<?xml version="1.0" encoding="utf-8"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom" xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005">
<channel xmlns:cfi="http://www.microsoft.com/schemas/rss/core/2005/internal" cfi:lastdownloaderror="None">
<title cf:type="text"><![CDATA[数字图书馆论坛 -->情报分析]]></title>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于SPO语义结构的关键词补充主题识别及演化分析]]></title>
<link><![CDATA[https://dlf.istic.ac.cn/dlf/ch/reader/view_abstract.aspx?file_no=202306002&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[弥补基于SPO（Subject-Predication-Object）语义结构进行文本主题识别及演化分析方法中部分主题信息缺失、无法识别新兴领域主题、语义信息不够具体的缺陷，提升主题识别及演化分析的效果。首先，抽取科技文献标题和摘要中的SPO语义结构，使用关键词作为补充进一步丰富语义；然后，结合社会网络分析指标、新颖性和相对增长性指标分阶段进行核心主题、新兴主题识别；最后，基于文献引用及各阶段核心主题与新兴主题的变化情况进行主题演化趋势分析。分析发现，基于SPO语义结构的关键词补充主题识别及演化分析方法在以基因编辑领域为代表的较新的领域效果更佳，3个阶段的核心主题可从技术和应用2个维度概括为ZFN、TALEN，ZFN、TALEN和CRISPR/Cas9，CRISPR/Cas和碱基编辑在基因编辑系统优化、基础科学、临床疾病治疗和生物技术四大方向的应用，新兴主题主要包括疾病诊断、高通量功能基因组学、合成生物学代谢工程领域、精准医学精准编辑、基因编辑递送工具和基因编辑中的伦理问题六大方向。提出的方法可有效识别研究领域的核心和新兴主题，并把握其主题演化趋势，相较仅基于SPO语义结构的方法，效果得到提升。]]></description>
<pubDate>2023/7/3 13:51:49</pubDate>
<category><![CDATA[情报分析]]></category>
<author><![CDATA[于诗睿，李爱花，林紫洛，唐小利]]></author>
<guid><![CDATA[https://dlf.istic.ac.cn/dlf/ch/reader/view_abstract.aspx?file_no=202306002&flag=1]]></guid><cfi:id>23</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于时序关联和价值评估的技术主题演化研究——以生物制药产业为例]]></title>
<link><![CDATA[https://dlf.istic.ac.cn/dlf/ch/reader/view_abstract.aspx?file_no=202306003&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[为全面、准确地揭示技术发展脉络和发展态势，提供技术主题演化的整体视角，提出一种基于时序主题关联与主题价值评估的技术主题演化分析方法。基于专利数据，依据技术生命周期S曲线动态划分时间窗口，利用LDA主题模型识别各时间窗口的技术主题，从时序主题关联和主题价值评估2个视角对技术主题演化路径进行全面探析。基于生物制药产业进行实证研究，揭示生物制药相关技术的演进路径和发展状态，验证所提方法的可行性和有效性，为相关企业的技术创新提供科学的理论支持。]]></description>
<pubDate>2023/7/3 13:51:49</pubDate>
<category><![CDATA[情报分析]]></category>
<author><![CDATA[李雪，王婧朱，刘心蕊，夏焕章，袁红梅]]></author>
<guid><![CDATA[https://dlf.istic.ac.cn/dlf/ch/reader/view_abstract.aspx?file_no=202306003&flag=1]]></guid><cfi:id>22</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于机器学习的中国区块链专利技术主题识别与自动分类研究]]></title>
<link><![CDATA[https://dlf.istic.ac.cn/dlf/ch/reader/view_abstract.aspx?file_no=202312004&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[区块链领域技术主题的自动识别与技术主题范畴的自动分类研究，为拓展领域研发主题和推动领域发展提供情报支持。以德温特专利数据库中的中国区块链技术专利为样本，设计和实现基于机器学习的区块链技术主题识别与自动分类模型，实现基于LDA主题模型的区块链技术主题识别。基于专利文献特征向量空间，形成技术主题范畴的分类体系，最终实现基于传统机器学习和深度学习模型的区块链技术主题自动分类。研究发现：LDA主题模型能够有效识别出区块链技术领域的主题类别，并构建出技术主题类别的特征向量空间，共识别出18个技术主题，按照研究方向归纳为区块链架构研究、区块链行业应用研究、数据存储和数据安全保护研究、高新技术应用研究4类主题范畴；通过交叉融合LDA主题模型、传统机器学习与深度学习等机器学习方法，能够有效实现领域技术主题范畴的自动分类。分类结果显示，支持向量机、LightGBM、LSTM、BP神经网络、逻辑回归模型等分类模型的性能较优，准确率为84%~87%，确率为79%~83%，其中逻辑回归模型的自动分类效果更显著。]]></description>
