)現(xiàn)，最有效的提示詞策略包括明確問題、明確目標(biāo)和提供背景信息。普適性有效提示詞策略可分為三類：明確需求與精確指引型、清晰解釋與邏輯排序型、拆...

基于可解釋自適應(yīng)加權(quán)Stacking集成學(xué)習(xí)的電影IP衍生品開發(fā)效果預(yù)測————作者：倪淵;李翔宇;張健;董飛星;

摘要：[目的]構(gòu)建可解釋集成學(xué)習(xí)模型，為預(yù)測電影IP衍生品的開發(fā)效果提供新的決策方式。 [方法]基于價值鏈理論解析電影IP衍生品開發(fā)過程，構(gòu)建預(yù)測指標(biāo)體系。基于KLLB模型對影響因素進行提取篩選、構(gòu)建預(yù)測標(biāo)簽。提出基于AWStacking的開發(fā)效果預(yù)測模型。 [結(jié)果]以XGBoost、CatBoost、RF為基學(xué)習(xí)器，LR為元學(xué)習(xí)器的AWStacking算法預(yù)測效果最好，宏平均精確率為0.8699，...

基于多源數(shù)據(jù)間主題時序擴散網(wǎng)絡(luò)的研究前沿探測方法研究————作者：李廣;吳新年;寧寶英;

摘要：[目的] 設(shè)計基于多源數(shù)據(jù)間主題時序擴散網(wǎng)絡(luò)模型，進行動態(tài)計量數(shù)據(jù)源權(quán)重的研究前沿探測。 [方法] 通過分析前沿主題的時間、擴散和網(wǎng)絡(luò)特征，提出基于主題時序擴散網(wǎng)絡(luò)的研究前沿探測方法體系、指標(biāo)體系和立體判別坐標(biāo)圖，最后在人工智能領(lǐng)域進行實證分析。 [結(jié)果] 動態(tài)計量出多源數(shù)據(jù)權(quán)重（戰(zhàn)略規(guī)劃0.301、科技報告0.234、基金項目0.124、專利文獻0.122、會議論文0.113、期刊論文0.105...

基于時空圖結(jié)構(gòu)學(xué)習(xí)與路線特征增強的行程時間預(yù)測研究————作者：潘曉;董慧;陳曉;

摘要：[目的]針對目前多任務(wù)行程時間預(yù)測研究中，存在的刻畫路段波及效應(yīng)影響范圍的靈活性不足，以及在標(biāo)注數(shù)據(jù)受限情況下模型學(xué)習(xí)能力較差的問題，提出一種基于時空圖結(jié)構(gòu)學(xué)習(xí)與路線特征增強的行程時間預(yù)測方法。[方法]該方法首先利用自適應(yīng)機制初始化基礎(chǔ)的時空圖結(jié)構(gòu)，并構(gòu)建基于Encoder-only的學(xué)習(xí)組件，靈活且深入地捕捉全域路網(wǎng)范圍內(nèi)路段間的時空交互依賴關(guān)系，從而生成高質(zhì)量的波及效應(yīng)時空圖及相應(yīng)的時空特征表...

基于Rank一致性與假設(shè)檢驗方法的專利語義相似度測度效果評價方法及其應(yīng)用————作者：周健;呂璐成;李佳政;趙亞娟;

摘要：【目的】構(gòu)建專利語義相似度測度效果量化評價方法，實現(xiàn)多種專利語義相似度測度方法的客觀評價。【方法】基于同一分類層級下專利語義相似度更高的思想，兼顧時間與技術(shù)領(lǐng)域因素自動構(gòu)造測度效果評價數(shù)據(jù)集，設(shè)計Rank一致性指標(biāo)指標(biāo)和假設(shè)檢驗方法來構(gòu)建針對不同向量化模型的專利語義相似度測度效果評價方法，并構(gòu)建中文和英文專利數(shù)據(jù)集進行評價方法的實證。【結(jié)果】本文選擇基于L1距離的Rank一致性指標(biāo)與U檢驗進行了實...

基于RF-ISSA-SVM和SHAP的疾病誘因可解釋性模型—以肥胖癥為例————作者：馬捷;孫文晶;郝志遠;

摘要：[目的]本研究旨在構(gòu)建具有可解釋性的高質(zhì)量疾病預(yù)測模型，通過識別影響疾病形成的關(guān)鍵誘因，并進一步分析誘因?qū)τ诩膊〉淖饔梅绞剑瑥亩鵀檩o助診斷和精準(zhǔn)醫(yī)療賦能助力。 [方法]以肥胖癥為研究對象，首先，利用隨機森林模型在疾病數(shù)據(jù)的多維特征中篩選出最具代表性的特征子集；其次，通過構(gòu)建增強型麻雀搜索算法實現(xiàn)支持向量機核參數(shù)與懲罰系數(shù)的自適應(yīng)獲取；然后，同步應(yīng)用優(yōu)化后的支持向量機模型對數(shù)據(jù)樣本進行預(yù)測分析，并...

　　相關(guān)科技期刊推薦

• 國家級中國廢鋼鐵
• 南大核心西藏大學(xué)學(xué)報(社會科學(xué)版)
• 北大核心《粘接》
• 北大核心《微電機》
• 國家級《水利水電技術(shù)》
• 省級貴州工業(yè)大學(xué)學(xué)報(自然科學(xué)版)
• 國家級《精細(xì)石油化工進展》
• 省級游泳季刊
• 省級鄂鋼科技
• 省級《輕紡工業(yè)與技術(shù)》
• 省級環(huán)球體育市場
• 省級服裝店
• 北大核心《安徽工業(yè)大學(xué)學(xué)報》
• 省級《科學(xué)與管理》
• 北大核心湖北社會科學(xué)
• 省級管理工程學(xué)報
• 北大核心《鋼鐵釩鈦》
• 省級數(shù)字傳媒研究雜志
• 國家級安徽建筑工業(yè)學(xué)院學(xué)報自然科學(xué)版
• 北大核心《西南科技大學(xué)學(xué)報》
• 國家級智能建筑電氣技術(shù)
• 北大核心食品工業(yè)
• 國家級中國耐火材料
• 南大核心北京科技大學(xué)學(xué)報社會科學(xué)版
• 省級《四川兵工學(xué)報》
• 省級《蘇鹽科技》
• 省級山東電力技術(shù)
• 省級廣東公路交通
• 省級《科學(xué)與文化》
• 北大核心《表面技術(shù)》

　　核心期刊推薦

現(xiàn)代食品科技

電子科技大學(xué)學(xué)報

中國體育科技

食品工業(yè)科技