<?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 -->情报监测与分析]]></title>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[突发公共事件网络舆情风险传播态势的多阶段生成机理研究——基于64个案例的fsQCA分析]]></title>
<link><![CDATA[https://dlf.istic.ac.cn/dlf/ch/reader/view_abstract.aspx?file_no=202507005&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[突发公共事件网络舆情风险传播态势受多元信息要素与生态结构共同作用而动态演化，识别其生成机理有助于防范舆情生态失衡，提升舆情风险治理的精准性。以64起突发公共事件为样本，采用融合生命周期阶段的fsQCA方法，探讨信息生态要素对舆情风险传播态势的驱动机理及联合效应。突发公共事件网络舆情风险传播态势呈现阶段性变化特征，不同维度的信息要素共同决定舆情风险传播的方向与强度。舆情形成期，风险呈多中心传导与扩散，主要由政府回应的及时性等因素组合作用形成；舆情高涨期，事件热度、网络媒体及意见领袖互动作用助推舆情风险传播态势生成；舆情衰退期，事件属性及平台联动的影响机理决定风险传播态势的发展走向。据此，应根据舆情生命周期各阶段风险传播态势的成因差异，因时制宜采取精准化风险治理策略。]]></description>
<pubDate>2025/11/10 15:35:50</pubDate>
<category><![CDATA[情报监测与分析]]></category>
<author><![CDATA[宋沂霏，郝雅立，胡峰]]></author>
<guid><![CDATA[https://dlf.istic.ac.cn/dlf/ch/reader/view_abstract.aspx?file_no=202507005&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[融合多维特征测度与神经网络的技术前沿识别方法]]></title>
<link><![CDATA[https://dlf.istic.ac.cn/dlf/ch/reader/view_abstract.aspx?file_no=202507006&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[技术前沿识别是推动科技创新和支撑战略决策的重要手段。针对现有方法存在时间滞后、验证依据单一等问题，提出一种融合多维特征学习与前馈神经网络建模的技术前沿主题识别方法。首先，基于潜在狄利克雷分布模型对技术文本进行滑动时间窗口下的时序主题聚类。其次，构建涵盖新颖性、增长性、市场价值、影响力、主题交叉性、开发投入度6个二级维度的指标体系，并进一步归纳为技术新颖性、技术增长力和技术主题热度指数3个一级维度，再通过前馈神经网络实现主题特征学习与主题前沿性量化评估。最后，以作物育种领域为例，结合定性与定量分析开展实证研究，验证了模型在识别精度和决策支持效度上的优势。]]></description>
<pubDate>2025/11/10 15:35:50</pubDate>
<category><![CDATA[情报监测与分析]]></category>
<author><![CDATA[廖姗姗，姜楠，康娅，孙巍，吴蕾，李周晶]]></author>
<guid><![CDATA[https://dlf.istic.ac.cn/dlf/ch/reader/view_abstract.aspx?file_no=202507006&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[融合专利异质特征的颠覆性技术识别方法研究——以人工智能领域为例]]></title>
<link><![CDATA[https://dlf.istic.ac.cn/dlf/ch/reader/view_abstract.aspx?file_no=202507007&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[颠覆性技术是推动产业变革和科技进步的重要力量，准确和快速地识别出颠覆性技术，对于各国把握技术先机、持续提升国家竞争力具有关键性意义。首先通过专利计量指标构建量化特征，并基于规则抽取知识单元获得文本特征；随后采用多模态融合方法将异质性特征统一表征，运用XGBoost算法实现分类识别；最后应用BERTopic模型对识别结果进行颠覆性技术主题挖掘。以人工智能领域为例进行实证研究，结果证明提出的融合异质性特征的识别方法取得较高准确率，在该领域具有良好的实际应用效果。]]></description>
<pubDate>2025/11/10 15:35:50</pubDate>
<category><![CDATA[情报监测与分析]]></category>
<author><![CDATA[吴洁，刘彦良，谢小东，唐健廷，盛永祥]]></author>
<guid><![CDATA[https://dlf.istic.ac.cn/dlf/ch/reader/view_abstract.aspx?file_no=202507007&flag=1]]></guid><cfi:id>1</cfi:id><cfi:read>true</cfi:read></item>
</channel>
</rss>