<pubDate>2024/1/17 13:55:19</pubDate>
<category><![CDATA[情报分析]]></category>
<author><![CDATA[胡泽文，王梦雅，韩雅蓉]]></author>
<guid><![CDATA[https://dlf.istic.ac.cn/dlf/ch/reader/view_abstract.aspx?file_no=202312004&flag=1]]></guid><cfi:id>21</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[面向技术发展脉络分析的专利引证类时序模型及图谱研究]]></title>
<link><![CDATA[https://dlf.istic.ac.cn/dlf/ch/reader/view_abstract.aspx?file_no=202312005&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[对技术发展脉络进行分析有助于精准把脉技术创新方向，有效识别优先发展技术领域。以具有引证关系的专利为数据源，结合引证频次和引证层级提出专利引证相关度计算公式，根据专利引证相关度筛选在技术发展过程中起核心作用的专利作为研究数据集。对该研究数据集进行主题类域划分，引入时间序列，构建技术主题、技术领域和时间序列的三维类时序模型，并基于该模型绘制多维专利引证知识图谱用于多层次技术发展脉络分析。选取挥发性有机物治理技术领域进行实证分析，构建该领域一项技术的专利引证知识图谱，从多个维度分析其发展脉络，发现该技术由分离技术领域、无环或碳环化合物技术领域融合发展而来，从而验证研究方法的有效性。]]></description>
<pubDate>2024/1/17 13:55:19</pubDate>
<category><![CDATA[情报分析]]></category>
<author><![CDATA[周莉，陈荣，严素梅，程月月]]></author>
<guid><![CDATA[https://dlf.istic.ac.cn/dlf/ch/reader/view_abstract.aspx?file_no=202312005&flag=1]]></guid><cfi:id>20</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[政府“双碳”开放数据类型学分析及社会利用策略研究]]></title>
<link><![CDATA[https://dlf.istic.ac.cn/dlf/ch/reader/view_abstract.aspx?file_no=202312006&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[在中国“双碳”战略及数据成为新阶段核心生产要素的背景下，政府“双碳”数据的开放共享成为激活数据价值、实现数字低碳化的关键因素。然而目前已有研究和实践缺乏对“双碳”数据内容的系统性组织，难以实现数据的科学组合、有效流通和保证用户的有效获取利用。为此，在全面采集和系统分析我国省级数据开放平台“双碳”数据的基础上，采用“开放式编码-主轴编码-选择性编码”三级编码的方式，构建政府“双碳”数据开放的内容分类方法，进而面向政府、企业、民众、研究者、环保类组织等主体构建“多类型数据-多主体行为”社会利用策略框架。研究发现：当前政府开放的“双碳”数据主要集中于监测监察类、评价类、资质认证类、名单整合类、行政事务信息等五大类别，开放平台存在数据准备不足、社会利用率低、发展不均衡的问题，也面临社会化利用趋势初步显现的新机遇。]]></description>
<pubDate>2024/1/17 13:55:20</pubDate>
<category><![CDATA[情报分析]]></category>
<author><![CDATA[张维冲，谭琪]]></author>
<guid><![CDATA[https://dlf.istic.ac.cn/dlf/ch/reader/view_abstract.aspx?file_no=202312006&flag=1]]></guid><cfi:id>19</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于网络结构变化测度科研论文重要度的方法研究]]></title>
