基于知识脉络的科技论文推荐

将关键词作为作者兴趣标识,利用论文文本中关键词之间的同义关系、上下位关系和共现关系构建成知识脉络,并结合基于内容过滤的方法对作者进行科技论文推荐。该方法将关键词向量之间的平均最大语义相似度作为作者和论文基于知识脉络的相似度,考虑了同义和上下位关系两种语义关系,并在此基础上加入了关键词的共现关系进行论文推荐。实验结果表明该方法的推荐准确率和召回率明显提升。     

基于知识图谱自动构建的可用资源表示与推荐

为了解决技术创新中可用资源选择过程算法化程度与创新效率较低的问题,提出基于知识图谱自动构建的可用资源表示与推荐方法;首先采用双向长短期记忆模型和条件随机场模型建立可用资源实体抽取模型,基于依存句法分析实现实体关系抽取,从而构建可用资源知识图谱;然后分析可用资源属性在可用资源利用过程中的作用,并架构属性匹配网络,实现基于知识图谱的可用资源推荐;最后通过实验和案例分析验证所提方法的有效性。结果表明,知识图谱能够有效表示可用资源,可以应用于智能化计算机辅助创新系统的开发。     

表示学习知识图谱的实体对齐算法

与现有的根据知识图谱的结构信息或实体属性特征进行相似度匹配的实体对齐的方法不同,提出了一种基于表示学习的知识图谱实体对齐方法.首先,在低维向量空间下,通过机器学习方法学得实体和关系的语义表示,这种表示形式蕴含了知识图谱的内在结构信息及实体属性特征;其次,将人工标注的实体对作为先验知识,学习知识图谱间实体对的映射关系.经实验验证表明:与基于特征匹配的方法SiGMa相比,本文方法能够有效提高知识图谱实体对齐的精确率,同时保持较高的F1值.     

基于文本相似度的评审专家推荐方法研究

在科研项目申报过程中,当前多采用人工方式进行评审专家遴选,由于人工对领域知识的理解有限,且具有一定的主观性倾向,随着项目申报数量的增加,人工选择的效率和准确率逐渐降低。为解决此问题,该文提出一种基于文本相似度的评审专家推荐方法。通过对项目论文信息进行数据挖掘,利用编辑距离模糊匹配和Wordnet语义扩展方法改进文本相似度计算,设计对比实验分别说明方法的可行性,并对推荐结果给出解释。实验结果表明,该文方法能够有效解决评审专家遴选问题。     

科技项目评审专家分组匹配算法

为了解决科技项目评审中申请书与专家的分组匹配问题,提出了一个基于二部图谱划分异构对象分组匹配算法。 该算法用二部图描述申请书与专家之间的对应关系,提出了关联强度计算公式,计算图中每条边的权重值,求出图的关联矩阵,对关联矩阵进行奇异值分解得到奇异特征向量,用k-means分组算法对奇异特征向量进行分组。 利用申请书与专家分组匹配算法能够实现项目评审过程中申请书与专家的自动分组与匹配,并且分组匹配结果有较高的准确性和合理性。      

基于知识状态的个性化学习资源推荐方法

针对现有的个性化学习资源推荐方法存在不能够从学习者的学习缺陷出发推荐学习资源的不足,提出一种基于知识状态的个性化学习资源推荐方法,它首先根据知识点之间的关联关系构建知识图谱,然后根据学习者知识状态进行推导生成待学习知识点向量,最后设计相似性迭代算法从学习资源库中匹配最适合学习者的学习资源.通过实验证明,该方法具有不错的推荐效果和性能.     

