數據分析與知識發現最新期刊目錄

基于實體關系協同推理的零樣本關系抽取模型————作者：謝威;夏鴻斌;劉淵;

摘要：[目的]運用深度學習與對比學習方法解決目前零樣本關系抽取任務中完整實體信息與關系信息交互不夠充分的問題。[方法]提出了一種基于對比學習的聯合實體關系信息的零樣本關系抽取模型(JCL)。首先，使用數據增強技術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系聯合處理，提取實體與實體間的交互信息和實體與關系語義間的交互信息，放大不同關系在嵌入空間內的細...

跨學科術語語義差異現象研究————作者：姚元璋;徐健;

摘要：[目的]分析跨學科領域的術語詞在不同學科間存在的語義差異現象，挖掘語義差異現象的原因。[方法]使用預訓練深度學習模型實現自動化地識別和量化術語的語義差異，設計構建語義差異程度指標定量衡量語義差異程度，并對術語所涉及學科進行共現分析。[結果]基于預訓練模型的語義差異現象識別準確率達到0.8193，所構建度量指標能夠對語義差異進行有效量化。[局限]研究局限于中文術語的語義差異，選取術語學科跨度范圍有限...

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聯信息，實現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，利用注意力機制構建跨文檔的交互式語義網絡，增強實體識別性能，再經由文檔編碼與事件抽取信息解碼完成事件抽取任務。[結果]實驗結果表明，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%，優于...

面向美國國會聽證會的中國科技安全風險智能化識別——基于大語言模型等技術————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險的方法流程。[方法]本研究從聽證會數據特征與情報分析人員實際需求出發，利用大語言模型等技術實現文本過濾、摘要生成以及智能問答等模塊并將其有機結合在一起，從而達成高質量的智能化識別。[結果]本研究以第118屆國會聽證會文本為對象驗證關鍵模塊的有效性。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]現有政策分析方法依賴大量人工標注和對齊比較，導致效率低下且易出錯。本研究旨在通過構建結構化政策知識庫，提升政策信息檢索效率，實現政策智能分析與對比，為政策制定提供精準決策支持。[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，用于高效比較相關政策。該框架包括以下步驟：1）知識庫構建；2）檢索與存儲；3）答案生成。[結果]通過對國家、北京、上海、深圳四地惠企政策數據集驗證，本文提...

基于重疊社區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點位置與社區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]該框架創新地提出使用信任中心值來精準識別關鍵節點，結合重疊節點構成候選種子集，最后利用遺傳算法優化正種子節點集，并采用單向狀態轉換的線性閾值模型模擬謠言與真相的博弈。[結果]在四個真實數據集上的實驗顯示，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構特征的IDCCM文本深度聚類方法研究————作者：李婕;張智雄;

摘要：[目的]深度綜合關聯挖掘圖像聚類方法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構特征中蘊含的具有高判別性的類間結構關系，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構特征的改進模型Improved-DCCM。首先，以DCCM作為基礎聚類模型，引入基于高斯分布的文本數據增強策略，繼承DCCM的樣本語義特征挖掘能力。在此基礎上，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化使用體驗。[方法]采用Q方法，邀請用戶根據其在通用場景、跨任務及跨模型的生成式AI使用經驗，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。[結果]研究發現，最有效的提示詞策略包括明確問題、明確目標和提供背景信息。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...

基于可解釋自適應加權Stacking集成學習的電影IP衍生品開發效果預測————作者：倪淵;李翔宇;張健;董飛星;

摘要：[目的]構建可解釋集成學習模型，為預測電影IP衍生品的開發效果提供新的決策方式。 [方法]基于價值鏈理論解析電影IP衍生品開發過程，構建預測指標體系。基于KLLB模型對影響因素進行提取篩選、構建預測標簽。提出基于AWStacking的開發效果預測模型。 [結果]以XGBoost、CatBoost、RF為基學習器，LR為元學習器的AWStacking算法預測效果最好，宏平均精確率為0.8699，...

基于多源數據間主題時序擴散網絡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] 設計基于多源數據間主題時序擴散網絡模型，進行動態計量數據源權重的研究前沿探測。 [方法] 通過分析前沿主題的時間、擴散和網絡特征，提出基于主題時序擴散網絡的研究前沿探測方法體系、指標體系和立體判別坐標圖，最后在人工智能領域進行實證分析。 [結果] 動態計量出多源數據權重（戰略規劃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...

