數(shù)據(jù)分析與知識(shí)發(fā)現(xiàn)最新期刊目錄

基于大語(yǔ)言模型與多維度自我反思學(xué)習(xí)的中文開(kāi)放關(guān)系抽取————作者：李翼鴻;余燕芳;余奇?zhèn)?李蘇娟;張少龍;葉軍軍;

摘要：[目的]大語(yǔ)言生成模型為中文開(kāi)放關(guān)系抽取任務(wù)帶來(lái)了新思路，但如何優(yōu)化模型生成的關(guān)系抽取結(jié)果質(zhì)量成為一個(gè)重要問(wèn)題。[方法]本文提出一種低成本的基于多維度自我反思學(xué)習(xí)的大模型微調(diào)方法（SRLearn方法），自動(dòng)引導(dǎo)模型進(jìn)行多維度的自我反思學(xué)習(xí)，從而優(yōu)化模型的中文關(guān)系抽取生成質(zhì)量。[結(jié)果]相比LoRA+DPO偏好微調(diào)方法，SRLearn方法在WikiRE1.0數(shù)據(jù)集上提高了15個(gè)百分點(diǎn)，在DuIE2.0...

嵌入雙通道注意力卷積的聯(lián)邦學(xué)習(xí)社交機(jī)器人識(shí)別模型————作者：蘇妍嫄;董宵宇;韓翠娟;張亞明;

摘要：[目的]設(shè)計(jì)嵌入雙通道注意力卷積的聯(lián)邦學(xué)習(xí)框架，破解因隱私保護(hù)導(dǎo)致的跨社交網(wǎng)絡(luò)特征提取難題，精準(zhǔn)識(shí)別社交機(jī)器人。[方法]首先，采用聯(lián)邦學(xué)習(xí)框架實(shí)現(xiàn)跨社交網(wǎng)絡(luò)數(shù)據(jù)集成。其次，在本地模型模塊嵌入雙通道注意力卷積以全面挖掘數(shù)據(jù)特征。再次，借助基礎(chǔ)卷積和區(qū)塊鏈在聯(lián)邦聚合模塊對(duì)各本地模型參數(shù)進(jìn)行集成處理，以獲取和安全保存最優(yōu)模型參數(shù)。[結(jié)果]TwiBot-20&Weibo-bot數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明，F(xiàn)L...

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

摘要：[目的] 針對(duì)專(zhuān)利轉(zhuǎn)讓數(shù)據(jù)中難以區(qū)分發(fā)生實(shí)質(zhì)性專(zhuān)利交易問(wèn)題，提出一種系統(tǒng)性方法，通過(guò)融合多種基于萊文斯坦距離算法，較為準(zhǔn)確地識(shí)別出發(fā)生實(shí)質(zhì)性交易的專(zhuān)利行為，并探討其技術(shù)特征差異。 [方法] 針對(duì)不同專(zhuān)利轉(zhuǎn)讓場(chǎng)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(jì)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(chǎng)化交易記錄。同時(shí)，通過(guò)實(shí)證...

嵌入司法要素事實(shí)一致性評(píng)測(cè)的中文司法裁判文書(shū)摘要生成研究————作者：向博文;柴夢(mèng)丹;向卓元;

摘要：[目的]鑒于司法裁判文書(shū)摘要要求與原文在案件事實(shí)、法律適用等要素保持一致，提出嵌入司法要素事實(shí)一致性評(píng)測(cè)的中文司法裁判文書(shū)摘要生成方法。[方法]首先定義司法裁判文書(shū)摘要事實(shí)一致性判定的原則和方法；其次，確定數(shù)據(jù)增加、事實(shí)一致性糾錯(cuò)和測(cè)評(píng)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(shí)圖的生成式摘要模型，并在CAIL2020數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)。[結(jié)果] FC-JDSM模型生成的摘要在指標(biāo)RO...

基于靜態(tài)與動(dòng)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(dòng)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(shí)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(jī)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(diǎn)嵌入；基于所構(gòu)建的時(shí)序異構(gòu)網(wǎng)絡(luò)，首先利用基于元路徑的隨機(jī)游走獲得元路徑實(shí)例，再建模異構(gòu)圖中的時(shí)態(tài)演化特征，以此獲得圖中節(jié)點(diǎn)的嵌入式表示。然后利用聯(lián)合訓(xùn)練與獨(dú)立...

