【摘要】：論文作為科學(xué)研究成果的一種形式,在學(xué)術(shù)交流和科學(xué)發(fā)展中發(fā)揮著重要的作用。為了把握最前沿的科研動向,科研工作者需要從大量文獻中發(fā)現(xiàn)具有創(chuàng)新力的論文,并且對其進行參考和借鑒。對論文的學(xué)術(shù)創(chuàng)新力進行評價有助于促使科研工作者和科研機構(gòu)從事更前沿的研究,從而促進科學(xué)的發(fā)展。同時,論文學(xué)術(shù)創(chuàng)新力評價的結(jié)果能指導(dǎo)科技政策的制定、職位評級和資源分配等。目前,論文的學(xué)術(shù)創(chuàng)新力評價方法主要分為兩類:以同行評議方(?)要手段的定性評價法和基于文獻計量學(xué)的定量評價法。在定性評價法中,同行評議存在著主觀性強、周期長、成本高的缺點,該方法對于大量文獻的評價更是效率低下。定量評價法主要包括單個特征指標(biāo)評價法、以影響力測度創(chuàng)新力法、指標(biāo)體系評價法、基于論文內(nèi)容的評價法和構(gòu)造創(chuàng)新力評價指標(biāo)法,每種方法都存在一定的局限性。機器學(xué)習(xí)是信息時代的發(fā)展產(chǎn)物,通過對多維特征數(shù)據(jù)的學(xué)習(xí)和理解,能以一種自適應(yīng)的方式實現(xiàn)對論文學(xué)術(shù)創(chuàng)新力的評價,有望解決定性評價和定量評價中的缺陷。因此,用機器學(xué)習(xí)的方法對論文的學(xué)術(shù)創(chuàng)新力進行評價成為一個新的研究方向。本文基于機器學(xué)習(xí)方法對論文的學(xué)術(shù)創(chuàng)新力進行評價。主要研究內(nèi)容包括:(1)提取學(xué)術(shù)創(chuàng)新力相關(guān)的特征指標(biāo),構(gòu)建創(chuàng)新力評價指標(biāo)體系;(2)探究指標(biāo)體系中單個特征與創(chuàng)新力之間的相關(guān)關(guān)系,分析單個特征對學(xué)術(shù)創(chuàng)新力的作用機制;(3)構(gòu)建并檢驗提出的機器學(xué)習(xí)模型(多元線性回歸模型、回歸樹、隨機森林、神經(jīng)網(wǎng)絡(luò)模型),選擇性能最好的模型對論文的學(xué)術(shù)創(chuàng)新力進行評價;(4)使用回歸樹模型和隨機森林模型分析特征的重要性,剔除與學(xué)術(shù)創(chuàng)新力無關(guān)的特征,對原始評價指標(biāo)體系進行更正。實驗結(jié)果表明,本文構(gòu)建的論文學(xué)術(shù)創(chuàng)新力評價指標(biāo)體系是合理的,基于機器學(xué)習(xí)能夠快速、有效地對論文的學(xué)術(shù)創(chuàng)新力進行評價。在所選取的模型中,神經(jīng)網(wǎng)絡(luò)模型的評價效果最好。通過對特征重要性的分析,發(fā)現(xiàn)在原始指標(biāo)體系中合著因素、基金等級等五個特征與學(xué)術(shù)創(chuàng)新力無關(guān),基于此對指標(biāo)體系進行更正。本文的研究為學(xué)術(shù)創(chuàng)新力評價提供了一個新視角,得到的學(xué)術(shù)創(chuàng)新力評價指標(biāo)體系及特征的重要性可為后續(xù)的研究提供指導(dǎo)和方向。
【學(xué)位授予單位】：南京大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：G353.1
【圖文】：