研究生学位论文质量评价体系的构建

现行的研究生学位论文质量评价体系存在很多方面的局限，使得最终的评价结果与实际有一定的差距．运用科学的方法，将评审专家与学位管理部门的活动有机结合起来，并将相互影响降低到最低．评审专家根据建立的学位论文质量评价表进行定性和定量的评价，学位管理部门运用统计的方法剔除偏离过度的噪音数据，对有效评价意见和分数进行整合，从而得到对学位论文的科学评价．     

基于局部影响力与深层偏好传播的点击率预估方法

基于知识图谱的推荐方法是推荐系统的研究热点之一,利用用户历史行为及物品特征在知识图谱结构化表示数据的辅助下解决推荐系统数据稀疏性及冷启动问题。但是用户的兴趣易受特定物品所影响,而知识图谱以结构化形式存储数据,实体与实体之间仅存在链路关系,这就导致了单纯利用知识图谱的推荐方法在点击率预测方面性能较差。基于此,提出一种基于局部影响力与深层偏好传播的推荐方法(local influence and deep preference propagation, LIDP),充分利用知识图谱结构化数据在偏好传播中存在实体影响力的优点。LIDP模型首先对知识图谱逐层偏好传播获取数据影响力权重并根据所获数据权重进行局部影响力计算;其次对局部影响力进行用户历史行为的兴趣增强表示进而获取用户表示;最后对用户表示与物品的向量表示进行内积操作以获取最终交互概率。LIDP模型在MovieLens-1M数据集上相比最优基准模型GNRF,AUC、ACC、MAE和F₁值分别提高了0.16%、0.52%、0.87%、0.21%;在Book-Crossing数据集上,这些提升分别为0.45%、2.14...     

证据理论在学位论文网络评审中的应用

传统学位论文评审周期长、透明度差、效率低下。为克服这些缺点,基于.NET平台开发设计了论文评审系统,可以实现论文网络化评审过程。系统采用B/S架构,以基于NET Framework3.5版的Visual Studio2008作为软件开发平台。系统由三部分组成,分别是学生系统、专家系统及管理员系统,系统的设计简捷、界面友好,并在一次评审中运用D-S证据理论融合多专家的评审结果,二次评审中运用一致性检验法检验一次评审中专家评审的一致性,使一次评阅过程变得更加科学,二次评阅过程变得更加规范。     

基于数据驱动和知识图谱的电影分类推荐方法

提出基于知识图谱和数据驱动的电影分类推荐方法；首先基于数据驱动爬取互联网中的电影数据并进行去重及清洗，然后采用知识图谱将电影数据与用户情感偏好数据进行关联，对海量的数据信息进行中心聚类，并在数据聚类的过程中计算投影向量得到相似度矩阵，最后查询相似度值并计算分类推荐指标权重得到最终的电影推荐清单.     

知识图谱驱动的推荐方法及应用研究

在互联网高速发展的时代,网络数据呈爆炸性增长,准确高效获得自己所需的信息迫在眉睫,因此推荐系统显得越来越重要。但传统的推荐系统面临天然的稀疏性和冷启动的问题,限制了推荐系统的推荐质量。提出了一种基于知识图谱的推荐方法,在传统的推荐系统中融合了电影的知识,通过分析电影实体及实体之间的关系,完成了电影知识图谱的构建。采用图数据库构建了基于山西移动IPTV的知识图谱。实验结果表明,知识图谱驱动的推荐方法在召回率、准确率和覆盖率方面均有提升,从而为IPTV个性化推荐提供了方法支撑和技术保障,有效提升了用户触达率和准确率,提升了IPTV运营效果。     

保障学位论文质量的全过程管理的探讨

学位论文是评价研究生培养质量的重要水准,探讨从学位论文的选题开题、中期考核、送审及答辩等各个环节的全过程管理,切实提高和保障研究生学位论文质量。     

人工智能时代知识图谱表示学习方法体系

 总结了不含辅助信息的知识图谱表示学习方法,主要是基于距离和基于语义匹配2类主流方法;研究了包含文本辅助信息和类别辅助信息的知识图谱表示学习方法;通过对比各类表示学习方法的优缺点,发现引入辅助信息能有效表达知识图谱中新实体,但时空开支大幅上升,因而在现阶段,不含辅助信息的方法更易应用于实际场景中。分析了知识图谱嵌入如何应用于三元组分类、链路预测、推荐系统等下游任务,整理归纳了应用于不同任务的数据集和开源库的集合,并展望了大规模、动态知识图谱等具有广泛应用前景的研究方向。     

基于硕博士论文关键词构建知识图谱分析企业热点

本文对我国硕博士论文研究华为、阿里和腾讯3家大型企业的热点以及热点之间关系和热点的演化进行了探讨.首先观察论文的数量变化与学科分布,然后构建关键词知识图谱对关键词之间的内部结构特征和演化方式进行可视化展示,结果发现硕博士基本从企业的发展特色展开研究,同时从关键词知识图谱网络的演化角度来看,网络结构越来越复杂,网络中心逐...     

