基于关键词特征和多元异构信息的论文颠覆性指数预测模型研究*
情报探索 ›› 2025, Vol. 1 ›› Issue (2): 1-.
• 理论探索 •
(1.中国科学院科技战略咨询研究院 北京 100190)
(2.中国科学院大学公共政策与管理学院 北京 100149)
出版日期:
发布日期:
作者简介:
基金资助:
*本文系国家社会科学基金重大项目“世界科技强国制度环境的比较研究”(项目编号:23&ZD149)和国家自然科学基金委软课题“新形势下自然科学基金的新定位及应用基础研究的资助体系探究”(项目编号:L2424113)研究成果之一。
Online:
Published:
摘要:
[目的/意义]旨在克服传统评价论文方法的滞后性和主观性。[方法/过程]从论文标题和摘要中提取关键词特征,并融合学科领域、参考文献数量、作者机构类型等多源信息,基于随机森林算法提取的特征,构建遗传算法优化的深度神经网络预测模型。[结果/结论]该模型为学术评价提供了新的视角和方法,能够对新发表论文作出及时的颠覆性评估,为学者研判领域发展趋势、编委会审稿决策、基金资助评审等提供支持。未来工作将进一步挖掘相关特征,提高模型的预测性能。
关键词: 颠覆性指数, 深度神经网络, 知识创新, 机器学习, 成果预测
颠覆性指数,
李欣哲, 鲁晓, .
基于关键词特征和多元异构信息的论文颠覆性指数预测模型研究* [J]. 情报探索, 2025, 1(2): 1-.
0 / / 推荐
导出引用管理器 EndNote|Ris|BibTeX
链接本文: http://qbts.fjinfo.org.cn/CN/
http://qbts.fjinfo.org.cn/CN/Y2025/V1/I2/1
基于知识创新的创新型企业品牌竞争力培育机制研究*
基于ISODATA聚类算法的个性化图书精准推荐方法研究*
基于眼动数据的用户在线购物时间压力识别研究
信息素养教育领域中GPT-4生成论文引言与学者撰写引言对比研究*
知识视角下科技成果转化研究述评*
深度迁移学习辅助微博文本隐私风险辨识