<link><![CDATA[https://dlf.istic.ac.cn/dlf/ch/reader/view_abstract.aspx?file_no=202311007&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[知识的传承和交流蕴涵在学者的交互过程中，形成复杂的动态网络。从网络演化动力学视角出发，通过探索某节点对原有网络结构的改变来测度该节点的重要度，并将该思路沿用到文献网络中以测度节点论文的重要度。基于引用关系构建作者引用网络和主题引用网络，将每篇待测论文网络与学术社区原有基础网络叠加融合后，以节点数、节点度、边数、边权重、网络密度等多个指标测度每篇论文加入前后网络结构的改变，利用网络结构指标的综合得分衡量节点论文重要度。选用2013—2018年Web of Science数据库中传染病领域数据为实验数据，以2013—2017年作者引用网络和主题引用网络为学术社区基础网络，计算2018年每篇论文引文网络加入后对原有网络结构改变的综合得分作为节点论文的重要度，再以2018年引文数据为参照数据，证明论文重要度得分与被引频次有较强的相关性。]]></description>
<pubDate>2023/12/21 10:47:50</pubDate>
<category><![CDATA[情报分析]]></category>
<author><![CDATA[郭红梅，陈星宇，李超，马峥]]></author>
<guid><![CDATA[https://dlf.istic.ac.cn/dlf/ch/reader/view_abstract.aspx?file_no=202311007&flag=1]]></guid><cfi:id>18</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于专利数据应用LDA和N-BEATS组合方法的技术主题预测研究]]></title>
<link><![CDATA[https://dlf.istic.ac.cn/dlf/ch/reader/view_abstract.aspx?file_no=202311008&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[预测技术主题未来热点，有助于企业在技术层面判别现状、识别未来技术方向并提前规划战略布局。提出LDA和N-BEATS组合方法，运用LDA模型提取专利文献数据的技术主题，引入N-BEATS网络模型分析各技术主题专利数量的时间序列，发挥其分析可解释性时间序列的优势，在预测模型中加入技术研发活动周期性模块，并以芯片技术为例，运用该组合方法预测产业的技术主题和未来趋势。对比实验中LDA和N-BEATS组合方法的预测精度高于LDA-LSTM、IPC-N-BEATS和IPC-LSTM三种基准方法。案例结果表明，未来芯片产业研发热点是电子级树脂、蚀刻机、芯片封装、芯片键合、抛光液。]]></description>
<pubDate>2023/12/21 10:47:50</pubDate>
<category><![CDATA[情报分析]]></category>
<author><![CDATA[吴雷，杜文研，林超然]]></author>
<guid><![CDATA[https://dlf.istic.ac.cn/dlf/ch/reader/view_abstract.aspx?file_no=202311008&flag=1]]></guid><cfi:id>17</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[高校战略性新兴产业专利识别与分析系统的构建——从IPC自动识别到语义相似度分析]]></title>
<link><![CDATA[https://dlf.istic.ac.cn/dlf/ch/reader/view_abstract.aspx?file_no=202311009&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[高校战略性新兴产业专利的识别与分析对于促进高校学科发展与布局，增强自主创新竞争力，实现知识产权强国的战略目标具有重要的现实意义。首先通过文献调研法分析战略性新兴产业专利的研究现状和识别难度，其次解构国家知识产权局制定的《战略性新兴产业分类与国际专利分类参照关系表（2021）（试行）》，以德温特专利数据为分析对象，采用SAO与NLTK语义相似度算法，利用信息熵词典加权，构建集自动识别、内容分析、质量价值评估与可视化研究于一体的战略性新兴产业专利半监督分析系统。高校可利用该系统开展战略性新兴产业专利的识别与分析。]]></description>
<pubDate>2023/12/21 10:47:51</pubDate>
<category><![CDATA[情报分析]]></category>
<author><![CDATA[于曦，方胜宇]]></author>
<guid><![CDATA[https://dlf.istic.ac.cn/dlf/ch/reader/view_abstract.aspx?file_no=202311009&flag=1]]></guid><cfi:id>16</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[会议论文与期刊论文主题分布的演化关系研究]]></title>
