数智赋能下技术挖掘的新理论与新方法研究
全新正版 极速发货
￥ 31.27 5.4折 ￥ 58 全新
库存9件
广东广州
认证卖家担保交易快速发货售后保障
作者张金柱 著
出版社科学技术文献出版社
ISBN9787523510087
出版时间2024-12
装帧平装
开本其他
定价58元
货号1203483657
上书时间2024-12-31
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
张金柱，博士，南京理工大学经济管理学院副教授、博士生导师。主要研究方向为科技大数据分析与挖掘、智能信息处理和信息推荐，入选江苏省“333高层次人才培养工程”培养对象和江苏省知识产权骨干人才，获江苏省电力科学技术进步奖一等奖。以第一作者在《Information Processing & Management》、《Expert Systems With Applications》、《Scientometrics》、《情报学报》、《数据分析与知识发现》等国内外重要期刊和学术会议上发表论文40余篇，以独著身份版专著2部；主持各级各类项目近10项；参与国家社科基金重大项目、重点项目等各类项目10余项。
目录
第1 章 绪 论 ......................................................................................0011.1 研究背景 ......................................................................................... 0021.1.1 数智技术赋能多学科新的增长点 ..................................... 0021.1.2 技术挖掘是推动科技创新的重要力量 ............................. 0031.1.3 数智赋能技术挖掘新的机遇 ............................................. 0061.2 相关概念界定 ................................................................................. 0071.2.1 数智赋能 ............................................................................. 0071.2.2 专利信息 ............................................................................. 0081.2.3 技术知识单元 ..................................................................... 0091.2.4 技术主题演化 ..................................................................... 0111.2.5 技术融合 ............................................................................. 0121.2.6 技术融合关系价值 ............................................................. 0131.2.7 多源异构数据融合 ............................................................. 0141.2.8 新兴技术 ............................................................................. 0151.3 研究意义和研究问题 ..................................................................... 0161.3.1 研究意义 ............................................................................. 0161.3.2 研究问题 ............................................................................. 0191.3.3 研究内容 ............................................................................. 0221.4 研究方法和研究框架 ..................................................................... 0241.4.1 研究方法 ............................................................................. 0241.4.2 研究框架 ............................................................................. 027第2 章 数智赋能技术挖掘......................................................... 0302.1 数智赋能的基本理论和方法 ......................................................... 0302.1.1 数智赋能基本理论 ............................................................. 0312.1.2 数智赋能基本方法 ............................................................. 0332.2 技术挖掘的基本理论和方法 ......................................................... 0382.2.1 专利技术挖掘的基本流程 ................................................. 0382.2.2 专利技术挖掘的应用范畴 ................................................. 0392.2.3 专利技术挖掘的基本方法 ................................................. 0402.3 数智赋能技术挖掘的基本理论和方法 ......................................... 0452.3.1 知识单元挖掘视角 ............................................................. 0462.3.2 技术整体挖掘视角 ............................................................. 050第3 章 实体语义表示+ 技术挖掘：数智赋能下的技术主题演化路径识别 ............0563.1 实体语义表示赋能技术挖掘 ......................................................... 0563.1.1 知识语义表示视角下的数智赋能 ..................................... 0583.1.2 实体抽取及其语义表示视角下的数智赋能 ..................... 0613.2 技术主题演化路径识别的研究基础 ............................................. 0633.2.1 技术演化理论基础 ............................................................. 0643.2.2 技术演化路径识别方法 ..................................................... 0653.3 基于实体语义表示的技术主题演化路径识别 ............................. 0683.3.1 专利技术实体抽取 ............................................................. 0693.3.2 专利技术实体语义表示 ..................................................... 0733.3.3 基于K-means 聚类的技术主题识别 ................................. 0743.3.4 基于知识流动的主题演化路径识别 ................................. 0743.4 无人机领域的技术主题演化路径识别应用 ................................. 0773.4.1 无人机领域的专利技术实体抽取 ..................................... 0773.4.2 无人机领域的专利技术实体语义表示 ............................. 0823.4.3 基于K-means 聚类的无人机领域技术主题识别 ............. 0823.4.4 基于知识流动的无人机领域主题演化路径识别 ............. 0843.4.5 无人机领域主题演化路径识别结果可视化 ..................... 089第4 章 实体关系抽取+ 技术挖掘：数智赋能下的技术主题演化语义关联发现 ............0914.1 语义关系抽取赋能技术挖掘 ......................................................... 0914.1.1 语义关联发现视角下的数智赋能 ..................................... 0924.1.2 实体关系抽取视角下的数智赋能 ..................................... 0924.1.3 数智赋能下的主题实体间演化关系抽取 ......................... 0934.2 技术主题演化路径语义关联发现的研究基础 ............................. 0944.2.1 基于特征指标的主题演化关联发现 ................................. 