科技文献溯源方法的研究
这是一篇关于文献推荐,表示学习,注意力机制的论文, 主要内容为随着每年大量的学术论文被发表,研究者需要花费越来越多的时间进行文献查找。现有的文献推荐算法通过计算文献相似性对推荐结果进行排序,忽略了推荐文献间的联系,不能很好地对相关领域的文献进行有效溯源以及重要文献推荐。本文提出了新的文献推荐方法,对于给定的查询文献,能够溯源并推荐相关文献的演化路径,让研究者能够掌握相关研究主题的发展与演化脉络。具体工作如下:(1)为了能够对文献进行有效地溯源和相关文献推荐,本文首先提出了融合文本信息和网络结构信息的文献演化路径推荐算法。该算法综合考虑了文献的文本语义信息和网络结构信息,将文献映射为低维向量表示,并设计了文献相似性评估方法,最后基于文章相似性生成文献演化路径对给定文献进行溯源和推荐。实验表明提出的方法相较于其他推荐方法具有更好的表现。(2)为了能够更有效地挖掘学术文献网络中的关联信息以及学术文献演化路径中文献间的关联性,本文提出了一个基于学术知识网络的自注意力文献演化路径推荐算法。该算法利用知识图谱嵌入技术对学术文献网络进行建模,保留文献网络中的关联信息,然后构建自注意力网络对文献演化路径进行高效的学习与预测。实验验证了所提方法能够更好地挖掘文献网络信息,具有较好的性能。(3)针对目前文献推荐领域对推荐结果缺乏有效的解释,本文提出了基于注意力图神经网络的文献演化路径推荐算法,为结果提供了一定的解释性。该算法首先利用图神经网络对学术文献网络进行建模,针对不同实体类型与关系类型之间的交互信息,设计网络相邻结点间的注意力函数,根据注意力权重进行网络信息的传播和聚合,得到文献网络中实体与高阶邻居间的关系,然后利用循环神经网络对文献演化路径进行有效建模,实现文献溯源和文献演化路径推荐。实验证明了所提方法的效果,且对结果能够提供解释性。综上,本文对科技文献溯源问题进行了研究,提出的推荐算法能更有效地对某个研究话题领域进行溯源以及相关文章推荐,对文献推荐的相关研究工作具有一定的参考价值。
面向导师的学生学术指导系统的设计与实现
这是一篇关于学术指导系统,文献推荐,图嵌入,决策树的论文, 主要内容为近年来,在国家对教育事业的大力支持下,高等教育的普及程度越来越高,招生规模显著扩大,2021年研究生招生规模较2010年甚至增长了118.77%,导致高校导师所需指导的学生人数增加,学生指导工作压力增大。学生指导工作是影响人才培养质量的重要因素,除学生人数增加导致的学生指导工作压力增大外,当前的学生指导工作亦缺乏过程化管理与记录。如何通过信息化手段提升指导的过程化管理是当前工作的重中之重。然而当前市面上的教学辅助系统多为供高校教务处、团委等部门使用的学生管理系统,均聚焦在学生就业管理、实习管理、心理健康、宿舍管理、选课等学生日常事务的管理。因此,急需一个面向导师的学生学术指导系统来为高校导师的学生指导工作提供过程化管理手段。同时,步入信息化时代以来,互联网中学术文献的数量迎来了爆发性增长,导师和学生面临着日益严重的学术文献信息过载问题,导致导师和学生需要耗费大量时间、精力来获取文献。因此,急需通过个性化推荐方式来解决此问题。基于以上背景,本文采用MVC设计模式,设计并实现了一个B/S架构的面向导师的学生学术指导系统。系统前端基于Vue.js和Element UI实现;后端基于Spring Boot、Spring MVC和My Batis实现;使用My SQL作为主业务数据库。系统实现了个人中心、师门管理、学术指导、学术成果库以及毕业生追踪五个模块,能够有效提升导师进行学术指导工作的效率和效果。