摘要
通过为科研人员构建科研行为画像,科研人员能够便捷地使用各种个性化科研服务,促进科研人员提高科研效率。已有的研究往往将画像问题简单地抽象为多分类问题,没有考虑到信息的充分利用和画像更新问题。为此,本研究提出了一种考虑全局和局部信息的科研人员科研行为画像方法,引入深度学习方法,借助深度学习自动从数据中提取高度抽象特征的特点,提取科研人员局部画像,结合全局信息构建科研人员的立体精准画像。最后,使用科研社交平台科研之友上的科研人员科研行为数据,对本研究提出的方法进行验证,证明了本研究提出方法的有效性。
By constructing scientific research behavior portraits,researchers can easily use various research services for efficiency.Existing research often abstracts the portrait problem into a multi-classification problem without considering the full use of information and the problem of updating portraits.Accordingly,this study proposes a scientific research behavioral portrait method for researchers considering local and global information and introduces a deep learning method.Deep learning can extract highly abstract features for sequence modeling,extracting partial portraits,and combining global information to build stereoscopic and accurate portraits.Finally,based on the actual scientific research behavior data,the method proposed in this study is verified,and its effectiveness is proven.
作者
张亚楠
黄晶丽
王刚
Zhang Yanan;Huang Jingli;Wang Gang(School of Management,Hefei University of Technology,Hefei 230009)
出处
《情报学报》
CSSCI
CSCD
北大核心
2019年第10期1012-1021,共10页
Journal of the China Society for Scientific and Technical Information
基金
中国科学技术信息研究所情报工程实验室开放基金
国家自然科学基金项目（71471054,91646111）
安徽省质量工程项目（2016msgzs053,2017ppzy02）
合肥工业大学质量工程项目（JYZD1710）
关键词
科研创新
深度学习
用户画像
主题模型
scientific research innovation
deep learning
user portrait
topic model