基于時空圖結構學習與路線特征增強的行程時間預測研究————作者：潘曉;董慧;陳曉;

摘要：[目的]針對目前多任務行程時間預測研究中，存在的刻畫路段波及效應影響范圍的靈活性不足，以及在標注數據受限情況下模型學習能力較差的問題，提出一種基于時空圖結構學習與路線特征增強的行程時間預測方法。[方法]該方法首先利用自適應機制初始化基礎的時空圖結構，并構建基于Encoder-only的學習組件，靈活且深入地捕捉全域路網范圍內路段間的時空交互依賴關系，從而生成高質量的波及效應時空圖及相應的時空特征表...

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

摘要：【目的】構建專利語義相似度測度效果量化評價方法，實現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，兼顧時間與技術領域因素自動構造測度效果評價數據集，設計Rank一致性指標指標和假設檢驗方法來構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，并構建中文和英文專利數據集進行評價方法的實證。【結果】本文選擇基于L1距離的Rank一致性指標與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]本研究旨在構建具有可解釋性的高質量疾病預測模型，通過識別影響疾病形成的關鍵誘因，并進一步分析誘因對于疾病的作用方式，從而為輔助診斷和精準醫療賦能助力。 [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據的多維特征中篩選出最具代表性的特征子集；其次，通過構建增強型麻雀搜索算法實現支持向量機核參數與懲罰系數的自適應獲取；然后，同步應用優化后的支持向量機模型對數據樣本進行預測分析，并...

科學數據推薦研究綜述————作者：張博睿;楊寧;張鑫;文奕;

摘要：[目的]總結國內外科學數據推薦的研究現狀，為促進科學數據共享研究提供理論基礎。 [文獻范圍]在CNKI、WOS、Google Scholar中使用“科學數據推薦”、“科學數據集推薦”、“Scientific data recommendation”、“Scientific dataset recommendation”等關鍵詞進行檢索，并結合主題篩選和追溯法，篩選出71篇代表性文獻。 [方法]基于...

專利策略視角下基于深度學習的專利商業化潛力預測方法研究————作者：向姝璇;毛進;李綱;

摘要：[目的]就現有方法替代指標選取、特征體系構建、模型結構設計上對專利商業化潛力與專利策略關聯利用不足的問題提出一個新的專利商業化潛力預測方法。[方法]將專利實際維持時間是否超過設定閾值作為判斷商業化潛力的標準，提出由特征處理模塊與多任務并行預測模塊構成的LSTM+MTNN模型。特征處理模塊拼接數值特征與Bert+SimCSE及LSTM模型生成的文本連續特征形成多任務并行預測模塊的輸入。多任務并行（M...

多維細粒度政策知識圖譜構建方法————作者：趙雅潔;馮凌子;袁軍鵬;王立學;

摘要：[目的]政策蘊含豐富的信息資源，加強政策知識圖譜頂層設計，構建適配領域特性的通用政策知識圖譜，可將碎片化政策信息進行高效融合、共享和利用。[方法]運用解構主義觀點，融合對齊多理論與政策要素定位，實現多維度政策知識表示，形成模式層；結合網絡獲取、索引匹配、全文解析、實體識別與文本分類模型，設計細粒度知識要素抽取方法，獲取數據層；利用Neo4j圖數據庫實現知識存儲，可視化形成知識圖譜。[結果]最終構建...

關鍵核心技術識別的研究進展————作者：仵軒;李廣建;潘佳立;

摘要：【目的】對關鍵核心技術識別相關成果進行系統綜述，厘清其研究重點與發展脈絡，以期為后續研究提供參考。【文獻范圍】基于關鍵核心技術的系統分析制定檢索式，在Web of Science和CNKI數據庫中進行文獻檢索，獲取661篇論文進行定量分析，經人工篩選得到60篇代表性文獻進行綜述。【方法】首先，歸納關鍵核心技術的概念特點及檢索策略以明晰綜述范圍；其次，分析關鍵核心技術的特征體系及識別標準以厘清研究思...