<link><![CDATA[https://dlf.istic.ac.cn/dlf/ch/reader/view_abstract.aspx?file_no=202310003&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[为加深对跨文献类型的学术研究主题演化的理解，设计构建会议论文和期刊论文研究主题演化的多步骤分析框架，包括数据准备、主题识别、相似度测量、时滞测度、演化模式分析、主路径识别和关键主题识别等。以《中国计算机学会推荐国际学术会议和期刊目录》中的A类出版物为例，分析和呈现2007—2021年人工智能核心领域会议论文、期刊论文的研究主题演化情况。研究发现：该领域会议论文的研究主题设置整体上领先期刊1年；多种主题演化模式交叉作用，扩展人工智能核心领域的科学知识；会议论文创新促进研究方向的聚焦和知识框架的稳定；一些较晚出现的会议主题更强烈地影响领域知识的持续构建。此外，还分析人工智能术语的分布情况和变化趋势。]]></description>
<pubDate>2023/11/28 14:08:06</pubDate>
<category><![CDATA[情报分析]]></category>
<author><![CDATA[郭骅，李庆昊，夏天伊，李盛庆]]></author>
<guid><![CDATA[https://dlf.istic.ac.cn/dlf/ch/reader/view_abstract.aspx?file_no=202310003&flag=1]]></guid><cfi:id>15</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于基金项目的学科交叉热点主题识别与分类研究——以美国农业与食品领域为例]]></title>
<link><![CDATA[https://dlf.istic.ac.cn/dlf/ch/reader/view_abstract.aspx?file_no=202310004&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[学科交叉是原始创新成果之源，科学基金是引导原始创新的重要途径。准确识别由基金资助的学科交叉热点方向，把握交叉主题的研究趋势，为我国重大科技创新、前瞻部署提供参考。基于基金项目数据，利用Salton指数和共现分析，识别基金项目中的学科交叉热点主题，通过切分时间窗口构建“支持趋势-交叉趋势”战略坐标图，将学科/主题定位为前沿型、潜力型、衰退型和热点型，以美国农业与食品领域为例验证方法的有效性。结果显示：美国农业基金项目的学科交叉趋势日益显著，学科和主题均以前沿型和潜力型居多，涉及基因组学和遗传学、土壤改良与治理、综合虫害管理、动植物育种等方面，以食品加工技术、食物保护、动物营养利用等为代表的研究主题的交叉融合表现活跃。未来，应提高交叉突破创新意识，借助战略坐标图定位，分类布局面向国家需求的重点领域关键技术创新方向。]]></description>
<pubDate>2023/11/28 14:08:06</pubDate>
<category><![CDATA[情报分析]]></category>
<author><![CDATA[齐世杰，赵静娟，郑建华，串丽敏]]></author>
<guid><![CDATA[https://dlf.istic.ac.cn/dlf/ch/reader/view_abstract.aspx?file_no=202310004&flag=1]]></guid><cfi:id>14</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于SAO结构的关键技术要素识别研究——以高速芯片为例]]></title>
<link><![CDATA[https://dlf.istic.ac.cn/dlf/ch/reader/view_abstract.aspx?file_no=202310005&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[面对日益严峻的技术封锁及遏制风险，深入技术本身，掌握技术系统内部关键组件、工艺以及方法等技术要素是突破技术瓶颈的关键环节。归纳关键技术要素的3个特征——关键性、创新性以及基础性。以高速芯片为例，利用专利文献数据，分析高速芯片专业术语。引入SAO（Subject-Action-Object）语义结构，提取高速芯片技术要素，以技术要素为节点、技术要素关联强度为边，构建高速芯片SAO语义网络。借鉴社会网络分析方法，量化技术要素权利、地位以及创新力，识别高速芯片系统内关键技术要素，探究高速芯片技术结构，寻找技术卡点。实证结果显示，高速芯片“卡脖子”技术中存在“高速数据”“单片微机”“fpga芯片”“晶圆”4个关键技术要素。]]></description>
<pubDate>2023/11/28 14:08:07</pubDate>
<category><![CDATA[情报分析]]></category>
<author><![CDATA[孔令凯，杨朝均，齐浩，马永红，杨晓萌]]></author>
<guid><![CDATA[https://dlf.istic.ac.cn/dlf/ch/reader/view_abstract.aspx?file_no=202310005&flag=1]]></guid><cfi:id>13</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于BERT-LDA的国外LIS领域学科交叉研究演化分析与前沿主题识别]]></title>
