新兴技术在科技革命和产业变革中发挥着重要作用,准确把握新兴技术发展方向有助于国家政策制定和科技快速发展。融合学术论文和专利文献数据,构建一套新兴技术识别方法。通过主题N元语法(TNG)模型抽取和筛选技术主题,确定关键技术主题,通过量化新兴技术的5项特征指标:影响力、增长性、连贯性、创新性、不确定性和模糊性,计算新兴指数得分,对多源数据融合新兴技术进行识别和预判。预测新兴技术未来发展趋势,可为电网领域可持续发展提供有价值的参考,验证研究方法的可行性和有效性。

颠覆性技术是促进国民经济发展和提升大国博弈实力的关键因素,培育和发展颠覆性技术意义重大、影响深远。建设美丽中国是时代的责任,实现碳达峰碳中和是大势所趋。从学术论文、专利以及基于Google Trends数据的社会媒体数据出发,构建多源数据融合的颠覆性技术度量方法。以增长率指标、创新性指标和社会影响力指标测度“双碳”领域颠覆性技术,综合考虑技术对科学界、技术界以及社会经济界三方面的影响;在识别过程中,采用改进后的CDTM模型解决多源数据公共主题提取的问题;通过客观赋权计算颠覆性指数得分,度量主题的颠覆性。实证分析识别出4项“双碳”领域的颠覆性技术,分别是生物炭吸附技术、有机生物炭基肥料制备技术、生物质裂解生物炭技术和生物质热解生物炭技术。四项技术均与国际认可的CCUS技术相关,中国和美国在“双碳”领域研究中占据优势地位。

[目的 /意义]有效融合专利引用网络中的多元关系，消除引用主观动机对技术关联真实性的影响，提高技术演化路径识别的客观性与准确性。[方法 /过程]将专利引用网络中的引用连接关系、主题关联关系、引用动机关系分别作为基础关系、增强关系和调节关系，提出一种多元关系融合的主路径识别方法，在此基础上构建基于多元关系融合的技术演化路径搜索模型，采用迭代局部搜索算法实现该模型的求解，并以石墨烯传感技术领域为例开展实证研究。[结果 /结论 ]对比实验证明本方法可以有效提高实证领域的技术演化路径识别效果。未来多元关系融合主路径研究深化方向是：发掘应用更多具有融合价值的主题关联类型；加强数据融合算法与模型的研究与验证。

大数据环境下,单一数据对科技决策支持的服务不充分、不全面,传统科技决策需求的获取方式较为被动,面对情报用户的决策需求愈加复杂的状况,增加了对用户情报需求描述、情报需求解读与情报服务的难度。为协同利用多源数据,使不同来源的信息相互补充,主动探测情报用户需求,提出一种基于多源数据融合的科技决策需求主题识别方法,以我国科技部机构用户需求主题识别为例,综合多源文本数据结合主题强度分析确定科技部机构用户的重点关注领域主题,确立主题属性,对需求主题在各个主题属性文本中进行词向量计算,从而主动识别出细粒度更高的机构用户科技决策需求主题。通过以科技部机构用户需求主题识别为例,融合多源数据相互补充印证,实现了主动捕获与探测用户的情报需求,从而对用户需求的掌握更加客观、合理、有效,丰富了情报服务的模式,为情报服务变被动为主动提供新理念、新方法。

[目的/意义]数据驱动的颠覆性技术识别工作的两个难点问题在于：如何准确地获得领域候选颠覆性技术，如何全面有效地评估候选技术的颠覆性潜力。针对这两个问题，提出一种基于候选技术辅助生成和多源数据评估的颠覆性技术识别方法，为颠覆性技术识别工作的开展提供新思路。[方法/过程]针对候选技术获取问题，提出了一种候选技术辅助生成方法，通过词性标注和Head-matching的方法自动构建领域技术层次结构体系，然后结合专家知识判断确定候选颠覆性技术；针对颠覆性潜力评估问题，基于表征“科学—技术—产业—市场”链条的多源数据，界定了两类颠覆性技术，分别是“研究储备高—技术成果多—产业规模大—公众关注高”的潜力型颠覆性技术和“研究储备高—技术成果少—产业规模小—公众关注低”的潜伏型颠覆性技术，并通过计算颠覆性潜力值（DPV）和颠覆性潜伏度（DLV）指标来评估候选技术的颠覆性潜力。[结果/结论]通过在材料领域应用本方法发现，评估得到的DPV较高的3项潜力型颠覆性技术（以石墨烯为代表的二维材料、先进半导体材料和增材制造材料技术）和DLV较高的3项潜伏型颠覆性技术（材料基因组、智能材料和超材料技术）覆盖了专家咨询确定的验证集中的6项技术，证明了本方法的有效性。[局限]技术层次体系自动构建方法适用于头名词特征比较明显的技术领域，技术颠覆性潜力评估采用的多源数据需要结合颠覆性技术本质特征进一步深化扩展。