此外,针对导师、学生所面临的学术文献信息过载问题,本系统在学术指导模块中提供学术文献推荐功能,实现了不同用户的学术文献个性化推荐。本系统设计了一个召回、排序两阶段的推荐模型实现个性化的学术文献推荐。召回阶段基于EGES图嵌入算法实现,通过计算用户与文献间嵌入向量的相似度对学术文献进行过滤,获得一个规模相对较小的候选文献集;排序阶段基于Light GBM决策树算法实现,通过学习用户历史行为来预测用户对候选文献的点击概率,并将候选文献集中点击概率最高的Top-N篇文献作为最终的推荐结果返回给用户,完成推荐。本文在Cite ULike数据集上对本系统所使用的学术文献推荐模型与主流算法进行对比,实验结果表明本文所使用的学术文献推荐模型具有更好的推荐效果。目前,本系统已完成开发并通过了测试,处于试运行阶段。试运行期间,系统功能稳定,能够满足用户使用。
基于学术大数据的论文作者姓名消岐与文献推荐方法研究
这是一篇关于学术大数据,姓名消歧,文献推荐的论文, 主要内容为飞速发展的科学技术引领人们的生活逐渐走入更好的方向,这一切都来源于研究者日以继夜的对未来科技的辛勤探索。但是随着研究者数量的不断增长,每年公开发表的科研文献的数量呈现爆发之势,人们将这些规模日益庞大的内容统称为学术大数据。现有的学术信息检索网站可以对文献进行归档并提供检索功能,然而网站中使用的传统技术方法在面对如此庞大的数据规模时已经开始显得力不从心。姓名消歧和文献推荐是学术信息检索网站中两个重要的技术组成部分,前一种确保将各类文献归档到正确学者名下,后一种可以大大减少科研人员在检索文献上花费的时间。考虑到学术信息检索网站的现实情况,现有姓名消歧方法仍有以下问题:(1)大多数方法都是聚类消歧,会覆盖之前的消歧成果;(2)增量消歧虽然可以保留之前的消歧成果,但对特征的使用方式较为单一。文献推荐也同样由于大多使用基于内容的推荐方法导致推荐范围狭窄,研究内容过于相近,难以对研究者有所启发。基于如上技术背景,本文将进行以下研究:(1)针对现有姓名消歧方法存在的难以保留消歧成果、特征使用不充分等问题,提出一种基于多维特征融合的增量论文作者姓名消歧方法。本文首先根据方法原理和任务需求将求解过程分为姓名匹配和论文归档两个阶段。在姓名匹配阶段,方法利用两步姓名匹配规则在确保召回率的前提下尽可能提升待消歧论文候选作者召回的精度;在论文归档阶段,不同于以往传统方法每次仅对单一维度的特征进行抽取,方法将时间维度信息融合进特征抽取的过程中,结合数据挖掘算法对待消歧论文和候选作者间的七大类别特征进行抽取,最后使用Blending模型集成方法进一步提高模型的性能。通过实验验证,第一阶段姓名匹配的最终召回率达到99.72%,第二阶段论文归档的Weight F1值达到0.954,相比其它现有模型性能提升了近3%,验证了所提出方法的优越性。(2)针对现有文献推荐方法推荐范围狭窄,效果不佳的问题,提出一种基于实体交互知识图谱的文献推荐方法。本文首先根据方法原理将用户与物品间的各种互动行为定义为实体交互属性,并基于任务需求将整个推荐过程分为三个步骤。第一步,从数据集中提取包含用户与物品互动行为的实体交互事实三元组;第二步,利用翻译嵌入算法将实体交互事实三元组嵌入到指定维度;第三步,基于用户行为的相似性,通过链接预测方法预测用户可能感兴趣的物品。在两个数据集上的实验结果显示,采用命中率(Hit Ratio,HR)作为评价指标,本方法相较于其它方法有最高6.6%和2.4%,平均5.7%和0.6%的提升;采用NDCG(Normalized Discounted Cumulative Gain)作为评价指标,本方法相较于其它方法有最高3.6%和2.5%,平均3.5%和2.0%的提升。实验结果验证了本文提出方法在文献推荐方面的有效性。
