数智赋能下技术挖掘的新理论与新方法研究9787523510087
正版图书，可开发票，请放心购买。
￥ 39.61 6.8折 ￥ 58 全新
库存2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|
出版社科技文献
ISBN9787523510087
出版时间2023-11
装帧其他
开本其他
定价58元
货号32267199
上书时间2025-01-01
- 店主推荐
- 最新上架
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《InformationProcessing&Management》、《ExpertSystemsWithApplications》、《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 ......................................................................................001
1.1 研究背景 ......................................................................................... 002
1.1.1 数智技术赋能多学科新的增长点 ..................................... 002
1.1.2 技术挖掘是推动科技创新的重要力量 ............................. 003
1.1.3 数智赋能技术挖掘新的机遇 ............................................. 006
1.2 相关概念界定 ................................................................................. 007
1.2.1 数智赋能 ............................................................................. 007
1.2.2 专利信息 ............................................................................. 008
1.2.3 技术知识单元 ..................................................................... 009
1.2.4 技术主题演化 ..................................................................... 011
1.2.5 技术融合 ............................................................................. 012
1.2.6 技术融合关系价值 ............................................................. 013
1.2.7 多源异构数据融合 ............................................................. 014
1.2.8 新兴技术 ............................................................................. 015
1.3 研究意义和研究问题 ..................................................................... 016
1.3.1 研究意义 ............................................................................. 016
1.3.2 研究问题 ............................................................................. 019
1.3.3 研究内容 ............................................................................. 022
1.4 研究方法和研究框架 ..................................................................... 024
1.4.1 研究方法 ............................................................................. 024
1.4.2 研究框架 ............................................................................. 027
第2 章 数智赋能技术挖掘......................................................... 030
2.1 数智赋能的基本理论和方法 ......................................................... 030
2.1.1 数智赋能基本理论 ............................................................. 031
2.1.2 数智赋能基本方法 ............................................................. 033
2.2 技术挖掘的基本理论和方法 ......................................................... 038
2.2.1 专利技术挖掘的基本流程 ................................................. 038
2.2.2 专利技术挖掘的应用范畴 ................................................. 039
2.2.3 专利技术挖掘的基本方法 ................................................. 040
2.3 数智赋能技术挖掘的基本理论和方法 ......................................... 045
2.3.1 知识单元挖掘视角 ............................................................. 046
2.3.2 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 ............056
3.1 实体语义表示赋能技术挖掘 ......................................................... 056
3.1.1 知识语义表示视角下的数智赋能 ..................................... 058
3.1.2 实体抽取及其语义表示视角下的数智赋能 ..................... 061
3.2 技术主题演化路径识别的研究基础 ............................................. 063
3.2.1 技术演化理论基础 ............................................................. 064
3.2.2 技术演化路径识别方法 ..................................................... 065
3.3 基于实体语义表示的技术主题演化路径识别 ............................. 068
3.3.1 专利技术实体抽取 ............................................................. 069
3.3.2 专利技术实体语义表示 ..................................................... 073
3.3.3 基于K-means 聚类的技术主题识别 ................................. 074
3.3.4 基于知识流动的主题演化路径识别 ................................. 074
3.4 无人机领域的技术主题演化路径识别应用 ................................. 077
3.4.1 无人机领域的专利技术实体抽取 ..................................... 077
3.4.2 无人机领域的专利技术实体语义表示 ............................. 082
3.4.3 基于K-means 聚类的无人机领域技术主题识别 ............. 082
3.4.4 基于知识流动的无人机领域主题演化路径识别 ............. 084
3.4.5 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 ............091
4.1 语义关系抽取赋能技术挖掘 ......................................................... 091
4.1.1 语义关联发现视角下的数智赋能 ..................................... 092
4.1.2 实体关系抽取视角下的数智赋能 ..................................... 092