0944.2.2 基于结构化信息的语义关联发现 ..................................... 0954.2.3 融合语义关系的技术主题演化关联发现 ......................... 0964.3 基于实体关系抽取的技术主题演化语义关联发现方法 ............. 0974.3.1 专利实体间关系预定义 ..................................................... 0974.3.2 专利实体间关系抽取 ......................................................... 0984.3.3 技术主题演化语义关联发现方法 ..................................... 1014.4 无人机领域的技术主题演化语义关联发现应用 ......................... 1034.4.1 无人机领域的专利实体间语义关系抽取 ......................... 1044.4.2 无人机领域的技术主题之间语义关系发现 ..................... 1074.4.3 无人机领域主题演化语义关联结果可视化 ..................... 109第5 章 复杂网络+ 技术挖掘：数智赋能下的技术融合关系预测 .................1125.1 复杂网络赋能技术挖掘 ................................................................. 1125.1.1 技术融合预测 ..................................................................... 1135.1.2 复杂网络的基本理论与方法 ............................................. 1135.1.3 复杂网络视角下的技术融合关系预测 ............................. 1165.2 技术融合关系预测的研究基础 ..................................................... 1175.2.1 基于复杂网络的技术融合关系预测 ................................. 1175.2.2 基于机器学习的技术融合关系预测 ................................. 1185.3 基于复杂网络的技术融合关系预测方法 ..................................... 1195.3.1 技术融合关系预测的特征构建 ......................................... 1195.3.2 基于复杂网络的技术融合关系预测 ................................. 1225.4 技术融合关系预测应用 ................................................................. 1225.4.1 技术融合关系预测的特征构建结果 ................................. 1225.4.2 技术融合关系预测结果 ..................................................... 125第6 章 机器学习+ 技术挖掘：数智赋能下的技术融合价值评估 ..................1286.1 机器学习赋能技术挖掘 ................................................................. 1286.1.1 技术融合价值评估 ............................................................. 1296.1.2 机器学习的基本理论与方法 ............................................. 1306.1.3 机器学习视角下的技术融合价值评估 ............................. 1346.2 技术融合价值评估的研究基础 ..................................................... 1356.2.1 技术融合价值评估理论基础 ............................................. 1356.2.2 技术融合价值评估方法 ..................................................... 1366.3 基于机器学习的技术融合价值评估方法 ..................................... 1366.3.1 专利分类引用网络构建 ..................................................... 1366.3.2 技术融合价值的评价指标构建 ......................................... 1376.3.3 技术融合价值评估 ............................................................. 1386.4 技术融合价值评估应用 ................................................................. 1396.4.1 技术融合价值评估方程获取 ............................................. 1396.4.2 技术融合价值评估结果 ..................................................... 140第7 章 深度学习+ 多源数据技术挖掘：数智赋能下的新兴技术识别 ..........................1427.1 深度学习和多源数据赋能技术挖掘 ............................................. 1437.1.1 多源异构数据的定义 ......................................................... 1437.1.2 数智赋能视角下的数据融合方法 ..................................... 1457.1.3 数智赋能视角下的多源数据融合应用 ............................. 1467.2 新兴技术识别的研究基础 ............................................................. 1467.2.1 新兴技术的概念与属性 ..................................................... 1477.2.2 新兴技术识别指标 ............................................................. 1487.2.3 新兴技术识别方法 ............................................................. 1507.3 基于多源数据及深度学习的新兴技术识别方法 ......................... 1537.3.1 基于技术属性的特征分类 ................................................. 1537.3.2 基于数据融合的新兴分数指标 ......................................... 1557.3.3 基于多源数据的特征提取 ................................................. 1567.3.4 基于深度学习的新兴分数预测 ......................................... 1577.4 新兴技术识别应用 ......................................................................... 1587.4.1 数据准备 ............................................................................. 1587.4.2 基于多源数据的对比设计 ................................................. 1597.4.3 基于深度学习的新兴分数预测结果 ................................. 1607.4.4 实证结果对比与分析 ......................................................... 162第8 章 结论与展望 ............................................................................1678.1 本书研究总结 ................................................................................. 1678.2 贡献与创新之处 ............................................................................. 1718.3 不足与后续研究 ............................................................................. 172参考文献 ...............................................................................................174
内容摘要
本书形成一系列数智赋能下技术挖掘的新理论和新方法，主要包括：实体语义表示赋能技术挖掘下的技术主题演化路径识别、实体关系抽取赋能技术挖掘下的技术主题演化语义关联发现、复杂网络赋能技术挖掘下的技术融合关系预测、机器学习赋能技术挖掘下的技术融合价值评估、深度学习赋能多源数据技术挖掘下的新兴技术识别。这些新理论和新方法的形成，能提高多种技术挖掘任务的准确性、可解释性和多样性，创新技术挖掘的研究理论和方法，支撑需求驱动的管理决策向数智驱动的管理决策转变。
— 没有更多了 —
以下为对购买帮助不大的评价