期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
一种基于词加权LDA模型的专利文献分类方法
被引量:
5
1
作者
孙伟
刘文静
+1 位作者
葛丽阁
余璇
《计算机技术与发展》
2019年第3期23-29,共7页
传统的主题模型在进行文本分类时,特征词多选取统计规律下的高频词,而在专利文献分类中,多数专业词汇往往被高频词所淹没,造成主题模型在专利文献分类的准确率不高。对此,提出一种基于词加权的有监督LDA主题模型用于专利文献的分类。从...
传统的主题模型在进行文本分类时,特征词多选取统计规律下的高频词,而在专利文献分类中,多数专业词汇往往被高频词所淹没,造成主题模型在专利文献分类的准确率不高。对此,提出一种基于词加权的有监督LDA主题模型用于专利文献的分类。从专业词与高频词的共现关系出发,利用KeyGraph算法选取特征表征能力更优的关键词,再利用互信息函数计算各关键词权重,建立专业词字典。在此基础上,建立一个有监督的LDA模型,将词加权扩展至LDA模型,并采用Gibbs Sampling进行参数估计。在专利文献上进行分类实验,与LDA模型及其两种变型模型相比,该模型分类准确率分别平均提高了4.62%、3.74%和3.26%。表明该模型选取的高区分度的专业词汇与主题关联度更高,分类效率和准确率均有明显提高。
展开更多
关键词
加权模型
LDA
keygraph
算法
专利文献分类
下载PDF
职称材料
基于KeyGraph-CPM的新兴技术识别及预测——以生物制药产业为例
被引量:
4
2
作者
宁博文
张文凤
+1 位作者
马俊红
袁红梅
《情报理论与实践》
CSSCI
北大核心
2021年第8期146-152,共7页
[目的/意义]准确且全面地识别出新兴技术,有益于国家和企业在技术创新发展上的战略制定。[方法/过程]文章基于专利数据,将KeyGraph算法与CPM分析相结合,对目标领域内的新兴技术进行捕获。首先,提取目标领域内专利中IPC分类信息,通过KeyG...
[目的/意义]准确且全面地识别出新兴技术,有益于国家和企业在技术创新发展上的战略制定。[方法/过程]文章基于专利数据,将KeyGraph算法与CPM分析相结合,对目标领域内的新兴技术进行捕获。首先,提取目标领域内专利中IPC分类信息,通过KeyGraph算法挖掘新兴技术领域;然后,对识别出的新兴技术领域,采用基于SPLC算法赋值的CPM分析确定新兴技术最相关的技术发展脉络,提取最新技术信息及预测未来发展趋势。[结果/结论]最终,以生物制药产业作为实证研究对象,验证了该模型的可行性,为新兴技术识别提供了新方法。
展开更多
关键词
新兴技术
技术预测
keygraph
算法
CPM分析
生物制药
原文传递
一种KeyGraph的建模方法
3
作者
陈俊杰
候宏旭
高静
《中北大学学报(自然科学版)》
CAS
北大核心
2014年第2期147-151,共5页
在应用KeyGraph算法实现文本机会发现的过程中需要反复地执行该算法,该算法在执行的过程中需要多遍扫描文档中的词和句子.针对KeyGraph算法执行效率低的问题,提出了一种新的KeyGraph算法的建模方法.该方法为文档建立了词句子的倒排索引...
在应用KeyGraph算法实现文本机会发现的过程中需要反复地执行该算法,该算法在执行的过程中需要多遍扫描文档中的词和句子.针对KeyGraph算法执行效率低的问题,提出了一种新的KeyGraph算法的建模方法.该方法为文档建立了词句子的倒排索引和高频词关联节点倒排索引,并改进了原算法的关键度计算公式,提高了文档中词的关键度的计算效率.实验结果表明:利用该建模方法实现的系统,其执行效率与现有模型的执行效率相比较平均提高了32.5%,且文档规模越大效果越明显.