基于Web的影像科智能信息管理系统研究与设计
这是一篇关于数据管理,文件上传,数据安全,文献推荐的论文, 主要内容为政策导向、内部驱动、民众需要,数字化转型已成为医院的必答题,医院管理由粗放型向精细化方向转变亦是必然趋势。影像科是为临床诊疗提供影像检查结果的重要科室,其日常管理工作繁杂、分散。随着科室任务与科室数据的不断增多,急需一个科学、规范、安全、高效管理科室工作的智能化系统。因此,本文面向影像科实际需求,设计并实现了基于Web的智能信息管理系统,完成的主要工作包括:1.针对影像科数据繁杂、分散,数字化管理水平低问题,设计一种基于Web的影像科信息管理系统。针对影像数据规模大,网络传输效率低及易中断问题提出一种大文件上传方法,通过综合利用Web Uploader插件、文件分片技术、MD5算法和多线程技术实现了分片文件的接续并发传输,并利用后缀检查与MD5命名方式防范上传漏洞。从而不仅实现了大文件的高效传输,而且提高了有效性与可靠性。2.针对Web环境下的信息管理系统需具备高安全性问题,设计一种多重安全防护方案。利用Shiro安全框架和RBAC访问控制模式设计系统架构,并通过设计权限验证与访问日志追溯等模块防止非法访问与操作,从而保证了系统安全;利用Mybatis框架,结合Druid连接池技术,设计高效地数据库安全访问方式,以防止SQL非法注入,从而保证了数据库安全;利用优化的RSA非对称加密算法与AES对称加密算法设计一种混合加密的端到端数据传输方案,从而保证了数据传输安全性,并有效提高了数据传输实时性。3.针对科室数据利用率不足问题,设计一种基于内容的医学文献智能推荐模型。综合利用BERT和TF-IDF提取并融合文本特征,增加引用量和发表年份作为推荐影响因素,引入时间衰减函数计算文献质量得分,从而提高了推荐质量。基于Web的影像科智能信息管理系统不仅能提供安全、高效的信息管理,还能进行智能推荐。能够有效提高工作效率,节省管理成本,保护数据安全,在一定程度上提高医院综合管理水平,具有重要现实意义。
面向导师的学生学术指导系统的设计与实现
这是一篇关于学术指导系统,文献推荐,图嵌入,决策树的论文, 主要内容为近年来,在国家对教育事业的大力支持下,高等教育的普及程度越来越高,招生规模显著扩大,2021年研究生招生规模较2010年甚至增长了118.77%,导致高校导师所需指导的学生人数增加,学生指导工作压力增大。学生指导工作是影响人才培养质量的重要因素,除学生人数增加导致的学生指导工作压力增大外,当前的学生指导工作亦缺乏过程化管理与记录。如何通过信息化手段提升指导的过程化管理是当前工作的重中之重。然而当前市面上的教学辅助系统多为供高校教务处、团委等部门使用的学生管理系统,均聚焦在学生就业管理、实习管理、心理健康、宿舍管理、选课等学生日常事务的管理。因此,急需一个面向导师的学生学术指导系统来为高校导师的学生指导工作提供过程化管理手段。同时,步入信息化时代以来,互联网中学术文献的数量迎来了爆发性增长,导师和学生面临着日益严重的学术文献信息过载问题,导致导师和学生需要耗费大量时间、精力来获取文献。因此,急需通过个性化推荐方式来解决此问题。基于以上背景,本文采用MVC设计模式,设计并实现了一个B/S架构的面向导师的学生学术指导系统。