基于专利引用跨越度计量的两国间间接创新合作机会发现

[目的/意义] 两个国家间的创新合作机会有些是显性直接的，有些是潜在间接的。在此试图构建一种计量和分析专利引用关系的方法，用于发现两国间潜在的间接创新合作机会。[方法/过程] 全球价值链上不同环节专利之间的引用关系中，蕴含着相互衔接、配套的间接合作关系，而不同环节的专利通常具有不同的功能，即IPC存在一定跨越度。因此，设计"专利引用跨越度"指标及算法，用于计量和筛选专利引用网络中"引用跨越度"达到预设阈值的专利引用关系，作为发现间接创新合作机会的基础数据。以新加坡在中国获得授权的发明专利为样本，基于专利引用跨越度计量并配合人工解读和识别，发现中新两国间一系列的间接创新合作机会。[结果/结论] 基于专利引用跨越度计量的两国间间接创新合作机会发现的方法，被实验检验为有效。     

科技论文引用对象研究综述

[目的/意义] 为更好地提升基于内容的引文分析效果，对国内外引用对象相关研究进行调研总结，为引用内容分析研究提供借鉴。[方法/过程] 通过调研国内外引用对象相关研究，梳理引用对象的概念定义、分类体系、应用领域和自动化识别等方面研究进展，总结当前引用对象研究不足并提出未来发展方向。[结果/结论] 引用对象从语义层面评价文献学术研究的贡献和利用价值，为引文分析方法增加了重要维度。引用对象研究需要从理论、技术和应用三个方向进行深化：理论上，加强多维度引用对象特征的研究和分析；技术上，探索基于大规模语料的自动化识别方法；应用上，尝试基于引用对象的科研评价服务。     

公共图书馆地理空间布局的访问便利性研究

[目的/意义] 公共图书馆地理空间布局影响着读者到馆方式和成本花费，进而影响读者对图书馆访问的体验和频次。[方法/过程] 基于出行链理论和场域理论，围绕公共图书馆地理空间布局，对读者访问公共图书馆的便利性进行了解析，分析了城市公共交通和生活设施分布和公共图书馆网络布局之间的动态关系和量化评价，利用ArcGIS对苏州城市公共图书馆布局进行了案例分析。[结果/结论] 提出建立与公共交通互动关系、接入图书馆馆外空间以及延伸到读者生活圈的策略，以提升公共图书馆地理空间布局便利性。     

一种基于图卷积自编码模型的多维度学科知识网络融合方法

[目的/意义] 针对包含单一类型知识单元的知识网络难以全面反映学科知识结构的问题，提出一种从多维度进行知识网络结构融合的方法，为学科领域知识结构挖掘提供借鉴。[方法/过程] 利用LDA及TF-IDF方法抽取学科知识单元，然后运用语义相似度和关键词共现分析方法构建3个学科知识子网络：主题网络、关键词网络和实体网络，并采用空间节点传递对齐方法对齐子网络节点，接着设计基于图卷积操作的自编码模型对知识节点进行表示，最后通过计算余弦相似度重构学科知识网络。[结果/结论] 实验部分以人工智能领域为例，构建融合主题、关键词和实体的学科知识网络并展开分析，实验结果表明，本文所提方法能有效地揭示学科领域研究内容和知识结构，为学科知识发现与组织研究提供有益参考。     

PCSI:一种单篇论文被引频次标准化方法

[目的/意义] 文章的被引频次一直是量化评价一篇论文学术影响力的重要指标。但在不同学科不同年份发表的论文会因该领域研究论文数、引用滞后等因素呈现较大的差异。因此在对比两篇论文时，难以简单依据被引频次的绝对值来评判论文影响力大小。为此，本文设计了一个新的可计算数学模型，使得每篇论文可以有一个标准化的指标，以便对不同学科不同年份发表的论文的学术影响力进行直接比较。[方法/过程] 通过分析2006、2017两年中国科技类学术期刊各学科论文的被引频次分布规律，采用同学科论文被引频次的分布形态最接近对数正态分布的先设条件，提出一种被引频次标准化指数——Paper Citation Standardized Index （简称PCSI，中文"论文引证标准化指数"）。最后以中国科协优秀科技期刊论文评选结果为例，将它们与论文所属学科全部论文进行实证对比研究。[结果/结论] 结果证明，PCSI对不同年份、不同学科论文的被引频次进行了标准化，反映了被引频次的线性差距，是一种较为理想的单篇论文学术影响力比较评价工具。     