<link><![CDATA[https://dlf.istic.ac.cn/dlf/ch/reader/view_abstract.aspx?file_no=202409001&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[识别学科交叉研究的前沿主题，并对演化趋势进行分析，有助于揭示学科交叉融合的方向，为未来创新性、突破性研究提供参考。首先，基于引文视角构建测度论文学科交叉性的指标，识别具有学科交叉性的研究论文；其次，通过BERT-LDA模型识别研究主题，利用余弦相似度计算主题之间的相似度，构建主题演化路径；最后，基于新颖度、增长性、关注度、影响力构建前沿主题识别指标体系，识别具有前沿性的学科交叉研究主题。以图书情报学（Library and Information Science，LIS）为例展开研究，研究结果显示，2004—2023年该学科领域的交叉研究主题呈现出逐渐细化和深入的特点，主要集中在信息挖掘与知识发现、互联网信息行为、医疗信息学3个方面；现阶段学科交叉研究前沿主题为医疗数据模型、舆情治理与情感分析、机器学习与深度学习；基于信息技术的研究方法和其在不同领域的应用研究具有良好的应用前景，有可能成为未来LIS领域的核心研究主题。]]></description>
<pubDate>2024/10/29 15:19:00</pubDate>
<category><![CDATA[情报分析]]></category>
<author><![CDATA[袁毅，孟盈]]></author>
<guid><![CDATA[https://dlf.istic.ac.cn/dlf/ch/reader/view_abstract.aspx?file_no=202409001&flag=1]]></guid><cfi:id>12</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[学科主题视角下的科学论文被引影响因素差异性研究——以图书情报学科为例]]></title>
<link><![CDATA[https://dlf.istic.ac.cn/dlf/ch/reader/view_abstract.aspx?file_no=202409002&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[从学科主题角度探究被引频次影响因素的差异，为科研人员撰写和优化论文提供有针对性的参考，也为科研评价研究提供新的视角和思路。以18种图书情报学CSSCI收录期刊在2011—2020年发表的43 228篇有效论文为样本，运用LDA主题模型对论文摘要进行主题提取和识别，从总体、主题、主题分类3个角度采用负二项回归模型对年均被引频次的影响因素进行实证研究。研究表明，学科主题间年均被引频次的影响因素存在共性和差异性。基金资助、论文篇幅、论文年龄、下载量对年均被引频次的影响具有一致性，标题长度、关键词数量、作者数量等因素对年均被引频次的影响呈现出差异性。]]></description>
<pubDate>2024/10/29 15:19:00</pubDate>
<category><![CDATA[情报分析]]></category>
<author><![CDATA[傅柱，张倩，刘鹏]]></author>
<guid><![CDATA[https://dlf.istic.ac.cn/dlf/ch/reader/view_abstract.aspx?file_no=202409002&flag=1]]></guid><cfi:id>11</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[绿色城市发展领域多主题路径识别及其演化趋势分析]]></title>
<link><![CDATA[https://dlf.istic.ac.cn/dlf/ch/reader/view_abstract.aspx?file_no=202409003&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[目前主题演化路径分析大多对主题和路径分别进行研究。尝试利用一种改进的主路径分析方法，围绕绿色城市发展领域，依托引文网络结构提取领域发展多主题路径及趋势，实现主题和演化路径的同步识别，直观展现主题间发展融合趋势。通过基于Pathfinder算法进行多路径主题识别，依据文献耦合原理对主题路径进行截尾处理并聚类，从引用和被引视角分析绿色城市发展领域主题路径的演化进程及发展趋势。研究结果表明，基于Pathfinder算法的多主题路径识别方法能够有效且清晰地展示领域主题之间的发展联系，揭示知识内容间的交互转移。绿色城市发展研究集中于低影响开发对城市水文的实践影响，国内研究包括有效性验证、成本效益评估两个主题路径，国外研究包括有效性验证、作用多样性分析及多目标优化3个主题路径。国内外绿色城市发展领域研究趋势集中于单一主题集群的拓展融合，跨主题路径融合发展研究较少，对融合城市背景条件及不确定因素下低影响开发实践展开研究是该领域主要发展趋势。]]></description>
<pubDate>2024/10/29 15:19:00</pubDate>
<category><![CDATA[情报分析]]></category>
<author><![CDATA[汝绪伟，薛春丽，郑心如，王艳英，纪宗华]]></author>
<guid><![CDATA[https://dlf.istic.ac.cn/dlf/ch/reader/view_abstract.aspx?file_no=202409003&flag=1]]></guid><cfi:id>10</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于主题模型的领域新兴交叉主题识别研究——以作物智能育种为例]]></title>
