數(shù)據(jù)分析與知識發(fā)現(xiàn)最新期刊目錄

基于重疊社區(qū)的謠言抑制最大化研究————作者：徐夢瑤;孫斌;江濤;崔家豪;

摘要：[目的]針對謠言抑制中對節(jié)點位置與社區(qū)重疊特性考慮不足的問題，提出一種謠言抑制框架RSM-OC。[方法]該框架創(chuàng)新地提出使用信任中心值來精準識別關鍵節(jié)點，結合重疊節(jié)點構成候選種子集，最后利用遺傳算法優(yōu)化正種子節(jié)點集，并采用單向狀態(tài)轉換的線性閾值模型模擬謠言與真相的博弈。[結果]在四個真實數(shù)據(jù)集上的實驗顯示，RSM-OC方法相較于基線算法的謠言抑制率平均提升23.3%，真相傳播范圍平均擴大兩倍，特別...

考慮樣本語義特征與類簇結構特征的IDCCM文本深度聚類方法研究————作者：李婕;張智雄;

摘要：[目的]深度綜合關聯(lián)挖掘圖像聚類方法DCCM局限于基于樣本語義特征進行聚類，無法充分利用類簇結構特征中蘊含的具有高判別性的類間結構關系，制約了DCCM聚類性能的進一步提升。 [方法]本文提出融合類簇結構特征的改進模型Improved-DCCM。首先，以DCCM作為基礎聚類模型，引入基于高斯分布的文本數(shù)據(jù)增強策略，繼承DCCM的樣本語義特征挖掘能力。在此基礎上，通過樣本變量與類簇變量之間的互信息損...

生成式AI對話中的提示詞策略有效性探究————作者：周潔;王東毅;代沁泉;夏蘇迪;

摘要：[目的]本研究旨在探索普適的生成式AI有效提示詞策略，以提升用戶的交互技能和優(yōu)化使用體驗。[方法]采用Q方法，邀請用戶根據(jù)其在通用場景、跨任務及跨模型的生成式AI使用經(jīng)驗，對不同提示詞策略的有效性進行排序，從而識別出具有普適性的有效提示詞策略類型。[結果]研究發(fā)現(xiàn)，最有效的提示詞策略包括明確問題、明確目標和提供背景信息。普適性有效提示詞策略可分為三類：明確需求與精確指引型、清晰解釋與邏輯排序型、拆...

基于可解釋自適應加權Stacking集成學習的電影IP衍生品開發(fā)效果預測————作者：倪淵;李翔宇;張健;董飛星;

摘要：[目的]構建可解釋集成學習模型，為預測電影IP衍生品的開發(fā)效果提供新的決策方式。 [方法]基于價值鏈理論解析電影IP衍生品開發(fā)過程，構建預測指標體系�；�于KLLB模型對影響因素進行提取篩選、構建預測標簽。提出基于AWStacking的開發(fā)效果預測模型。 [結果]以XGBoost、CatBoost、RF為基學習器，LR為元學習器的AWStacking算法預測效果最好，宏平均精確率為0.8699，...

基于多源數(shù)據(jù)間主題時序擴散網(wǎng)絡的研究前沿探測方法研究————作者：李廣;吳新年;寧寶英;

摘要：[目的] 設計基于多源數(shù)據(jù)間主題時序擴散網(wǎng)絡模型，進行動態(tài)計量數(shù)據(jù)源權重的研究前沿探測。 [方法] 通過分析前沿主題的時間、擴散和網(wǎng)絡特征，提出基于主題時序擴散網(wǎng)絡的研究前沿探測方法體系、指標體系和立體判別坐標圖，最后在人工智能領域進行實證分析。 [結果] 動態(tài)計量出多源數(shù)據(jù)權重（戰(zhàn)略規(guī)劃0.301、科技報告0.234、基金項目0.124、專利文獻0.122、會議論文0.113、期刊論文0.105...

基于時空圖結構學習與路線特征增強的行程時間預測研究————作者：潘曉;董慧;陳曉;

摘要：[目的]針對目前多任務行程時間預測研究中，存在的刻畫路段波及效應影響范圍的靈活性不足，以及在標注數(shù)據(jù)受限情況下模型學習能力較差的問題，提出一種基于時空圖結構學習與路線特征增強的行程時間預測方法。[方法]該方法首先利用自適應機制初始化基礎的時空圖結構，并構建基于Encoder-only的學習組件，靈活且深入地捕捉全域路網(wǎng)范圍內路段間的時空交互依賴關系，從而生成高質量的波及效應時空圖及相應的時空特征表...