ｙ＝邋＾￣ＣＯＳｊ邐（２－３Ｊ＇邋￣Ｊ邋Ｉ逡逑位足個連續(xù)值，該值越大，論文的創(chuàng)新力越大。逡逑動態(tài)網(wǎng)絡(luò)測度法逡逑１４８１基于論文的引文結(jié)構(gòu)構(gòu)造了創(chuàng)新力的測度指標(biāo)，該論文認(rèn)為，雖能完全代表創(chuàng)新力的大小，但可以通過引用結(jié)構(gòu)測度創(chuàng)新。圖是論構(gòu)圖，在圖中，中間的灰色方塊代表論文，左邊的圓形代表論文參合，右邊較大的圓形代表論文的引證文獻集合。根據(jù)引用結(jié)構(gòu)，引類：圖中綠色的方框表示引證文獻既引用了論文ｉ又引用了論文的參紅色方框表示引證文獻只引用了論文ｉ，藍色方框表示引證文獻只引參考文獻ｊ。逡逑．

邐ｎｏｖｌｔｙ逡逑圖４－１論文的創(chuàng)新力值邐圖４－２論文創(chuàng)新力的區(qū)間分布逡逑４．１．３學(xué)術(shù)創(chuàng)新力評價的特征值計算逡逑對于單篇論文，從ＣＮＫＩ中可以獲取到論文的作者、作者所在的單位、摘逡逑要、基金名稱、分類號、參考文獻的數(shù)量、被引頻次等信息，同時奇以獲取到逡逑所有參考文獻、引證文獻的具體信息，對于論文的每個作者也能獲取到作者的逡逑研宄方向、發(fā)文數(shù)量等。由于本文選取的論文數(shù)據(jù)量大，特征難以直接提取，逡逑所以采用Ｐｙｔｈｏｎ爬蟲的方式獲得了需要的字段。在所有的２２個特征中，有些特逡逑征數(shù)值是可以從ＣＮＫＩ中直接獲取到或者根據(jù)基本字段信息進行簡單計算得到逡逑的，有些特征需要經(jīng)過比較復(fù)雜的處理才能獲取。易獲取到的字段信：息在表格逡逑４－１中（以“電子商務(wù)中在線評論內(nèi)容對評論有用性影響的實證研宄”這篇文章逡逑為例）。逡逑需要注意的是，與作者相關(guān)的指標(biāo)信息不能直接從ＣＮＫＩ中獲取，原因是逡逑有可能存在不同領(lǐng)域或者不同機構(gòu)同名的作者

【相似文獻】

相關(guān)期刊論文 前10條

1 劉傳會;汪小亞;郭增輝;;機器學(xué)習(xí)在反洗錢領(lǐng)域的應(yīng)用與發(fā)展[J];清華金融評論;2019年04期

2 李兵;林文釗;羅崢尹;;基于機器學(xué)習(xí)的智慧農(nóng)業(yè)決策系統(tǒng)設(shè)計與實現(xiàn)[J];信息與電腦(理論版);2018年24期