<link><![CDATA[https://dlf.istic.ac.cn/dlf/ch/reader/view_abstract.aspx?file_no=202409004&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[准确识别学科交叉前沿主题，有助于了解学科发展脉络，发掘领域重点发展方向，为未来创新性、突破性研究提供参考。提出一种识别新兴交叉主题的方法。首先，提出一种结合学科多样性和学科凝聚性的论文学科交叉性计算方法；其次，利用该方法筛选出具有高学科交叉性的论文，获得潜力论文数据集；再次，采用结合领域词典改进的LDA模型进行研究主题识别；最后，通过构建融合新颖性、突破性和影响力的多维度新兴主题测量模型，识别出新兴交叉主题。选择作物智能育种领域进行实证分析，识别出4个新兴交叉主题，通过资料分析法验证方法的有效性，对基于论文数据识别新兴交叉主题的方法研究与实践具有参考价值。]]></description>
<pubDate>2024/10/29 15:19:00</pubDate>
<category><![CDATA[情报分析]]></category>
<author><![CDATA[齐世杰，串丽敏，赵静娟，张辉，贾倩]]></author>
<guid><![CDATA[https://dlf.istic.ac.cn/dlf/ch/reader/view_abstract.aspx?file_no=202409004&flag=1]]></guid><cfi:id>9</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[立场与情绪视角下科技黑天鹅事件舆情风险感知研究——以ChatGPT事件为例]]></title>
<link><![CDATA[https://dlf.istic.ac.cn/dlf/ch/reader/view_abstract.aspx?file_no=202410001&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[在当前科技黑天鹅事件频发的背景下，公众舆情的有效情报对于预警、监测和引导科技舆情至关重要。通过应用大语言模型和预训练模型对舆情数据进行立场分析、情绪标注和主题挖掘。此外，结合社会冲突理论，从立场与情绪的角度深入分析科技黑天鹅事件可能引发的舆情风险。研究发现，公众对新技术持谨慎态度，主要担忧集中在伦理道德和就业压力上，这些担忧可能引发社会不安、加剧贫富分化。相较于一般舆情，科技舆情具有专业性、全球性特征以及对伦理道德的深远影响，其潜在风险更为突出。]]></description>
<pubDate>2024/12/10 14:25:40</pubDate>
<category><![CDATA[情报分析]]></category>
<author><![CDATA[王力，张运良，浦墨，李琳娜，林毅]]></author>
<guid><![CDATA[https://dlf.istic.ac.cn/dlf/ch/reader/view_abstract.aspx?file_no=202410001&flag=1]]></guid><cfi:id>8</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[生成式人工智能话题下公众认知的“关注度—满意度”量化分析——以微博平台为例]]></title>
<link><![CDATA[https://dlf.istic.ac.cn/dlf/ch/reader/view_abstract.aspx?file_no=202410002&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[深入剖析公众对生成式人工智能（Generative Artificial Intelligence，GAI）的认知状况，给人工智能政策制定、风险治理提供数据支持和策略建议。以微博为数据源，首先提出Zero-shot_M3E_BERTopic模型，识别GAI话题下的公众认知主题；其次运用ERNIE 3.0模型进行情感分析，量化主题的关注度和满意度，探究其动态变化特征；最后基于IPA模型构建“关注度—满意度”分析框架，并通过关键词共现网络对公众认知进行分区细粒度分析。研究发现，GAI话题下的公众认知涉及4个维度，共17个主题，其中问答质量、情感洞察和教学辅助为主要弱势领域，而就业市场、网络安全、知识产权等5个主题为次要弱势领域。从政府、企业和公众3个方面给出以下建议：政府强化引导监管，筑牢发展后盾；企业加速技术创新，打造中国特色GAI；公众提升信息素养，合理运用GAI工具。]]></description>
<pubDate>2024/12/10 14:25:40</pubDate>
<category><![CDATA[情报分析]]></category>
<author><![CDATA[李冠，孙灵芝，何明祥]]></author>
<guid><![CDATA[https://dlf.istic.ac.cn/dlf/ch/reader/view_abstract.aspx?file_no=202410002&flag=1]]></guid><cfi:id>7</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[因果推断及其在国防领域的应用研究——以美国DARPA因果推断智能项目为例]]></title>