研究生学位论文网上评审系统设计与应用研究

从研究生学位论文评审工作的实际出发,分析了现行评审方式存在的问题,系统阐述了研究生学位论文网上评审系统的设计原则,分析了其结构和功能,在研究生学位论文评审工作中运用该系统的优势。     

基于极化关系表述与低维数据间关联学习的推荐模型

传统基于知识图谱的推荐模型一般采用TransH策略来表达图谱中节点间关系,同时利用基于特征机的交互方式进行推荐学习.该类方法对于节点间的关系表述不够准确,同时往往忽略了节点间低维数据所隐藏的关系.为提升推荐准确率,本研究提出了一种基于极化关系表述的新方法,将节点间的表述映射到酉空间,丰富了节点间关系表述的有效信息;此外...     

院级博士学位论文网上双盲评阅系统设计与实现

博士学位论文评闺是博士学位论文工作重要组成部分。为保证博士学位论文质量、不断提高服务效率,实现博士学位论文异地化网上盲审,我院进行了院级博士学位论文网上双盲评阅系统开发。系统分博士生上传学位论文子系统、专家评阅博士学位论文子系统、后台管理子系统三部分,该系统实现了安全可靠、分级审核、异地评审、存档方便,,具有很强的可操作性与实用性。     

Web服务的个性知识建模

个性化是Web服务发展的重要发展方向,而实现个性化的首要任务就是发现用户的兴趣知识。本文提出了从用户请求、服务注册信息、服务组合序列中获得三种个性化向量的方法,并建立个性知识库。三种向量分别作用于服务匹配、服务推荐以及服务组合推荐,为Web服务的个性化提供了模型和发展方向。     

基于CiteSpace的《情报理论与实践》知识图谱计量分析

基于CiteSpace信息可视化软件,选定CSSCI收录的我国情报学领域核心期刊《情报理论与实践》2010-2016年发表的所有论文(最后的检索实践为2015年12月30日)为数据源,以1920篇文献为研究对象,应用CiteSpaceIII对绘制机构合作知识图谱、作者合著知识图谱、期刊共被引知识图谱、关键词共现知识图谱等,并对图谱进行深入分析与解读,全面扫描该刊的知识结构和知识特征,梳理该刊当前研究力量及代表。     

基于自然语言处理的材料领域知识图谱构建方法

如何将材料领域知识与机器学习技术相结合是材料智能研究迫切需要解决的问题. 知识图谱(knowledge graphs, KGs)作为一种高效的知识组织模型, 可以有效地对材料领域知识进行表示、组织和推理, 从而提升材料机器学习算法的智能水平. 研究了基于自然语言处理技术的材料领域知识自动获取方法, 提出了基于双向门控循环单元-图神经网络-条件随机场(bidirectional-gated recurrent unit-graph neural network-conditional random field, Bi-GRU-GNN-CRF) 的材料实体关系联合抽取方法, 以及基于改进 TextRank 算法的材料工艺知识抽取方法, 实现了从专利、论文等材料文献中自动获取材料实体、关系、工艺流程等材料领域知识. 实验结果表明, 所提出的材料知识获取方法具有较好的精度和召回率, 能够有效提升材料知识图谱的知识覆盖度. 基于该方法构建的材料领域知识图谱的知识覆盖率达到了80%, 能够为材料智能研发提供更加全面的知识支撑. 同时, 构建了非调制特殊钢、铝基复合材料、热障陶瓷涂层材料 3 个材料领域知识图谱, 并进行了应用探索, 进一步验证了知识图谱为材料研发提供知识支撑的可能性.