3 舒娜;劉波;林偉偉;李鵬飛;;分布式機器學(xué)習(xí)平臺與算法綜述[J];計算機科學(xué);2019年03期

4 朱輝;;機器學(xué)習(xí)在企業(yè)級場景中的實踐與探討[J];中國建設(shè)信息化;2018年03期

5 彭傳意;;機器學(xué)習(xí)——我們該如何與機器競爭[J];數(shù)字通信世界;2018年01期

6 陳軼翔;埃里克·布倫喬爾森;湯姆·米切爾;;機器學(xué)習(xí)的能力范圍及其對勞動力的影響[J];世界科學(xué);2018年04期

7 趙長林;;機器學(xué)習(xí)即服務(wù)[J];網(wǎng)絡(luò)安全和信息化;2017年10期

8 ;機器學(xué)習(xí)作用于信息安全的五大頂級案例[J];網(wǎng)絡(luò)安全和信息化;2018年01期

9 吳承楊;;2018年來說說機器學(xué)習(xí)[J];軟件和集成電路;2018年05期

10 宋雯博;;大數(shù)據(jù)下的機器學(xué)習(xí)的應(yīng)用趨勢[J];電腦迷;2018年09期

相關(guān)會議論文 前10條

1 王玨;;歸納機器學(xué)習(xí)[A];2001年中國智能自動化會議論文集（上冊）[C];2001年

2 王衍魯;張利會;張淑潔;石潔茹;王鵬;;大學(xué)新生學(xué)校適應(yīng)的個體與環(huán)境因素探究:基于機器學(xué)習(xí)的考察[A];第二十屆全國心理學(xué)學(xué)術(shù)會議--心理學(xué)與國民心理健康摘要集[C];2017年

3 張長水;;大數(shù)據(jù)機器學(xué)習(xí)[A];2015年中國自動化大會摘要集[C];2015年

4 何琳;侯漢清;;基于標(biāo)引經(jīng)驗和機器學(xué)習(xí)相結(jié)合的多層自動分類[A];2005年中國索引學(xué)會年會暨學(xué)術(shù)研討會論文集[C];2005年

5 李剛;郭崇慧;林鴻飛;楊志豪;唐煥文;;基于詞典法和機器學(xué)習(xí)法相結(jié)合的蛋白質(zhì)名識別[A];大連理工大學(xué)生物醫(yī)學(xué)工程學(xué)術(shù)論文集（第2卷）[C];2005年

6 徐禮勝;李乃民;王寬全;張冬雨;耿斌;姜曉睿;陳超海;羅貴存;;機器學(xué)習(xí)在中醫(yī)計算機診斷識別系統(tǒng)中的應(yīng)用思考[A];第一屆全國中西醫(yī)結(jié)合診斷學(xué)術(shù)會議論文選集[C];2006年

7 吳滄浦;;智能系統(tǒng)與機器學(xué)習(xí)的新領(lǐng)域[A];西部大開發(fā) 科教先行與可持續(xù)發(fā)展——中國科協(xié)2000年學(xué)術(shù)年會文集[C];2000年

8 蔡健平;林世平;;基于機器學(xué)習(xí)的詞語和句子極性分析[A];第三屆全國信息檢索與內(nèi)容安全學(xué)術(shù)會議論文集[C];2007年

9 吳娜;刁聯(lián)旺;;基于機器學(xué)習(xí)的博弈對抗模型優(yōu)化框架軟件系統(tǒng)設(shè)計[A];第六屆中國指揮控制大會論文集（上冊）[C];2018年

10 蔣雍建;程楠;劉澤佳;周立成;湯立群;劉逸平;蔣震宇;;基于響應(yīng)統(tǒng)計特征和機器學(xué)習(xí)的橋梁損傷識別方法研究[A];2018年全國固體力學(xué)學(xué)術(shù)會議摘要集（下）[C];2018年