基于圖注意力網(wǎng)絡(luò)的自適應(yīng)社會(huì)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(huì)化序列推薦研究容易引入與用戶(hù)興趣不相似的好友信息，且未能考慮不同用戶(hù)受社交影響的程度存在差異，致使推薦性能受限。為彌補(bǔ)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(huì)化序列推薦方法。[方法]首先，利用自注意力機(jī)制對(duì)用戶(hù)行為序列建模，獲取用戶(hù)動(dòng)態(tài)興趣表示。其次，設(shè)計(jì)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(hù)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(shí)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(bào)短文本為實(shí)驗(yàn)數(shù)據(jù)，研究大語(yǔ)言模型在多領(lǐng)域科技知識(shí)實(shí)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(yǔ)義不足和領(lǐng)域多樣性對(duì)科技實(shí)體抽取的挑戰(zhàn)。[方法] 針對(duì)科技情報(bào)短文本語(yǔ)義濃縮導(dǎo)致的上下文信息不足、知識(shí)實(shí)體領(lǐng)域跨度大、以及實(shí)體邊界模糊等問(wèn)題，本文提出一種基于知識(shí)提示學(xué)習(xí)的Scientific Prompt知識(shí)實(shí)體抽取策略。該策略結(jié)合BERTopic方法，將領(lǐng)域知識(shí)動(dòng)態(tài)引入提示...

基于用戶(hù)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(duì)用戶(hù)興趣分布特征建模，不能充分刻畫(huà)用戶(hù)偏好的問(wèn)題，提出一種基于用戶(hù)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(hù)和項(xiàng)目的向量表示，學(xué)習(xí)用戶(hù)興趣分布的位置中心和邊界半徑，通過(guò)雙半徑刻畫(huà)興趣分布的層次性和聚集性；通過(guò)擬合候選項(xiàng)目特征與用戶(hù)興趣分布中心的距離與交互概率預(yù)測(cè)用戶(hù)偏好；融合基于神經(jīng)網(wǎng)絡(luò)的行為預(yù)測(cè)和基于興趣模...

面向AI換臉詐騙的受騙風(fēng)險(xiǎn)識(shí)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(guò)程中多模態(tài)特征表征不足的問(wèn)題，提出面向AI換臉詐騙的受騙風(fēng)險(xiǎn)識(shí)別模型FSFRI，有效融合多模態(tài)特征提升受騙風(fēng)險(xiǎn)識(shí)別效果。【方法】FSFRI綜合欺詐信息的生成和傳播過(guò)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(shí)序特征，再通過(guò)特征融合模塊實(shí)現(xiàn)跨模態(tài)特征的互補(bǔ)融合，最后通過(guò)風(fēng)險(xiǎn)識(shí)別模塊實(shí)現(xiàn)受騙風(fēng)險(xiǎn)的識(shí)別。【結(jié)果】在模擬實(shí)驗(yàn)生成的數(shù)據(jù)集中，F(xiàn)SFRI取...

基于實(shí)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(yùn)用深度學(xué)習(xí)與對(duì)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(shí)體信息與關(guān)系信息交互不夠充分的問(wèn)題。[方法]提出了一種基于對(duì)比學(xué)習(xí)的聯(lián)合實(shí)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(qiáng)技術(shù)對(duì)原始的輸入文本進(jìn)行處理，增加模型得到的有效信息。其次，通過(guò)增強(qiáng)交叉注意力模塊將實(shí)體對(duì)深度融合與關(guān)系聯(lián)合處理，提取實(shí)體與實(shí)體間的交互信息和實(shí)體與關(guān)系語(yǔ)義間的交互信息，放大不同關(guān)系在嵌入空間內(nèi)的細(xì)...