<link><![CDATA[https://dlf.istic.ac.cn/dlf/ch/reader/view_abstract.aspx?file_no=202410003&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[受科技迅猛发展、作战环境变化等因素的影响，国防建设过程面临前所未有的复杂性，如何辅助决策者更准确地理解复杂系统要素之间的因果逻辑，进一步巩固和提升国防建设水平是国防领域的重要议题之一。在阐述鲁宾因果模型和结构因果模型等因果知识的基础上，以美国国防高级研究计划局（DefenseAdvanced Research Projects Agency，DARPA）实施的一系列因果推断智能项目为例，分析因果推断在国防建设中的重要价值与具体应用场景。结合因果推断智能项目的趋势，探讨对我国国防建设的启示与建议。研究表明，因果推断在提升国防决策准确性与可解释性方面具有独特优势，未来应正视并积极引入因果推断，重视数据资源建设，提升技术智能化水平，加强监督管理，加快因果推断在国防建设中的应用。]]></description>
<pubDate>2024/12/10 14:25:41</pubDate>
<category><![CDATA[情报分析]]></category>
<author><![CDATA[任前前，白如江，陈鑫，刘睿琳]]></author>
<guid><![CDATA[https://dlf.istic.ac.cn/dlf/ch/reader/view_abstract.aspx?file_no=202410003&flag=1]]></guid><cfi:id>6</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[研究前沿演进视角下创新领袖识别及其形成机制研究——以高效钙钛矿型太阳能电池领域为例]]></title>
<link><![CDATA[https://dlf.istic.ac.cn/dlf/ch/reader/view_abstract.aspx?file_no=202509004&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[在全球科技竞争加剧的背景下，从研究前沿演进的视角识别创新领袖并揭示其形成机制，对于引领科技创新决策、优化领军人才培育具有重要意义。本研究应用SEIRS动力学模型识别研究前沿知识传播网络中引领前沿发展的创新领袖，并通过分析创新领袖发表论文中细粒度问题、方法知识元所反映的情报特征，揭示创新领袖的形成机制，即创新领袖应用何种研究方法、解决何种研究问题，如何引领前沿领域的创新发展。以高效钙钛矿型太阳能电池领域为例，识别出Henry J. Snaith、Nam-Gyu Park、Michael Gratzel等创新领袖。实证结果表明，创新领袖凭借对阶段性关键科学问题的敏锐捕捉与解决方案的精准匹配，确立了其在学术共同体中的引领地位。该研究可为科技创新人才的发掘培育提供更具针对性的情报参考。]]></description>
<pubDate>2026/1/6 15:26:33</pubDate>
<category><![CDATA[情报分析]]></category>
<author><![CDATA[乔英纳，孙震，徐美瑶，张鹤翔]]></author>
<guid><![CDATA[https://dlf.istic.ac.cn/dlf/ch/reader/view_abstract.aspx?file_no=202509004&flag=1]]></guid><cfi:id>5</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于特征测度和SciBERT模型的突破性科学创新主题识别研究——以农业机器人领域为例]]></title>
<link><![CDATA[https://dlf.istic.ac.cn/dlf/ch/reader/view_abstract.aspx?file_no=202509005&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[突破性科学创新是推动科技进步和社会经济发展的核心动力，准确识别突破性科学创新，对于开辟科技创新的新赛道、实现跨越式发展具有重要意义。首先从突破性科学创新特征入手，综合考虑论文的多样性、均衡性和差异性，利用True Diversity测度指标和学科共现网络进行潜力论文的测度与筛选；然后采用SciBERT+K-means+UMAP方法进行主题建模与可视化，从新颖性、内容变革性、影响力、突变性4个维度构建多特征的突破性科学创新指标体系，融合多种文本挖掘方法识别突破性科学创新主题；最后以农业机器人领域为例，识别出4个突破性科学创新主题：多模态感知与自适应智能决策、机器人仿生驱动与异质能源耦合、群体协同与云边端架构技术、高精度轨迹控制与高动态响应，验证了模型的有效性和可靠性。研究不仅为突破性科学创新主题识别提供了新思路，还为智慧农业领域的原始创新提供了可参考的依据。]]></description>
<pubDate>2026/1/6 15:26:33</pubDate>
<category><![CDATA[情报分析]]></category>
<author><![CDATA[齐世杰，串丽敏，张辉，姚茹，贾倩，赵静娟]]></author>
<guid><![CDATA[https://dlf.istic.ac.cn/dlf/ch/reader/view_abstract.aspx?file_no=202509005&flag=1]]></guid><cfi:id>4</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于PaECTER-BERTopic与大模型的专利技术主题识别及演化分析——以生成式人工智能领域为例]]></title>