相關(guān)重要報紙文章 前10條

1 Isaac Sacolick 編譯 Charles;關(guān)于機器學(xué)習(xí)的5個要點[N];計算機世界;2019年

2 記者 張夢然;全新算法助機器學(xué)習(xí)抵抗干擾[N];科技日報;2019年

3 惠贊瑾;《科學(xué)向左，科幻向右》：機器學(xué)習(xí)即將成為現(xiàn)實[N];中國會計報;2019年

4 CIO.com資深作家 Clint Boulton 編譯 Charles;領(lǐng)先一步:機器學(xué)習(xí)的10個成功案例[N];計算機世界;2018年

5 Bob Violino 編譯 Charles;盲目冒進:機器學(xué)習(xí)的5個失敗案例[N];計算機世界;2018年

6 本報駐波士頓記者 侯麗;深入挖掘機器學(xué)習(xí)潛力[N];中國社會科學(xué)報;2019年

7 王方 編譯;菌自何方 機器學(xué)習(xí)早知道[N];中國科學(xué)報;2019年

8 Matt Asay 編譯 Monkey King;為什么機器學(xué)習(xí)沒有捷徑可循？[N];計算機世界;2019年

9 本報記者 操秀英;當(dāng)量子計算遇到機器學(xué)習(xí)會碰撞出什么火花？[N];科技日報;2019年

10 彭博企業(yè)數(shù)據(jù)業(yè)務(wù)全球負(fù)責(zé)人 Gerard Francis;金融數(shù)據(jù)質(zhì)量決定機器學(xué)習(xí)時代的投資回報[N];計算機世界;2019年

相關(guān)博士學(xué)位論文 前10條

1 Kashif Sultan（克希夫）;5G移動通信網(wǎng)絡(luò)中的呼叫記錄分析[D];北京科技大學(xué);2019年

2 王磊;基于機器學(xué)習(xí)的藥物—靶標(biāo)相互作用預(yù)測研究[D];中國礦業(yè)大學(xué);2018年

3 張慶;鈣鈦礦型功能材料的基因組工程研究[D];上海大學(xué);2018年

4 管月;醫(yī)學(xué)腫瘤影像分類算法研究及其在肝癌上的應(yīng)用[D];南京大學(xué);2018年

5 郝小可;基于機器學(xué)習(xí)的影像遺傳學(xué)分析及其應(yīng)用研究[D];南京航空航天大學(xué);2017年

6 施建明;基于機器學(xué)習(xí)的產(chǎn)品剩余壽命預(yù)測方法研究[D];中國科學(xué)院大學(xué)(中國科學(xué)院遙感與數(shù)字地球研究所);2018年

7 陳再毅;機器學(xué)習(xí)中的一階優(yōu)化算法收斂性研究[D];中國科學(xué)技術(shù)大學(xué);2018年

8 陸海進;Zr合金熱動力學(xué)研究及機器學(xué)習(xí)[D];上海大學(xué);2018年

9 戴望州;一階邏輯領(lǐng)域知識與機器學(xué)習(xí)的結(jié)合研究[D];南京大學(xué);2019年

10 張慶慶;基于機器學(xué)習(xí)的文本情感分類研究[D];西北工業(yè)大學(xué);2016年

相關(guān)碩士學(xué)位論文 前10條

1 肖鋒;基于遷移學(xué)習(xí)和在線學(xué)習(xí)的網(wǎng)絡(luò)流量分類方法研究[D];哈爾濱理工大學(xué);2016年

2 林煒;基于機器學(xué)習(xí)的量化擇時與量化選股方法研究[D];廈門大學(xué);2017年

3 杜宇梅;政策不確定性與公司長期投資[D];廈門大學(xué);2017年

4 千躍奇;機器學(xué)習(xí)與自由電子激光的應(yīng)用研究[D];中國科學(xué)院大學(xué)(中國科學(xué)院上海應(yīng)用物理研究所);2019年

5 洪鎮(zhèn)宇;基于機器學(xué)習(xí)的跨站腳本攻擊檢測研究[D];廈門大學(xué);2018年

6 呂沛;機器學(xué)習(xí)語境下的圖像生成藝術(shù)研究[D];中央美術(shù)學(xué)院;2019年

7 Karina Alejandra Espinel Cobos;基于機器學(xué)習(xí)方法的預(yù)測效果分析：1998—2016年中國上市公司退市的證據(jù)[D];廈門大學(xué);2018年

8 程大衛(wèi);機器學(xué)習(xí)程序錯誤分析及其檢測技術(shù)研究[D];南京大學(xué);2019年

9 楊颯然;基于機器學(xué)習(xí)理論的線上用戶再購買行為的預(yù)測模型[D];天津大學(xué);2018年

10 張公鐸;非中心化分布式機器學(xué)習(xí)中的通信優(yōu)化[D];南京大學(xué);2019年

本文編號：2723308