歡迎訂閱2025年《數(shù)據(jù)分析與知識(shí)發(fā)現(xiàn)》（月刊）

摘要：<正>《數(shù)據(jù)分析與知識(shí)發(fā)現(xiàn)》雜志是由中國(guó)科學(xué)院主管、中國(guó)科學(xué)院文獻(xiàn)情報(bào)中心主辦的學(xué)術(shù)性專(zhuān)業(yè)期刊。刊物原名《現(xiàn)代圖書(shū)情報(bào)技術(shù)》，2017年正式更名為《數(shù)據(jù)分析與知識(shí)發(fā)現(xiàn)》，致力于為計(jì)算機(jī)科學(xué)、情報(bào)科學(xué)、管理學(xué)領(lǐng)域的研究者提供一個(gè)重要的學(xué)術(shù)交流平臺(tái)。刊物將秉承“反映前沿動(dòng)態(tài)、推動(dòng)學(xué)科發(fā)展、引領(lǐng)學(xué)術(shù)創(chuàng)新”的辦刊理念，廣泛吸納計(jì)算機(jī)科學(xué)、數(shù)據(jù)科學(xué)、情報(bào)科學(xué)領(lǐng)域的優(yōu)秀研究成果，聚焦數(shù)據(jù)驅(qū)動(dòng)的語(yǔ)義...

新型AI工具通過(guò)可視化細(xì)胞的“社交網(wǎng)絡(luò)”助力癌癥治療————作者：本刊訊;

摘要：<正>近日，發(fā)表在Nature Genetics上的一篇文章介紹了一種新型AI工具NicheCompass，這是一種基于細(xì)胞間通信的深度學(xué)習(xí)AI模型，能快速分析和解讀來(lái)自患者的數(shù)百萬(wàn)個(gè)細(xì)胞，并預(yù)測(cè)分子變化，能精確定位個(gè)性化治療在癌癥等疾病中最有效的部位。NicheCompass利用生成式AI，創(chuàng)建了一個(gè)結(jié)合細(xì)胞類(lèi)型、位置及其交流方式的空間基因組數(shù)據(jù)的可視化數(shù)據(jù)庫(kù)。該工具是“人類(lèi)細(xì)胞圖譜...

《數(shù)據(jù)分析與知識(shí)發(fā)現(xiàn)》期刊征文

摘要：<正>1期刊定位《數(shù)據(jù)分析與知識(shí)發(fā)現(xiàn)》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、進(jìn)行知識(shí)發(fā)現(xiàn)與預(yù)測(cè)、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(shí)踐。期刊依靠并融匯計(jì)算機(jī)科學(xué)、科學(xué)計(jì)量學(xué)、社會(huì)計(jì)量學(xué)、網(wǎng)絡(luò)計(jì)量學(xué)、數(shù)據(jù)科學(xué)、管理科學(xué)、預(yù)測(cè)分析、循證政策分析等領(lǐng)域，幫助人們從數(shù)據(jù)發(fā)現(xiàn)知識(shí)、從知識(shí)提煉智慧（洞察力）、從知識(shí)和智慧推演并設(shè)計(jì)解決方案，并且嵌入到知...

跨學(xué)科術(shù)語(yǔ)語(yǔ)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(yǔ)詞在不同學(xué)科間存在的語(yǔ)義差異現(xiàn)象，挖掘語(yǔ)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(shí)現(xiàn)自動(dòng)化地識(shí)別和量化術(shù)語(yǔ)的語(yǔ)義差異，設(shè)計(jì)構(gòu)建語(yǔ)義差異程度指標(biāo)定量衡量語(yǔ)義差異程度，并對(duì)術(shù)語(yǔ)所涉及學(xué)科進(jìn)行共現(xiàn)分析。[結(jié)果]基于預(yù)訓(xùn)練模型的語(yǔ)義差異現(xiàn)象識(shí)別準(zhǔn)確率達(dá)到0.8193，所構(gòu)建度量指標(biāo)能夠?qū)φZ(yǔ)義差異進(jìn)行有效量化。[局限]研究局限于中文術(shù)語(yǔ)的語(yǔ)義差異，選取術(shù)語(yǔ)學(xué)科跨度范圍有限...

基于交互式語(yǔ)義增強(qiáng)的中文文檔級(jí)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(yǔ)義關(guān)聯(lián)信息，實(shí)現(xiàn)基于交互式語(yǔ)義增強(qiáng)的文檔級(jí)事件抽取效果的提升。[方法]本研究提出了一種交互式語(yǔ)義增強(qiáng)的中文文檔級(jí)事件抽取模型CSDEE，利用注意力機(jī)制構(gòu)建跨文檔的交互式語(yǔ)義網(wǎng)絡(luò)，增強(qiáng)實(shí)體識(shí)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(shí)驗(yàn)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(dá)到80.7%、84.1%和82.3%，優(yōu)于...