4.1.3 数智赋能下的主题实体间演化关系抽取 ......................... 093
4.2 技术主题演化路径语义关联发现的研究基础 ............................. 094
4.2.1 基于特征指标的主题演化关联发现 ................................. 094
4.2.2 基于结构化信息的语义关联发现 ..................................... 095
4.2.3 融合语义关系的技术主题演化关联发现 ......................... 096
4.3 基于实体关系抽取的技术主题演化语义关联发现方法 ............. 097
4.3.1 专利实体间关系预定义 ..................................................... 097
4.3.2 专利实体间关系抽取 ......................................................... 098
4.3.3 技术主题演化语义关联发现方法 ..................................... 101
4.4 无人机领域的技术主题演化语义关联发现应用 ......................... 103
4.4.1 无人机领域的专利实体间语义关系抽取 ......................... 104
4.4.2 无人机领域的技术主题之间语义关系发现 ..................... 107
4.4.3 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 .................112
5.1 复杂网络赋能技术挖掘 ................................................................. 112
5.1.1 技术融合预测 ..................................................................... 113
5.1.2 复杂网络的基本理论与方法 ............................................. 113
5.1.3 复杂网络视角下的技术融合关系预测 ............................. 116
5.2 技术融合关系预测的研究基础 ..................................................... 117
5.2.1 基于复杂网络的技术融合关系预测 ................................. 117
5.2.2 基于机器学习的技术融合关系预测 ................................. 118
5.3 基于复杂网络的技术融合关系预测方法 ..................................... 119
5.3.1 技术融合关系预测的特征构建 ......................................... 119
5.3.2 基于复杂网络的技术融合关系预测 ................................. 122
5.4 技术融合关系预测应用 ................................................................. 122
5.4.1 技术融合关系预测的特征构建结果 ................................. 122
5.4.2 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 ..................128
6.1 机器学习赋能技术挖掘 ................................................................. 128
6.1.1 技术融合价值评估 ............................................................. 129
6.1.2 机器学习的基本理论与方法 ............................................. 130
6.1.3 机器学习视角下的技术融合价值评估 ............................. 134
6.2 技术融合价值评估的研究基础 ..................................................... 135
6.2.1 技术融合价值评估理论基础 ............................................. 135
6.2.2 技术融合价值评估方法 ..................................................... 136
6.3 基于机器学习的技术融合价值评估方法 ..................................... 136
6.3.1 专利分类引用网络构建 ..................................................... 136
6.3.2 技术融合价值的评价指标构建 ......................................... 137
6.3.3 技术融合价值评估 ............................................................. 138
6.4 技术融合价值评估应用 ................................................................. 139
6.4.1 技术融合价值评估方程获取 ............................................. 139
6.4.2 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 ..........................142
7.1 深度学习和多源数据赋能技术挖掘 ............................................. 143
7.1.1 多源异构数据的定义 ......................................................... 143
7.1.2 数智赋能视角下的数据融合方法 ..................................... 145
7.1.3 数智赋能视角下的多源数据融合应用 ............................. 146
7.2 新兴技术识别的研究基础 ............................................................. 146
7.2.1 新兴技术的概念与属性 ..................................................... 147
7.2.2 新兴技术识别指标 ............................................................. 148
7.2.3 新兴技术识别方法 ............................................................. 150
7.3 基于多源数据及深度学习的新兴技术识别方法 ......................... 153
7.3.1 基于技术属性的特征分类 ................................................. 153
7.3.2 基于数据融合的新兴分数指标 ......................................... 155
7.3.3 基于多源数据的特征提取 ................................................. 156
7.3.4 基于深度学习的新兴分数预测 ......................................... 157
7.4 新兴技术识别应用 ......................................................................... 158
7.4.1 数据准备 ............................................................................. 158
7.4.2 基于多源数据的对比设计 ................................................. 159
7.4.3 基于深度学习的新兴分数预测结果 ................................. 160
7.4.4 实证结果对比与分析 ......................................................... 162
第8 章 结论与展望 ............................................................................167
8.1 本书研究总结 ................................................................................. 167
8.2 贡献与创新之处 ............................................................................. 171
8.3 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