Ancient Mural Classification Method Based on Improved AlexNet Network

ABSTRACT

As an important part of art and culture, ancient murals depict a variety of different artistic images, and these individual images have important research value. For research purposes, it is often important to first determine the type of objects represented in a painting. However, the mural painting environment makes datasets difficult to collect, and long-term exposure leads to underlying features that are not distinct, which makes this task challenging. This study proposes a convolutional neural network model based on the classic AlexNet network model and combines it with feature fusion to automatically classify ancient mural images. Due to the lack of large-scale mural datasets, the model first expands the dataset by applying image enhancement algorithms such as scaling, brightness conversion, noise addition, and flipping; then, it extracts the underlying features (such as fresco edges) shared by the first stage of a dual channel structure. Subsequently, a second-stage deep abstraction is conducted on the features extracted by the first stage using a two-channel network, each of which has a different structure. The obtained characteristics from both channels are merged, and a loss function is constructed to obtain the classification result. This approach improves the model's robustness and feature expression ability. The model achieves an accuracy of 84.24%, a recall rate of 84.15%, and an F1-measure of 84.13% when applied to a constructed mural image dataset. Compared with the AlexNet model and other improved convolutional neural network models, the proposed model improves each evaluation index by approximately 5%, verifying the rationality and effectiveness of the model for automatic mural image classification. The mural classification model proposed in this paper comprehensively considers the influences of network width and depth and can extract rich details from mural images from multiple local channels. An effective classification method could help researchers manage and protect mural images in an orderly fashion and quickly and effectively search for target images in a digital mural library based on a specified image category, aiding mural condition monitoring and restoration efforts as well as archaeological and art historical research.     

基于BP神经网络的共享服务平台资源信息质量评价研究——以短租类共享服务平台为例

[目的/意义] 以短租类共享服务平台为例，构建共享服务平台资源信息质量评价指标体系，帮助此类平台企业高效地识别出存在信息质量问题的资源，提高平台整体的信息质量水平。[方法/过程] 首先基于信息传播学相关理论，对共享服务平台信息传播过程进行总结。然后根据共享服务平台信息传播的参与主体和访谈原始资料分析，构建共享服务平台资源信息质量评价指标体系，分为信源质量、信息内容质量和信息效用质量三个维度。最后提出基于BP神经网络的信息质量评价方法，并使用Matlab2018a软件对采集的100组样本数据进行训练和仿真验证。[结果/结论] 提出共享服务平台资源信息质量评价指标体系，并以短租类共享服务平台为例运用BP神经网络进行验证，实验证明该评价指标体系具有一定的可行性和实用性。     

基于本体的引文知识服务原型系统设计与实现

[目的/意义]当前，国内引文数据库建设已经初具规模，但现有的引文知识服务系统不能很好地揭示引文之间的结构或关系，给引文的获取、共享和利用带来一定困难。[方法/过程]以引文数据作为研究对象，对所涉及的各种知识进行获取和整理，探讨引文之间的语义关系，构建科研人员本体和引文知识本体两个本体，设计并初步实现引文知识服务原型系统。[结果/结论]对基于本体的引文知识服务原型系统构建进行验证，实验结果表明，基于本体的引文知识服务原型系统基本实现预定的目标与功能。     

心理距离视角下网络舆情传播意愿影响因素研究

[目的/意义]网络舆情传播意愿的形成是网民的一种心理活动，与心理距离密不可分。了解影响网络舆情传播意愿的主要因素，有助于监督管控部门更加卓有成效地对网络舆情进行预警和治理。[方法/过程]通过对心理距离理论的深层次剖析，对其构成进行阐述，并从时间距离、空间距离、社会距离、概率4个维度出发，做出系列理论假设，利用调查问卷法和最优尺度回归分析法，识别出主要影响因素及其重要程度。[结果/结论]最终归纳出7个影响网民改变其自身传播意愿的主要因素，即报道时间、家乡相关、向往地相关、生活相关、亲戚朋友发布、媒体官方发布、企业官方发布，从这7个影响因素出发监控舆情，可以帮助舆情管控部门更有针对性地掌控舆情的传播方向。     

基于二模复杂网络的隐性知识发现方法研究——以潜在药物靶点挖掘为例

[目的/意义] 通过构建二模复杂网络模型，揭示隐藏在海量文献中的隐性知识。[方法/过程] 通过NetworkX复杂网络工具包，依据任意两个节点的共现关系构建二模复杂网络模型；对网络模型中节点的共现关系进行加权，计算网络的拓扑信息并进行AP聚类，提取节点间的直接关系；采用AUC方法对AA、JC、加权改进的wAA和wJC等4种链路预测算法进行评价，遴选出最合适的预测算法，并对复杂网络的隐性关系进行预测分析。[结果/结论] 以潜在药物靶点挖掘为例进行的实证研究结果表明，wAA链路预测算法为最优的链路预测算法；二模复杂网络模型、指标和方法体系在美国化学文摘社数据库中的药物靶点挖掘中具有一定的有效性。下一步计划在其他数据库中或其他研究领域中进行尝试，以进一步验证该模型的通用性和有效性。