高水平论文是优秀科技人才的标志性成果之一。聚焦"Web Of Science(WOS)"热点研究学科,在构建学术论文语义Neo4j网络图和挖掘出活跃科研社区基础上,利用PageRank人才挖掘算法实现对科研社区中优秀科研人才的挖掘。首先,对现...高水平论文是优秀科技人才的标志性成果之一。聚焦"Web Of Science(WOS)"热点研究学科,在构建学术论文语义Neo4j网络图和挖掘出活跃科研社区基础上,利用PageRank人才挖掘算法实现对科研社区中优秀科研人才的挖掘。首先,对现有的人才挖掘算法进行详细研究和分析;其次,结合WOS论文数据对PageRank人才挖掘算法进行了优化设计和实现,加入了论文发表的时间因子、作者署名排序递减模型、周围作者节点对当前节点的影响、论文被引用量等多维度考量因素。最后,基于热点学科计算机科学某社区近五年的论文数据进行了实验和验证。结果表明,基于社区的挖掘更具有针对性,能够快速定位各学科代表性优秀和潜在人才,且改进后的算法对人才的发现更加客观有效。展开更多
本文以1900-2019年"Web of Science(WOS)"核心合集中的中国科学院(中科院)部分论文数据为面板数据对热点学科、科研社区及相关权威专家进行了分析研究.首先对艺术与人文、生命科学与生物医学、自然科学、社会科学、应用科学...本文以1900-2019年"Web of Science(WOS)"核心合集中的中国科学院(中科院)部分论文数据为面板数据对热点学科、科研社区及相关权威专家进行了分析研究.首先对艺术与人文、生命科学与生物医学、自然科学、社会科学、应用科学五大学科数据进行分析,发现应用科学(Technology)发表论文年增速最快,且研究热点为计算机科学(Computer Science);其次针对研究热点应用Neo4j图数据库构建论文语义网络图,对实体关系进行优化,提升了社区内部关联度;并基于Louvain社区发现算法进行了相关优化和数据挖掘,分析了其背后的优秀科研团队;最后针对挖掘出的社区,利用PageRank算法筛选出高产出的权威科研人员,为科研合作和人才发现甚至国家学科布局提供参考.实验表明,通过Neo4j图数据库中实体数据索引设计,查询性能提升高达16倍;通过对Louvain算法关系属性weight添加机构影响维度,社区模块度提升了84%.展开更多
为明确城市矿产领域的研究热点与前沿趋势,采用知识图谱可视化和文献计量的方法,运用Web of Science文献数据和CiteSpace软件定量分析全球城市矿产研究的发文时间、期刊、作者、研究机构,以及高被引文献等特征,从关键词共现、关键词聚...为明确城市矿产领域的研究热点与前沿趋势,采用知识图谱可视化和文献计量的方法,运用Web of Science文献数据和CiteSpace软件定量分析全球城市矿产研究的发文时间、期刊、作者、研究机构,以及高被引文献等特征,从关键词共现、关键词聚类、突现词提取和时区图谱分析,揭示城市矿产研究热点和前沿趋势。研究结果表明:全球城市矿产研究年度发文量总体呈不断上升的趋势;形成了以陈伟强、刘刚、GRAEDEL等学者为核心的作者群和以中国科学院、清华大学、耶鲁大学为核心的研究机构群,合作紧密;“城市矿产”“在用存量”“物质流分析”“循环经济”等关键词频繁出现且中心性高,反映出资源存量研究、循环经济理念和经济可行性研究是当前的核心主题;未来城市矿产研究将在资源回收技术的创新与优化、动态监测与数据分析、循环经济模式的系统性研究,以及政策与社会因素的综合研究等议题发力。本文的研究能够帮助科研工作者和决策者快速了解和掌握城市矿产领域的研究状况和趋势方向,为推进城市矿产的深入研究和科学决策提供重要参考。展开更多