基于Rank一致性與假設檢驗方法的專利語義相似度測度效果評價方法及其應用————作者：周健;呂璐成;李佳政;趙亞娟;

摘要：【目的】構建專利語義相似度測度效果量化評價方法，實現(xiàn)多種專利語義相似度測度方法的客觀評價。【方法】基于同一分類層級下專利語義相似度更高的思想，兼顧時間與技術領域因素自動構造測度效果評價數(shù)據(jù)集，設計Rank一致性指標指標和假設檢驗方法來構建針對不同向量化模型的專利語義相似度測度效果評價方法，并構建中文和英文專利數(shù)據(jù)集進行評價方法的實證。【結果】本文選擇基于L1距離的Rank一致性指標與U檢驗進行了實...

基于RF-ISSA-SVM和SHAP的疾病誘因可解釋性模型—以肥胖癥為例————作者：馬捷;孫文晶;郝志遠;

摘要：[目的]本研究旨在構建具有可解釋性的高質量疾病預測模型，通過識別影響疾病形成的關鍵誘因，并進一步分析誘因對于疾病的作用方式，從而為輔助診斷和精準醫(yī)療賦能助力。 [方法]以肥胖癥為研究對象，首先，利用隨機森林模型在疾病數(shù)據(jù)的多維特征中篩選出最具代表性的特征子集；其次，通過構建增強型麻雀搜索算法實現(xiàn)支持向量機核參數(shù)與懲罰系數(shù)的自適應獲取；然后，同步應用優(yōu)化后的支持向量機模型對數(shù)據(jù)樣本進行預測分析，并...

科學數(shù)據(jù)推薦研究綜述————作者：張博睿;楊寧;張鑫;文奕;

摘要：[目的]總結國內外科學數(shù)據(jù)推薦的研究現(xiàn)狀，為促進科學數(shù)據(jù)共享研究提供理論基礎。 [文獻范圍]在CNKI、WOS、Google Scholar中使用“科學數(shù)據(jù)推薦”、“科學數(shù)據(jù)集推薦”、“Scientific data recommendation”、“Scientific dataset recommendation”等關鍵詞進行檢索，并結合主題篩選和追溯法，篩選出71篇代表性文獻。 [方法]基于...

專利策略視角下基于深度學習的專利商業(yè)化潛力預測方法研究————作者：向姝璇;毛進;李綱;

摘要：[目的]就現(xiàn)有方法替代指標選取、特征體系構建、模型結構設計上對專利商業(yè)化潛力與專利策略關聯(lián)利用不足的問題提出一個新的專利商業(yè)化潛力預測方法。[方法]將專利實際維持時間是否超過設定閾值作為判斷商業(yè)化潛力的標準，提出由特征處理模塊與多任務并行預測模塊構成的LSTM+MTNN模型。特征處理模塊拼接數(shù)值特征與Bert+SimCSE及LSTM模型生成的文本連續(xù)特征形成多任務并行預測模塊的輸入。多任務并行（M...

多維細粒度政策知識圖譜構建方法————作者：趙雅潔;馮凌子;袁軍鵬;王立學;

摘要：[目的]政策蘊含豐富的信息資源，加強政策知識圖譜頂層設計，構建適配領域特性的通用政策知識圖譜，可將碎片化政策信息進行高效融合、共享和利用。[方法]運用解構主義觀點，融合對齊多理論與政策要素定位，實現(xiàn)多維度政策知識表示，形成模式層；結合網(wǎng)絡獲取、索引匹配、全文解析、實體識別與文本分類模型，設計細粒度知識要素抽取方法，獲取數(shù)據(jù)層；利用Neo4j圖數(shù)據(jù)庫實現(xiàn)知識存儲，可視化形成知識圖譜。[結果]最終構建...

關鍵核心技術識別的研究進展————作者：仵軒;李廣建;潘佳立;

摘要：【目的】對關鍵核心技術識別相關成果進行系統(tǒng)綜述，厘清其研究重點與發(fā)展脈絡，以期為后續(xù)研究提供參考。【文獻范圍】基于關鍵核心技術的系統(tǒng)分析制定檢索式，在Web of Science和CNKI數(shù)據(jù)庫中進行文獻檢索，獲取661篇論文進行定量分析，經(jīng)人工篩選得到60篇代表性文獻進行綜述�！痉椒ā渴紫�，歸納關鍵核心技術的概念特點及檢索策略以明晰綜述范圍；其次，分析關鍵核心技術的特征體系及識別標準以厘清研究思...

