• 基于知识图谱的学科主题演化分析与预测霍朝光|责编:孙宇清华大学9787302595236全新正版
  • 基于知识图谱的学科主题演化分析与预测霍朝光|责编:孙宇清华大学9787302595236全新正版
  • 基于知识图谱的学科主题演化分析与预测霍朝光|责编:孙宇清华大学9787302595236全新正版
  • 基于知识图谱的学科主题演化分析与预测霍朝光|责编:孙宇清华大学9787302595236全新正版
21年品牌 40万+商家 超1.5亿件商品

基于知识图谱的学科主题演化分析与预测霍朝光|责编:孙宇清华大学9787302595236全新正版

79.32 8.1折 98 全新

库存2件

河南平顶山
认证卖家担保交易快速发货售后保障

作者霍朝光|责编:孙宇

出版社清华大学

ISBN9787302595236

出版时间2021-12

装帧平装

开本其他

定价98元

货号31333917

上书时间2024-11-29

万卷淘书斋

已实名 已认证 进店 收藏店铺

   商品详情   

品相描述:全新
商品描述
作者简介
霍朝光,武汉大学与IndianaUniversityBloomington联合培养博士,中国人民大学“杰出学者支持计划”青年学者,中国人民大学信息资源管理学院讲师,主持国家自然科学基金项目“基于广度学习的学科主题演化预测研究”、中国博士后面上项目“基于动态知识图谱的学科主题演化预测研究”,参与国家自科重大研究计划、国际合作、地区合作项目3项;发表国际SSCI核心以及国内权威CSSCI论文30余篇;主要研究方向:科学学预测、知识图谱、文本挖掘、图挖掘等。

目录
第一章  绪论
  1.1  研究背景与意义
    1.1.1  研究背景
    1.1.2  研究意义
  1.2  国内外研究现状
    1.2.1  主题模型研究
    1.2.2  主题演化研究
    1.2.3  主题预测研究
    1.2.4  知识图谱
    1.2.5  表示学习
    1.2.6  现状述评
  1.3  研究内容与方法
    1.3.1  目标与内容
    1.3.2  研究方法
    1.3.3  研究难点
  1.4  研究贡献
第二章  理论基础
  2.1  知识进化论
    2.1.1  知识演化
    2.1.2  知识生命周期
  2.2  网络分析理论与方法
    2.2.1  引文网络
    2.2.2  Metapath
    2.2.3  PageRank
  2.3  深度表示学习模型
    2.3.1  Word2vec模型
    2.3.2  Doc2vec模型
    2.3.3  Node2vec模型
  2.4  时间序列模型
    2.4.1  ARIMA模型
    2.4.2  支持向量机模型
第三章  知识图谱构建
  3.1  计量知识图谱内涵
    3.1.1  计量知识图谱
    3.1.2  动态计量知识图谱
  3.2  计量实体与关系
    3.2.1  数据下载
    3.2.2  计量实体抽取
    3.2.3  计量实体消歧
    3.2.4  计量实体关系
  3.3  MeSH中的实体与关系
    3.3.1  MeSH知识库
    3.3.2  MeSH解析
  3.4  计量实体与MeSH实体关联
    3.4.1  全文检索Lucene
    3.4.2  基于pylucene的计量实体与MeSH实体关联
  3.5  计量知识图谱时间划分与构建
  3.6  本章小结
第四章  实体热度计算
  4.1  热度计算

内容摘要
本研究在梳理知识演化、知识生命周期等知识进化理论和思想的基础上,介绍了引文网络、Meta-path、
PageRank等网络分析理论和方法,阐述了Word2vec、
Doc2vec、Node2vec等深度表示学习模型以及ARIMA、SVM等时间序列模型,以期为科学主题的演化和热度预测提供理论基础和方法支撑;以生物医学与生命科学领域PubMedCentral数据全集为例,基于知识图谱技术构建了一种面向计量相关研究和应用的垂直领域知识图谱——计量知识图谱;创新计量指标,计算计量实体的热度,用热度值反应主题所处的演化状态;采用一系列深度学习等方法挖掘科学主题在计量知识图谱中的特征,分析科学主题的演化规律;基于SVM、ARIMA、LSTM等一系列时间序列模型构建学科主题预测模型,优化、验证模型,并进行应用研究。读者对象:高等学校信息科学、情报学、信息管理等相关专业的学生,以及从事科技情报、知识管理、知识服务的实际工作者

主编推荐
学科领域资深教授、长江学者联名推荐;知识关联下的科学规律发现和未来预测;开启大数据驱动下的大知识时代之门

—  没有更多了  —

以下为对购买帮助不大的评价

此功能需要访问孔网APP才能使用
暂时不用
打开孔网APP