当前主流的搜索引擎主要是以与用户查询的相关度来顺序返回搜索结果的,用户往往需要花费较长的时间从结果列表中进行选择。为了解决这个问题,针对搜索引擎返回的标题和摘要信息,构造有向图表示,并在此基础上实现了一种高效的网页聚类原...当前主流的搜索引擎主要是以与用户查询的相关度来顺序返回搜索结果的,用户往往需要花费较长的时间从结果列表中进行选择。为了解决这个问题,针对搜索引擎返回的标题和摘要信息,构造有向图表示,并在此基础上实现了一种高效的网页聚类原型系统(efficient web clustering system,EWCS)。该系统将搜索引擎返回的结果按照一定的标准分类呈现给用户,用户选择感兴趣的类别进行浏览,从而较好地满足了用户对查询速度和准确度的需求。试验结果表明该算法具有一定的可行性和较高的准确率。展开更多
文摘高水平论文是优秀科技人才的标志性成果之一。聚焦"Web Of Science(WOS)"热点研究学科,在构建学术论文语义Neo4j网络图和挖掘出活跃科研社区基础上,利用PageRank人才挖掘算法实现对科研社区中优秀科研人才的挖掘。首先,对现有的人才挖掘算法进行详细研究和分析;其次,结合WOS论文数据对PageRank人才挖掘算法进行了优化设计和实现,加入了论文发表的时间因子、作者署名排序递减模型、周围作者节点对当前节点的影响、论文被引用量等多维度考量因素。最后,基于热点学科计算机科学某社区近五年的论文数据进行了实验和验证。结果表明,基于社区的挖掘更具有针对性,能够快速定位各学科代表性优秀和潜在人才,且改进后的算法对人才的发现更加客观有效。
文摘本文以1900-2019年"Web of Science(WOS)"核心合集中的中国科学院(中科院)部分论文数据为面板数据对热点学科、科研社区及相关权威专家进行了分析研究.首先对艺术与人文、生命科学与生物医学、自然科学、社会科学、应用科学五大学科数据进行分析,发现应用科学(Technology)发表论文年增速最快,且研究热点为计算机科学(Computer Science);其次针对研究热点应用Neo4j图数据库构建论文语义网络图,对实体关系进行优化,提升了社区内部关联度;并基于Louvain社区发现算法进行了相关优化和数据挖掘,分析了其背后的优秀科研团队;最后针对挖掘出的社区,利用PageRank算法筛选出高产出的权威科研人员,为科研合作和人才发现甚至国家学科布局提供参考.实验表明,通过Neo4j图数据库中实体数据索引设计,查询性能提升高达16倍;通过对Louvain算法关系属性weight添加机构影响维度,社区模块度提升了84%.
文摘为明确城市矿产领域的研究热点与前沿趋势,采用知识图谱可视化和文献计量的方法,运用Web of Science文献数据和CiteSpace软件定量分析全球城市矿产研究的发文时间、期刊、作者、研究机构,以及高被引文献等特征,从关键词共现、关键词聚类、突现词提取和时区图谱分析,揭示城市矿产研究热点和前沿趋势。研究结果表明:全球城市矿产研究年度发文量总体呈不断上升的趋势;形成了以陈伟强、刘刚、GRAEDEL等学者为核心的作者群和以中国科学院、清华大学、耶鲁大学为核心的研究机构群,合作紧密;“城市矿产”“在用存量”“物质流分析”“循环经济”等关键词频繁出现且中心性高,反映出资源存量研究、循环经济理念和经济可行性研究是当前的核心主题;未来城市矿产研究将在资源回收技术的创新与优化、动态监测与数据分析、循环经济模式的系统性研究,以及政策与社会因素的综合研究等议题发力。本文的研究能够帮助科研工作者和决策者快速了解和掌握城市矿产领域的研究状况和趋势方向,为推进城市矿产的深入研究和科学决策提供重要参考。
文摘当前主流的搜索引擎主要是以与用户查询的相关度来顺序返回搜索结果的,用户往往需要花费较长的时间从结果列表中进行选择。为了解决这个问题,针对搜索引擎返回的标题和摘要信息,构造有向图表示,并在此基础上实现了一种高效的网页聚类原型系统(efficient web clustering system,EWCS)。该系统将搜索引擎返回的结果按照一定的标准分类呈现给用户,用户选择感兴趣的类别进行浏览,从而较好地满足了用户对查询速度和准确度的需求。试验结果表明该算法具有一定的可行性和较高的准确率。