展开更多
关键词
keygraph
算法
机会发现
效率
下载PDF
职称材料
题名
一种基于词加权LDA模型的专利文献分类方法
被引量:
5
1
作者
孙伟
刘文静
葛丽阁
余璇
机构
上海海事大学信息工程学院
出处
《计算机技术与发展》
2019年第3期23-29,共7页
基金
国家自然科学基金青年项目(61203240)
文摘
传统的主题模型在进行文本分类时,特征词多选取统计规律下的高频词,而在专利文献分类中,多数专业词汇往往被高频词所淹没,造成主题模型在专利文献分类的准确率不高。对此,提出一种基于词加权的有监督LDA主题模型用于专利文献的分类。从专业词与高频词的共现关系出发,利用KeyGraph算法选取特征表征能力更优的关键词,再利用互信息函数计算各关键词权重,建立专业词字典。在此基础上,建立一个有监督的LDA模型,将词加权扩展至LDA模型,并采用Gibbs Sampling进行参数估计。在专利文献上进行分类实验,与LDA模型及其两种变型模型相比,该模型分类准确率分别平均提高了4.62%、3.74%和3.26%。表明该模型选取的高区分度的专业词汇与主题关联度更高,分类效率和准确率均有明显提高。
关键词
加权模型
LDA
keygraph
算法
专利文献分类
Keywords
weighted
model
latent
Dirichlet
allocation
keygraph
algorithm
patent
literature
classification
分类号
TP18 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
基于KeyGraph-CPM的新兴技术识别及预测——以生物制药产业为例
被引量:
4
2
作者
宁博文
张文凤
马俊红
袁红梅
机构
沈阳药科大学
出处
《情报理论与实践》
CSSCI
北大核心
2021年第8期146-152,共7页
基金
沈阳药科大学工商管理学院学科建设课题“基于专利数据的制药产业技术情报分析”(项目编号:2021-sygsxk-01)
国家药品监督管理局药品监管科学研究基地——沈阳药科大学药品监管科学研究院专项基金(项目编号:2020jgkx006)的成果。
文摘
[目的/意义]准确且全面地识别出新兴技术,有益于国家和企业在技术创新发展上的战略制定。[方法/过程]文章基于专利数据,将KeyGraph算法与CPM分析相结合,对目标领域内的新兴技术进行捕获。首先,提取目标领域内专利中IPC分类信息,通过KeyGraph算法挖掘新兴技术领域;然后,对识别出的新兴技术领域,采用基于SPLC算法赋值的CPM分析确定新兴技术最相关的技术发展脉络,提取最新技术信息及预测未来发展趋势。[结果/结论]最终,以生物制药产业作为实证研究对象,验证了该模型的可行性,为新兴技术识别提供了新方法。
关键词
新兴技术
技术预测
keygraph
算法
CPM分析
生物制药
Keywords
emerging
technology
technology
forecasting
keygraph
algorithm
CPM
analysis
bio-pharmaceutical
分类号
R95 [医药卫生—药学]
G252.7 [文化科学—图书馆学]
原文传递
题名
一种KeyGraph的建模方法
3
作者
陈俊杰
候宏旭
高静
机构
内蒙古大学计算机学院
内蒙古农业大学计算机与信息工程学院
出处
《中北大学学报(自然科学版)》
CAS
北大核心
2014年第2期147-151,共5页
基金
工业与信息化部电子信息产业发展基金子课题
内蒙古自然科学基金项目(2010ZD18
+1 种基金
2010BS0902)
教育部春晖计划项目(Z2009-1-01062)
文摘
在应用KeyGraph算法实现文本机会发现的过程中需要反复地执行该算法,该算法在执行的过程中需要多遍扫描文档中的词和句子.针对KeyGraph算法执行效率低的问题,提出了一种新的KeyGraph算法的建模方法.该方法为文档建立了词句子的倒排索引和高频词关联节点倒排索引,并改进了原算法的关键度计算公式,提高了文档中词的关键度的计算效率.实验结果表明:利用该建模方法实现的系统,其执行效率与现有模型的执行效率相比较平均提高了32.5%,且文档规模越大效果越明显.
关键词
keygraph
算法
机会发现
效率
Keywords
keygraph
algorithm
chance
discovery
efficiency
分类号
TP39 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
一种基于词加权LDA模型的专利文献分类方法
孙伟
刘文静
葛丽阁
余璇
《计算机技术与发展》
2019
5
下载PDF
职称材料
2
基于KeyGraph-CPM的新兴技术识别及预测——以生物制药产业为例
宁博文
张文凤
马俊红
袁红梅
《情报理论与实践》
CSSCI
北大核心
2021
4
原文传递
3
一种KeyGraph的建模方法
陈俊杰
候宏旭
高静
《中北大学学报(自然科学版)》
CAS
北大核心
2014
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部