天堂国产午夜亚洲专区-少妇人妻综合久久蜜臀-国产成人户外露出视频在线-国产91传媒一区二区三区

當(dāng)前位置:主頁 > 管理論文 > 科研管理論文 >

基于主題突變檢測的顛覆性技術(shù)識別——以無人機(jī)技術(shù)領(lǐng)域?yàn)槔?/H1>
發(fā)布時(shí)間:2021-06-23 07:36
  顛覆性技術(shù)對實(shí)現(xiàn)中國科技創(chuàng)新跨越式發(fā)展具有重要戰(zhàn)略意義。以無人機(jī)技術(shù)領(lǐng)域?yàn)槔?獲取Web of Science論文數(shù)據(jù)庫和德溫特(Derwent)專利數(shù)據(jù)庫2005—2019年收錄的2812篇論文與專利數(shù)據(jù),基于LDA-LSTM文本分類算法得到技術(shù)主題,采用CiteSpace構(gòu)建共現(xiàn)網(wǎng)絡(luò),從突變權(quán)重排序及突變時(shí)間段和突變共詞聚類知識圖譜2個(gè)角度進(jìn)行主題突變檢測,進(jìn)而識別出無人機(jī)交互技術(shù)中的腦機(jī)接口技術(shù)及手勢控制技術(shù)為該領(lǐng)域內(nèi)的顛覆性技術(shù),通過2020年無人機(jī)技術(shù)領(lǐng)域相關(guān)論文專利驗(yàn)證了識別框架的有效性。 

【文章來源】:科技導(dǎo)報(bào). 2020,38(20)北大核心CSCD

【文章頁數(shù)】:9 頁

【部分圖文】:

基于主題突變檢測的顛覆性技術(shù)識別——以無人機(jī)技術(shù)領(lǐng)域?yàn)槔? src='http://image.cnki.net/getimage.ashx?id=KJDB202020017_01400'  style='max-width:500px'></p><br> 顛覆性技術(shù)識別框架<br><p align='center'><img src='http://image.cnki.net/getimage.ashx?id=KJDB202020017_01700' alt='流程圖,機(jī)器學(xué)習(xí),主題,流程圖' style='max-width:500px'></p><br> 采用機(jī)器學(xué)習(xí)分類算法,對論文專利摘要進(jìn)行分類。文本分類即依照一定的分類標(biāo)準(zhǔn)或體系對文本進(jìn)行自動分類,即通過對已分類數(shù)據(jù)的分析,總結(jié)出劃分各類別的規(guī)則,并以此為基礎(chǔ)識別其他更多數(shù)據(jù)所屬的類別,常用的有傳統(tǒng)機(jī)器學(xué)習(xí)分類算法如K近鄰算法[15](K-nearest neighbor,KNN)、支持向量機(jī)[16](support vector machine,SVM),深度學(xué)習(xí)算法如卷積神經(jīng)網(wǎng)絡(luò)[17](convolutional neural networks,CNN)、長短時(shí)記憶神經(jīng)網(wǎng)絡(luò)[18](long short-term memory network,LSTM)等。以上分類算法均采用基于LDA(latent dirichlet allocation)主題模型的特征提取方法構(gòu)建文本分類器,形成LDA-KNN、LDA-SVM、LDA-CNN、LDA-LSTM分類器,對論文專利摘要數(shù)據(jù)集進(jìn)行分類,分類框架如圖2所示。最終表明LDA-LSTM分類性能最好,對于待分類數(shù)據(jù)分類流程圖如圖3所示。圖3 LDA-LSTM分類流程圖 <br><br><p align='center'><img src='http://image.cnki.net/getimage.ashx?id=KJDB202020017_01800' alt='流程圖,流程圖,主題,文檔' style='max-width:500px'></p><br> 圖2 機(jī)器學(xué)習(xí)分類主題模型流程圖1) LDA主題模型。隱含狄利克雷分布(latent Dirichlet allocation,LDA)是Blei等[19]于2003年提出的基于概率模型的主題模型算法,是一種無監(jiān)督的文本聚類方法。LDA主題模型是包含文檔-主題-詞的3層貝葉斯結(jié)構(gòu)。其基本思想是把文檔看成其隱含主題的混合,而每個(gè)主題則表現(xiàn)為跟該主題相關(guān)的詞項(xiàng)的概率分布。該方法通過對語料庫的建模訓(xùn)練,從而發(fā)現(xiàn)文檔中潛在隱藏的主題信息,LDA主題模型如圖4所示。 <br><br>【參考文獻(xiàn)】:<br>期刊論文<br>[1]基于離群專利的顛覆性技術(shù)預(yù)測——以中藥專利為例[J]. 羅素平,寇翠翠,金金,袁紅梅.  情報(bào)理論與實(shí)踐. 2019(07)<br>
[2]基于突變檢測與共詞分析的關(guān)聯(lián)數(shù)據(jù)新興趨勢探測[J]. 楊選輝,蔡志強(qiáng).  情報(bào)科學(xué). 2018(11)<br>
[3]基于雙向LSTM模型的文本情感分類[J]. 任勉,甘剛.  計(jì)算機(jī)工程與設(shè)計(jì). 2018(07)<br>
[4]基于科學(xué)論文和專利信息的基因測序技術(shù)領(lǐng)域創(chuàng)新態(tài)勢分析[J]. 孫軼楠,杜建,唐小利.  中華醫(yī)學(xué)圖書情報(bào)雜志. 2017(05)<br>
[5]淺析顛覆性技術(shù)的內(nèi)涵與培育——重視顛覆性技術(shù)背后的基礎(chǔ)科學(xué)研究[J]. 李政,劉春平,羅暉.  全球科技經(jīng)濟(jì)瞭望. 2016(10)<br>
[6]基于多分類器協(xié)同學(xué)習(xí)的卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法[J]. 陳文,張恩陽,趙勇.  計(jì)算機(jī)科學(xué). 2016(09)<br>
[7]基于TRIZ理論的顛覆性技術(shù)選擇環(huán)境研究[J]. 許澤浩,張光宇,亢凱,王星羽.  工業(yè)工程. 2016(04)<br>
[8]文檔內(nèi)可視化分析工具的比較研究[J]. 陸泉,趙琴,陳靜.  信息資源管理學(xué)報(bào). 2016(02)<br>
[9]顛覆性技術(shù)的演化軌跡及早期識別——以智能手機(jī)等技術(shù)為例[J]. 蘇敬勤,劉建華,王智琦,陳悅,姜照華.  科研管理. 2016(03)<br>
[10]基于突變詞檢測的世界核桃研究前沿?zé)狳c(diǎn)分析[J]. 羅明英,李東麗,岳丕昌,翁琴,王銀方.  農(nóng)業(yè)圖書情報(bào)學(xué)刊. 2016(02)<br>
<br><!--https://kns.cnki.net/kcms/detail/detail.aspx?dbcode=CJFD&dbname=CJFDLAST2020&filename=KJDB202020017&v=ETAAPCtENTBVGiiHY5KOHb4SlJ0uUW0i4BMhvTHlB6OR206bxHOlWTcv0u96Bk89-->
					<br/><br/>本文編號:<b>3244536</b><div style='float:right'>
					

			
				
						<div  id=qikan


資料下載
論文發(fā)表

本文鏈接:http://sikaile.net/guanlilunwen/keyanlw/3244536.html

論文發(fā)表
最近更新
教材專著
熱點(diǎn)文章

Copyright(c)文論論文網(wǎng)All Rights Reserved | 網(wǎng)站地圖 |

版權(quán)申明:資料由用戶8e237***提供,本站僅收錄摘要或目錄,作者需要刪除請E-mail郵箱bigeng88@qq.com