用于隱私政策合規(guī)性分析的知識融入提示學習方法————作者：李非燕;曹詩權;蘇宇;

摘要：【目的】在數(shù)字化轉型和移動互聯(lián)網(wǎng)快速發(fā)展的背景下，隱私政策合規(guī)性分析已成為關鍵議題。以往的自動化分析方法主要關注隱私政策的完整性，忽略了分析隱私政策的一致性。同時，這些方法需要大量的標注樣本，限制了其使用場景。本文致力于提出一種兼顧完整性和一致性、且不需要標注樣本的自動化隱私政策合規(guī)性分析方法�！痉椒ā渴紫�，根據(jù)《個人信息保護法》等相關法規(guī)標準，從完整性和一致性兩個角度構建了隱私政策合規(guī)性評價體系...

融合時態(tài)信息和圖結構動態(tài)演化的知識圖譜補全模型研究————作者：張強;高穎;任豆豆;馬志遠;周洪;陶皖;

摘要：[目的]知識圖譜內蘊含海量的元組數(shù)據(jù)，且蘊含時態(tài)信息的知識圖譜可將隨時間變化的事實進行有效保留及使用。探究時態(tài)知識圖譜補全任務對圖譜內動態(tài)數(shù)據(jù)的完備性及其下游應用的發(fā)展有著重要意義。[方法]針對當前多數(shù)方法將時態(tài)知識圖譜視為離散數(shù)據(jù)，無法準確反應事物與時間信息的關系，忽略了局部圖結構演化與形成過程，以及全局圖結構演化所代表的圖譜連續(xù)形成模式。本文設計了如下流程：針對局部結構捕獲，提出基于表示強化的...

基于集成學習與半監(jiān)督學習的突發(fā)事件識別研究————作者：田甜俊子;朱學芳;

摘要：[目的]緩解應急管理中高領域適配性標注數(shù)據(jù)稀缺的現(xiàn)狀，提高事件識別效果。[方法]研究基于集成學習與半監(jiān)督學習提出一個持續(xù)自動標注學習機制，并結合實體識別、共現(xiàn)網(wǎng)絡分析、情感分析等技術實現(xiàn)一個突發(fā)事件識別系統(tǒng)。[結果]持續(xù)自動標注學習機制能夠使用全量數(shù)據(jù)的20%～35%達到與全量數(shù)據(jù)相當甚至更好的識別效果。[局限]當前研究收集的數(shù)據(jù)來源于中國新聞網(wǎng)單一網(wǎng)站，且注重對已有情報的挖掘，在豐富數(shù)據(jù)來源、應...

基于多模態(tài)橋連接的社交媒體多標簽情感分析————作者：于玉海;邢志琦;孟佳娜;高臨霖;王博林;

摘要：[目的]在互聯(lián)網(wǎng)迅速普及的時代，人們可以在數(shù)字平臺上以多種形式表達自己的情感，多模態(tài)情感分析已成為研究熱點，其研究結果將為情感分析提供有力支持。[方法]首先提取單模態(tài)的特有特征和多模態(tài)的共有特征，然后使用跨模態(tài)橋連接實現(xiàn)多模態(tài)融合，最后引入多頭自注意力機制進行多標簽預測，有效捕捉不同情緒標簽之間的共現(xiàn)關系。[結果]在CMU-MOSEI數(shù)據(jù)集上的實驗結果表明，本文模型在不同參數(shù)和對比實驗中，相比于基...

面向問題域的方法知識創(chuàng)新路徑識別研究——以計算語言學領域為例————作者：毛進;梁瑜萱;

摘要：[目的]通過厘清領域的研究問題、識別領域研究方法的創(chuàng)新路徑，幫助掌握領域發(fā)展的重點方向和領域內方法創(chuàng)新的演化脈絡。[方法]本文首先提出方法創(chuàng)新知識表示模型，利用SciBERT-BiLSTM-CRF模型識別論文全文中的問題知識與方法知識；然后根據(jù)共現(xiàn)關系分別構建領域問題網(wǎng)絡和方法創(chuàng)新網(wǎng)絡；最后使用社區(qū)發(fā)現(xiàn)算法對領域問題網(wǎng)絡進行子類劃分，并采用網(wǎng)絡全局搜索提取面向問題域的方法知識創(chuàng)新主路徑。[結果]從...

大模型主旨增強的圖文多模態(tài)句子摘要生成方法————作者：張樂;許央科;陳巖松;張雷瀚;

摘要：[目的] 運用圖文信息進行摘要生成的過程中，針對圖文信息不完全和參考摘要相關，直接融合導致噪聲信息引入的問題，提出一種大模型主旨增強的圖文多模態(tài)句子摘要生成方法。 [方法] 對大語言模型進行微調以生成高質量的主旨和關鍵詞信息，運用注意力機制有效地融合主旨和圖片信息以減少多模態(tài)特征內存在的噪聲信息；將原文本和關鍵詞進行融合以獲得增強主旨信息的多模態(tài)語義補充特征，最后融合兩種特征生成多模態(tài)摘要。 ...