系统前端基于Vue.js和Element UI实现;后端基于Spring Boot、Spring MVC和My Batis实现;使用My SQL作为主业务数据库。系统实现了个人中心、师门管理、学术指导、学术成果库以及毕业生追踪五个模块,能够有效提升导师进行学术指导工作的效率和效果。此外,针对导师、学生所面临的学术文献信息过载问题,本系统在学术指导模块中提供学术文献推荐功能,实现了不同用户的学术文献个性化推荐。本系统设计了一个召回、排序两阶段的推荐模型实现个性化的学术文献推荐。召回阶段基于EGES图嵌入算法实现,通过计算用户与文献间嵌入向量的相似度对学术文献进行过滤,获得一个规模相对较小的候选文献集;排序阶段基于Light GBM决策树算法实现,通过学习用户历史行为来预测用户对候选文献的点击概率,并将候选文献集中点击概率最高的Top-N篇文献作为最终的推荐结果返回给用户,完成推荐。本文在Cite ULike数据集上对本系统所使用的学术文献推荐模型与主流算法进行对比,实验结果表明本文所使用的学术文献推荐模型具有更好的推荐效果。目前,本系统已完成开发并通过了测试,处于试运行阶段。试运行期间,系统功能稳定,能够满足用户使用。
基于引文网络的文献在线推荐系统研究和实现
这是一篇关于文献推荐,数据挖掘,引文网络,核心文献的论文, 主要内容为近几年来学术文献的飞速增长,仅2015年一年发表的论文数量就高达百万篇,海量的文献给研究者带来了诸多可以参考的资源,但是如何从海量的文献以较短的时间检索到该领域的核心论文成为亟待解决的问题。在线文献推荐系统旨在对于给定文献或者检索特定关键词的时候,系统能够以自动化实时的方式推荐合适的引文给用户,从而提高研究者撰写论文效率。针对上述问题,本文设计了一种新的文献在线推荐系统,实现文献的在线实时推荐,该系统提供多种格式的种子文献输入接口,根据用户的输入,以百度学术为入口,通过计算机6大主流数据库构建完整的文献引用网络,通过MCL算法进行引文网络的聚类并且通过PageRank算法对引文的被引次数排名,以此来确定引文的主干方向和文章的权威性,挖掘出由种子文献构造的第一层核心文献,然后,以第一层的核心文献作为二次种子文献进行二次数据挖掘,找出由第一层核心文献构造的二层参考文献引用网络和引用第一层核心文献构造的最新文献引用网络,构成完整的一个引文网络。综合以上结果,系统最终以可视化的方式进行文献推荐结果的展示,方便学术研究。该系统主要包含五个模块,分别是参考文献列表提取模块,主要是实现参考文献的标题、作者、出版日期等元素的分离；引用网络的数据获取模块,主要实现参考文献引用网络的构建；参考文献引用网络的数据挖掘模块,主要实现的是在已有的引用网络上通过数据挖掘的方法找出该领域的核心文献；最后两个模块是文献在线推荐系统的可视化模块,和用户个人模块。最后从文献在线推荐的效果上来看,该系统能够在海量的文献中找出该领域的核心文献,并且相对于传统的学术推荐,该系统还能挖掘出最新经典文献以及基于个性化推荐,该系统相对于传统的引文推荐系统具有更加明显的优势。
科技文献溯源方法的研究
这是一篇关于文献推荐,表示学习,注意力机制的论文, 主要内容为随着每年大量的学术论文被发表,研究者需要花费越来越多的时间进行文献查找。现有的文献推荐算法通过计算文献相似性对推荐结果进行排序,忽略了推荐文献间的联系,不能很好地对相关领域的文献进行有效溯源以及重要文献推荐。本文提出了新的文献推荐方法,对于给定的查询文献,能够溯源并推荐相关文献的演化路径,让研究者能够掌握相关研究主题的发展与演化脉络。