用于隱私政策合規性分析的知識融入提示學習方法————作者：李非燕;曹詩權;蘇宇;

摘要：【目的】在數字化轉型和移動互聯網快速發展的背景下，隱私政策合規性分析已成為關鍵議題。以往的自動化分析方法主要關注隱私政策的完整性，忽略了分析隱私政策的一致性。同時，這些方法需要大量的標注樣本，限制了其使用場景。本文致力于提出一種兼顧完整性和一致性、且不需要標注樣本的自動化隱私政策合規性分析方法。【方法】首先，根據《個人信息保護法》等相關法規標準，從完整性和一致性兩個角度構建了隱私政策合規性評價體系...

融合時態信息和圖結構動態演化的知識圖譜補全模型研究————作者：張強;高穎;任豆豆;馬志遠;周洪;陶皖;

摘要：[目的]知識圖譜內蘊含海量的元組數據，且蘊含時態信息的知識圖譜可將隨時間變化的事實進行有效保留及使用。探究時態知識圖譜補全任務對圖譜內動態數據的完備性及其下游應用的發展有著重要意義。[方法]針對當前多數方法將時態知識圖譜視為離散數據，無法準確反應事物與時間信息的關系，忽略了局部圖結構演化與形成過程，以及全局圖結構演化所代表的圖譜連續形成模式。本文設計了如下流程：針對局部結構捕獲，提出基于表示強化的...

基于集成學習與半監督學習的突發事件識別研究————作者：田甜俊子;朱學芳;

摘要：[目的]緩解應急管理中高領域適配性標注數據稀缺的現狀，提高事件識別效果。[方法]研究基于集成學習與半監督學習提出一個持續自動標注學習機制，并結合實體識別、共現網絡分析、情感分析等技術實現一個突發事件識別系統。[結果]持續自動標注學習機制能夠使用全量數據的20%～35%達到與全量數據相當甚至更好的識別效果。[局限]當前研究收集的數據來源于中國新聞網單一網站，且注重對已有情報的挖掘，在豐富數據來源、應...

　　數據分析與知識發現來自網友的投稿評論：

• 奔跑的辣椒醬

  2022年的第二篇C，解決了畢業資格，未來還要更加努力吖~ 論文第一版先后投稿《情報理論與實踐》、《情報科學》，均2周左右退稿，沒有任何意見。和導師商量討論后，對論文進行了全面修改（改了一個寒假，由于疫情一直在家，所以大概改了2個月左右（含春節），效率比較低），最終有了第二版（目前的錄用版本）。2022年3月7日，將修改好的第二版論文直接投稿《數據分析與知識發現》，期刊審稿規范、不拖稿，中間退修了一次，于2022年4月21日收到錄用通知（歷時45天），最終版面費2000元。這個期刊真的很贊，編輯部的小姐姐很友善溫和~是繼《科學學與科學技術管理》期刊之后的又一推薦期刊，研友們加油哦~

  2024-07-22 22:06
• 奔跑的辣椒醬

  從2019.4月開始投稿 各種不同期刊的嘗試 中國管理科學，管理科學學報，系統工程理論與實踐，軟科學等等，先后被拒9次吧差不多。東北地區某985 小碩一枚，也是平生第一次正規寫小論文，各種磕磕絆絆吧，最后還好2019年11月份投《數據分析與知識發現》到2020.2.18收到了錄用通知，還是挺開心的，開啟了學術生涯第一站。該刊和中國管理科學一樣都屬于C刊（非通常所說CSSCI，此處的C為學校自定期刊的等級，管理世界為B級），

  2024-07-19 12:49
• 畫個圈圈兜住幸福

  2個月錄用，速度快，官網各種信息很詳細，期刊編輯校對很認真。

  2024-01-27 11:00
• zhaohhhh

  學友們！請問復審超期了是怎么回事呢？嗚嗚是不是寫的太爛了編輯反饋困難

  2023-10-25 22:37
• 畫個圈圈兜住幸福

  圖情學科中科院系統兩大C刊之一，國內首家實行支撐數據提交的社科期刊，論文質量較高，圖情C刊中中等偏上，雖然是圖情類期刊，但整體偏技術，本身也是CCF3類和CSCD擴，所以自科領域的應用類文章較多；審稿節奏非常緊湊，一般投稿2-3周就會進入退修環節，可能有多次修改，一般能進終審錄用的可能性就比較大了，順利的話兩個月左右錄用；固定版面費2000，在情報學C刊中很劃算，審稿過程規范，編輯素質很高，問題處理及時，電話有問必答，總體來說是非常高質量的一本期刊。

  2023-07-11 20:49

提交