面向美國(guó)國(guó)會(huì)聽(tīng)證會(huì)的中國(guó)科技安全風(fēng)險(xiǎn)智能化識(shí)別——基于大語(yǔ)言模型等技術(shù)————作者：鄧航宇;唐川;蒲云強(qiáng);敖麗娟;王婉婧;

摘要：[目的]針對(duì)美國(guó)國(guó)會(huì)聽(tīng)證會(huì)文本數(shù)量大、涉及范圍廣、口語(yǔ)化表達(dá)多等特點(diǎn)，本文提出一個(gè)智能化識(shí)別中國(guó)科技安全風(fēng)險(xiǎn)的方法流程。[方法]本研究從聽(tīng)證會(huì)數(shù)據(jù)特征與情報(bào)分析人員實(shí)際需求出發(fā)，利用大語(yǔ)言模型等技術(shù)實(shí)現(xiàn)文本過(guò)濾、摘要生成以及智能問(wèn)答等模塊并將其有機(jī)結(jié)合在一起，從而達(dá)成高質(zhì)量的智能化識(shí)別。[結(jié)果]本研究以第118屆國(guó)會(huì)聽(tīng)證會(huì)文本為對(duì)象驗(yàn)證關(guān)鍵模塊的有效性。文本過(guò)濾的F1值、摘要生成的ROUGE-Ls...

基于大語(yǔ)言模型的政策知識(shí)庫(kù)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(lài)大量人工標(biāo)注和對(duì)齊比較，導(dǎo)致效率低下且易出錯(cuò)。本研究旨在通過(guò)構(gòu)建結(jié)構(gòu)化政策知識(shí)庫(kù)，提升政策信息檢索效率，實(shí)現(xiàn)政策智能分析與對(duì)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(yǔ)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(shí)庫(kù)構(gòu)建；2）檢索與存儲(chǔ)；3）答案生成。[結(jié)果]通過(guò)對(duì)國(guó)家、北京、上海、深圳四地惠企政策數(shù)據(jù)集驗(yàn)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(mèng)瑤;孫斌;江濤;崔家豪;

摘要：[目的]針對(duì)謠言抑制中對(duì)節(jié)點(diǎn)位置與社區(qū)重疊特性考慮不足的問(wèn)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(lái)精準(zhǔn)識(shí)別關(guān)鍵節(jié)點(diǎn)，結(jié)合重疊節(jié)點(diǎn)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(diǎn)集，并采用單向狀態(tài)轉(zhuǎn)換的線(xiàn)性閾值模型模擬謠言與真相的博弈。[結(jié)果]在四個(gè)真實(shí)數(shù)據(jù)集上的實(shí)驗(yàn)顯示，RSM-OC方法相較于基線(xiàn)算法的謠言抑制率平均提升23.3%，真相傳播范圍平均擴(kuò)大兩倍，特別...

考慮樣本語(yǔ)義特征與類(lèi)簇結(jié)構(gòu)特征的IDCCM文本深度聚類(lèi)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(lèi)方法DCCM局限于基于樣本語(yǔ)義特征進(jìn)行聚類(lèi)，無(wú)法充分利用類(lèi)簇結(jié)構(gòu)特征中蘊(yùn)含的具有高判別性的類(lèi)間結(jié)構(gòu)關(guān)系，制約了DCCM聚類(lèi)性能的進(jìn)一步提升。 [方法]本文提出融合類(lèi)簇結(jié)構(gòu)特征的改進(jìn)模型Improved-DCCM。首先，以DCCM作為基礎(chǔ)聚類(lèi)模型，引入基于高斯分布的文本數(shù)據(jù)增強(qiáng)策略，繼承DCCM的樣本語(yǔ)義特征挖掘能力。在此基礎(chǔ)上，通過(guò)樣本變量與類(lèi)簇變量之間的互信息損...