具体工作如下:(1)为了能够对文献进行有效地溯源和相关文献推荐,本文首先提出了融合文本信息和网络结构信息的文献演化路径推荐算法。该算法综合考虑了文献的文本语义信息和网络结构信息,将文献映射为低维向量表示,并设计了文献相似性评估方法,最后基于文章相似性生成文献演化路径对给定文献进行溯源和推荐。实验表明提出的方法相较于其他推荐方法具有更好的表现。(2)为了能够更有效地挖掘学术文献网络中的关联信息以及学术文献演化路径中文献间的关联性,本文提出了一个基于学术知识网络的自注意力文献演化路径推荐算法。该算法利用知识图谱嵌入技术对学术文献网络进行建模,保留文献网络中的关联信息,然后构建自注意力网络对文献演化路径进行高效的学习与预测。实验验证了所提方法能够更好地挖掘文献网络信息,具有较好的性能。(3)针对目前文献推荐领域对推荐结果缺乏有效的解释,本文提出了基于注意力图神经网络的文献演化路径推荐算法,为结果提供了一定的解释性。该算法首先利用图神经网络对学术文献网络进行建模,针对不同实体类型与关系类型之间的交互信息,设计网络相邻结点间的注意力函数,根据注意力权重进行网络信息的传播和聚合,得到文献网络中实体与高阶邻居间的关系,然后利用循环神经网络对文献演化路径进行有效建模,实现文献溯源和文献演化路径推荐。实验证明了所提方法的效果,且对结果能够提供解释性。综上,本文对科技文献溯源问题进行了研究,提出的推荐算法能更有效地对某个研究话题领域进行溯源以及相关文章推荐,对文献推荐的相关研究工作具有一定的参考价值。
基于引文网络的文献在线推荐系统研究和实现
这是一篇关于文献推荐,数据挖掘,引文网络,核心文献的论文, 主要内容为近几年来学术文献的飞速增长,仅2015年一年发表的论文数量就高达百万篇,海量的文献给研究者带来了诸多可以参考的资源,但是如何从海量的文献以较短的时间检索到该领域的核心论文成为亟待解决的问题。在线文献推荐系统旨在对于给定文献或者检索特定关键词的时候,系统能够以自动化实时的方式推荐合适的引文给用户,从而提高研究者撰写论文效率。针对上述问题,本文设计了一种新的文献在线推荐系统,实现文献的在线实时推荐,该系统提供多种格式的种子文献输入接口,根据用户的输入,以百度学术为入口,通过计算机6大主流数据库构建完整的文献引用网络,通过MCL算法进行引文网络的聚类并且通过PageRank算法对引文的被引次数排名,以此来确定引文的主干方向和文章的权威性,挖掘出由种子文献构造的第一层核心文献,然后,以第一层的核心文献作为二次种子文献进行二次数据挖掘,找出由第一层核心文献构造的二层参考文献引用网络和引用第一层核心文献构造的最新文献引用网络,构成完整的一个引文网络。综合以上结果,系统最终以可视化的方式进行文献推荐结果的展示,方便学术研究。该系统主要包含五个模块,分别是参考文献列表提取模块,主要是实现参考文献的标题、作者、出版日期等元素的分离；引用网络的数据获取模块,主要实现参考文献引用网络的构建；参考文献引用网络的数据挖掘模块,主要实现的是在已有的引用网络上通过数据挖掘的方法找出该领域的核心文献；最后两个模块是文献在线推荐系统的可视化模块,和用户个人模块。最后从文献在线推荐的效果上来看,该系统能够在海量的文献中找出该领域的核心文献,并且相对于传统的学术推荐,该系统还能挖掘出最新经典文献以及基于个性化推荐,该系统相对于传统的引文推荐系统具有更加明显的优势。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：源码驿站 ，原文地址：https://m.bishedaima.com/lunwen/46571.html