<link><![CDATA[https://dlf.istic.ac.cn/dlf/ch/reader/view_abstract.aspx?file_no=202502003&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[为解决目前专利文本向量化表征效果不佳、专利技术主题识别结果可解释性不够等问题，提出一种基于PaECTER专利预训练语言模型、BERTopic与大模型的专利技术主题识别及演化分析方法。首先，采用PaECTER专利预训练语言模型对专利文本进行向量化表示；其次，基于BERTopic模型结合KeyBERT对专利技术主题进行识别，并使用GPT-4o大模型对技术主题进行体系化分析；再次，基于PaECTER对专利技术主题进行相似度关联计算，生成专利技术演化路径；最后，以生成式人工智能领域为例，验证所提方法的有效性。实验结果表明，对比传统的BERTopic模型，所提方法提高了专利技术主题的可解释性、一致性和多样性，实现了准确的专利技术演化路径识别，同时揭示了生成式人工智能领域技术的发展状态和演进路径，为相关领域研究提供理论参考。]]></description>
<pubDate>2025/4/30 8:56:01</pubDate>
<category><![CDATA[情报分析]]></category>
<author><![CDATA[黄怡，隗玲，张凯]]></author>
<guid><![CDATA[https://dlf.istic.ac.cn/dlf/ch/reader/view_abstract.aspx?file_no=202502003&flag=1]]></guid><cfi:id>3</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于场景需求的专利技术组合识别——以人形机器人为例]]></title>
<link><![CDATA[https://dlf.istic.ac.cn/dlf/ch/reader/view_abstract.aspx?file_no=202502004&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[专利作为创新成果的标志，对于推动经济发展具有重要的作用，根据不同场景下的技术需求挖掘潜在的专利技术组合，可以更精准地促进专利技术的应用和商业化，提升专利转化效率。基于场景语义关系的方法，通过整合专利、文献数据，构建场景化技术功效知识图谱；从商业报告和用户评论数据中挖掘技术场景需求；从技术互补性、技术相似性和技术独特性3个维度出发，将技术功效与场景需求进行匹配，挖掘不同场景下具有市场潜力的专利技术组合。以人形机器人领域为例，通过实证研究识别出6个技术应用场景，及对应的场景需求和潜在的专利技术组合，证明了识别方法的有效性。]]></description>
<pubDate>2025/4/30 8:56:02</pubDate>
<category><![CDATA[情报分析]]></category>
<author><![CDATA[由丽萍，刘云鹏]]></author>
<guid><![CDATA[https://dlf.istic.ac.cn/dlf/ch/reader/view_abstract.aspx?file_no=202502004&flag=1]]></guid><cfi:id>2</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[情景分析视角下基于在线评论有用性的产品创新方案生成研究]]></title>
<link><![CDATA[https://dlf.istic.ac.cn/dlf/ch/reader/view_abstract.aspx?file_no=202502005&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[精准识别并分析在线评论中的有用性信息能为企业高效开展产品创新提供重要支撑。从情景分析视角出发，开展基于在线评论有用性的产品创新方案生成研究：首先，从负面评论中提取关键词，构建融合构化特征与语义特征的评论有用性影响因素模型，识别有用性评论，利用主题模型从中遴选亟待改进的产品特征；其次，筛选相关有用性评论，基于情景分析挖掘产品在不同使用情景下的现有问题与潜在问题；最后，从专利文本中获取创新要素，结合发明问题解决理论提出产品创新方案生成框架。实证研究部分以扫地机器人为例，验证了所提框架的可行性，从而为企业提高创新效率、降低创新成本并减少盲目创新风险提供决策依据。]]></description>
<pubDate>2025/4/30 8:56:02</pubDate>
<category><![CDATA[情报分析]]></category>
<author><![CDATA[王金凤，陈宁，冯奕程，张珂，仵轩]]></author>
<guid><![CDATA[https://dlf.istic.ac.cn/dlf/ch/reader/view_abstract.aspx?file_no=202502005&flag=1]]></guid><cfi:id>1</cfi:id><cfi:read>true</cfi:read></item>
</channel>
</rss>