生成式AI對(duì)話(huà)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(hù)的交互技能和優(yōu)化使用體驗(yàn)。[方法]采用Q方法，邀請(qǐng)用戶(hù)根據(jù)其在通用場(chǎng)景、跨任務(wù)及跨模型的生成式AI使用經(jīng)驗(yàn)，對(duì)不同提示詞策略的有效性進(jìn)行排序，從而識(shí)別出具有普適性的有效提示詞策略類(lèi)型。[結(jié)果]研究發(fā)現(xiàn)，最有效的提示詞策略包括明確問(wèn)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(lèi)：明確需求與精確指引型、清晰解釋與邏輯排序型、拆...

　　數(shù)據(jù)分析與知識(shí)發(fā)現(xiàn)來(lái)自網(wǎng)友的投稿評(píng)論：

• 奔跑的辣椒醬

  2022年的第二篇C，解決了畢業(yè)資格，未來(lái)還要更加努力吖~ 論文第一版先后投稿《情報(bào)理論與實(shí)踐》、《情報(bào)科學(xué)》，均2周左右退稿，沒(méi)有任何意見(jiàn)。和導(dǎo)師商量討論后，對(duì)論文進(jìn)行了全面修改（改了一個(gè)寒假，由于疫情一直在家，所以大概改了2個(gè)月左右（含春節(jié)），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(shù)據(jù)分析與知識(shí)發(fā)現(xiàn)》，期刊審稿規(guī)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(shí)45天），最終版面費(fèi)2000元。這個(gè)期刊真的很贊，編輯部的小姐姐很友善溫和~是繼《科學(xué)學(xué)與科學(xué)技術(shù)管理》期刊之后的又一推薦期刊，研友們加油哦~

  2024-07-22 22:06
• 畫(huà)個(gè)圈圈兜住幸福

  從2019.4月開(kāi)始投稿 各種不同期刊的嘗試 中國(guó)管理科學(xué)，管理科學(xué)學(xué)報(bào)，系統(tǒng)工程理論與實(shí)踐，軟科學(xué)等等，先后被拒9次吧差不多。東北地區(qū)某985 小碩一枚，也是平生第一次正規(guī)寫(xiě)小論文，各種磕磕絆絆吧，最后還好2019年11月份投《數(shù)據(jù)分析與知識(shí)發(fā)現(xiàn)》到2020.2.18收到了錄用通知，還是挺開(kāi)心的，開(kāi)啟了學(xué)術(shù)生涯第一站。該刊和中國(guó)管理科學(xué)一樣都屬于C刊（非通常所說(shuō)CSSCI，此處的C為學(xué)校自定期刊的等級(jí)，管理世界為B級(jí)），

  2024-07-19 12:49
• 奔跑的辣椒醬

  2個(gè)月錄用，速度快，官網(wǎng)各種信息很詳細(xì)，期刊編輯校對(duì)很認(rèn)真。

  2024-01-27 11:00
• Yangming_ak

  學(xué)友們！請(qǐng)問(wèn)復(fù)審超期了是怎么回事呢？嗚嗚是不是寫(xiě)的太爛了編輯反饋困難

  2023-10-25 22:37
• 畫(huà)個(gè)圈圈兜住幸福

  圖情學(xué)科中科院系統(tǒng)兩大C刊之一，國(guó)內(nèi)首家實(shí)行支撐數(shù)據(jù)提交的社科期刊，論文質(zhì)量較高，圖情C刊中中等偏上，雖然是圖情類(lèi)期刊，但整體偏技術(shù)，本身也是CCF3類(lèi)和CSCD擴(kuò)，所以自科領(lǐng)域的應(yīng)用類(lèi)文章較多；審稿節(jié)奏非常緊湊，一般投稿2-3周就會(huì)進(jìn)入退修環(huán)節(jié)，可能有多次修改，一般能進(jìn)終審錄用的可能性就比較大了，順利的話(huà)兩個(gè)月左右錄用；固定版面費(fèi)2000，在情報(bào)學(xué)C刊中很劃算，審稿過(guò)程規(guī)范，編輯素質(zhì)很高，問(wèn)題處理及時(shí)，電話(huà)有問(wèn)必答，總體來(lái)說(shuō)是非常高質(zhì)量的一本期刊。

  2023-07-11 20:49

提交