基于隱喻信息和指令調優(yōu)的心理疾病檢測————作者：張冬瑜;莊沐霖;靳森源;劉馨月;

摘要：[目的] 針對目前大量心理疾病檢測研究未能充分考慮到隱喻性信息在疾病識別過程中的關鍵作用，提出一種基于隱喻信息和指令調優(yōu)的心理疾病監(jiān)測方法。[方法] 該方法的核心在于通過隱喻識別技術引入隱喻信息，這包括對隱喻的使用頻率和隱喻中的實體間關聯(lián)性進行分析。此外，利用大語言模型捕捉癥狀和情緒信息，并整合這些特征，構建了指令集，對模型進行有效訓練。[結果] 本文模型在Twitter-Depression和M...

基于視覺線索學習的多模態(tài)命名實體識別————作者：白宇;王連吉;劉翔;袁金福;張桂平;

摘要：[目的]為提高多模態(tài)命名實體識別的效果，本文通過計算實體錨文本與圖像區(qū)域的語義相關性來過濾不相關視覺區(qū)域，達到消除視覺噪聲的目的。[方法]使用提示詞代替類別詞作為實體錨文本對視覺區(qū)域進行語義相關性評估，通過降低無關視覺區(qū)域的權重來消除無關視覺區(qū)域對實體識別的影響，采用多層交互式Transformer進行文本-視覺的模態(tài)融合，并通過CRF層實現(xiàn)實體識別。[結果]在公開數(shù)據(jù)基準上的實驗結果表明，本文方...

　　數(shù)據(jù)分析與知識發(fā)現(xiàn)來自網(wǎng)友的投稿評論：

• 奔跑的辣椒醬

  2022年的第二篇C，解決了畢業(yè)資格，未來還要更加努力吖~ 論文第一版先后投稿《情報理論與實踐》、《情報科學》，均2周左右退稿，沒有任何意見。和導師商量討論后，對論文進行了全面修改（改了一個寒假，由于疫情一直在家，所以大概改了2個月左右（含春節(jié)），效率比較低），最終有了第二版（目前的錄用版本）。2022年3月7日，將修改好的第二版論文直接投稿《數(shù)據(jù)分析與知識發(fā)現(xiàn)》，期刊審稿規(guī)范、不拖稿，中間退修了一次，于2022年4月21日收到錄用通知（歷時45天），最終版面費2000元。這個期刊真的很贊，編輯部的小姐姐很友善溫和~是繼《科學學與科學技術管理》期刊之后的又一推薦期刊，研友們加油哦~

  2024-07-22 22:06
• Yangming_ak

  從2019.4月開始投稿 各種不同期刊的嘗試 中國管理科學，管理科學學報，系統(tǒng)工程理論與實踐，軟科學等等，先后被拒9次吧差不多。東北地區(qū)某985 小碩一枚，也是平生第一次正規(guī)寫小論文，各種磕磕絆絆吧，最后還好2019年11月份投《數(shù)據(jù)分析與知識發(fā)現(xiàn)》到2020.2.18收到了錄用通知，還是挺開心的，開啟了學術生涯第一站。該刊和中國管理科學一樣都屬于C刊（非通常所說CSSCI，此處的C為學校自定期刊的等級，管理世界為B級），

  2024-07-19 12:49
• Yangming_ak

  2個月錄用，速度快，官網(wǎng)各種信息很詳細，期刊編輯校對很認真。

  2024-01-27 11:00
• zhaohhhh

  學友們！請問復審超期了是怎么回事呢？嗚嗚是不是寫的太爛了編輯反饋困難

  2023-10-25 22:37
• 帶頭大哥666

  圖情學科中科院系統(tǒng)兩大C刊之一，國內首家實行支撐數(shù)據(jù)提交的社科期刊，論文質量較高，圖情C刊中中等偏上，雖然是圖情類期刊，但整體偏技術，本身也是CCF3類和CSCD擴，所以自科領域的應用類文章較多；審稿節(jié)奏非常緊湊，一般投稿2-3周就會進入退修環(huán)節(jié)，可能有多次修改，一般能進終審錄用的可能性就比較大了，順利的話兩個月左右錄用；固定版面費2000，在情報學C刊中很劃算，審稿過程規(guī)范，編輯素質很高，問題處理及時，電話有問必答，總體來說是非常高質量的一本期刊。

  2023-07-11 20:49

提交