[目的/意义]科学数据已经成为数据驱动型科研的重要资料和产出成果，研究科学数据引用可以帮助追踪数据的使用状况、开展数据计量和评价、加速科研进程。[方法/过程]以生物信息学领域学术论文全文信息作为研究对象，利用规则抽取和人工标注形成了生物信息学引文分类数据集，对比评估6种深度学习模型与3种传统机器学习模型在数据集上的分类和识别效果。[结果/结论]实证研究效果显示，采用考虑语义和上下文特征的深度学习方法在科学数据正式引用识别任务中具有更优效果。[局限]未充分考虑数据类别不均衡问题。

当前文本主题获取方法大多依靠单一关联分析,不能全面分析可获取信息,难以准确获取科技发展主题。科技文献的主题词、作者和引文之间蕴含了以研究主题内容为纽带的语义关联关系,主题词共现关系、引文关系和合著关系分别从不同的角度展现了主题关联关系。因此,本文根据主题词之间语义关系距离的远近,将主题识别中主题词关联分为基础关系、强化关系和新增关系,在此基础上提出面向主题识别的多元关系抽取及关系融合方法;并以基因工程疫苗的研发与制备领域为例进行领域实证分析,利用PathSelClus算法实现基于多元关系融合的主题聚类,通过对比实验证明多元关系融合可以有效提高实证领域的文本主题聚类效果,而未来多关系融合主题识别则是需要重点关注的问题。图4。表6。参考文献19。

[目的/意义]在科学研究中,从不同来源的科技文献中识别挖掘科研热点对于开展科研工作具有指导意义。旨在通过本研究提出的模型方法,快速准确地识别蕴含在多源文本中的热点主题,为科研创新提供支撑服务。[方法/过程]提出一种基于LDA2vec模型的多源文本下科研热点识别的方法并针对科研热点识别构建模型,该方法融合LDA主题模型对隐含语义挖掘的优势和Word2Vec词向量模型对于上下文关系把握的优势。以机器学习领域的科技文献为例,利用模型困惑度和主题一致性两个指标对LDA2vec的在本领域应用的可行性和有效性进行验证,并与LDA的主题提取效果进行对比。[结果/结论]实验结果表明,提出的方法在面对多源数据情况下,进行科研热点识别挖掘是可行的,且在一定程度上有效果的提升,对利用单一数据源进行主题分析的不足进行补充,对多数据源融合的实践应用进行丰富。

［目的/意义］构建多源数据融合获得细粒度的用户画像标签，加强和提升服务场景的用户画像识别与精准推荐，对于洞察用户需求、开展群体精准营销、提高用户忠诚度等有着重要的参考意义。［方法/过程］融入服务场景构建多源数据融合的用户画像识别与推荐分析框架，以用户价值模型RFM重构表征用户行为的RFCLS标签，采用LDA模型提取用户资源使用偏好的文本语义标签，继而将用户属性、用户行为和资源使用偏好等多源异构数据汇聚成用户画像标签体系后，选取随机森林模型对不同标签组合展开用户画像识别的模型训练和分类性能评估。［结果/结论］实证研究表明，与单一的数值型或者文本型画像标签体系相比，多源数据融合的用户画像模型提升了用户画像识别和分类的精准度，有效支撑高校图书馆开展更为针对性的营销服务策略和个体精准化服务推荐。

[目的/意义]学术论文的语步结构对读者深入理解内容和快速定位关键信息具有重要作用，本文旨在研究全文语步识别方法，以快速获取学术论文的核心内容，推动智能化的语义检索。[方法/过程]在当前语步识别方法方面的相关研究的基础上，提出一种融合ChatGPT数据增强和预训练语言模型的细粒度语步识别模型SciBERT-HAMI模型。该模型利用原始文本，通过ChatGPT大模型进行语料扩充，以增加训练数据的多样性和数量；使用分层神经网络模型学习论文的“词—句—章节”语义特征表示，以捕捉不同层次的语义信息；将SciBERT的词嵌入表示作为输入，并使用分层神经网络模型与FocalLoss损失函数进行细粒度语步识别模型训练。[结果/结论 ]结合ChatGPT数据增强策略，SciBERT-HAMI-DA模型在CoreSC和AZ数据集的F1值分别为0.731和0.741，对比实验表明，所提模型在论文全文细粒度语步识别任务上性能得到有效提升，并通过消融实验验证数据增强和模型组件的有效性。融合预训练语言模型与ChatGPT数据增强，全文语步识别模型的预测效果得到有效提升，有助于推动学术研究的自动化与智能化。

基于技术融合视角,从知识联接创新角度揭示新兴技术形成机制,利用技术知识流分析方法,构建包括专利-领域-部门三维度的新兴技术识别框架。采集德温特创新索引(Derwent Innovations Index,DII)中的光纤通信专利开展实证研究,结果表明:光纤通信产业的新兴技术专利主要分布在日、美、中三国,且多由日、美企业掌握;光纤通信最重要的新兴技术领域来自于光学、电信及二者的融合;光纤通信最重要的新兴技术部门来自于设备、电子工程及二者的融合。最后,对国内光纤通信企业开展技术创新提出对策建议。

【目的】充分利用多源网络评估数据和URL异常特征数据,研究提高钓鱼网站识别准确性的可行性方案。【方法】采用8种机器学习技术,对比研究网络评估数据与传统的URL异常特征数据在钓鱼网站识别中的性能,并融合两类数据研究进一步提高钓鱼网站识别准确性的可行性方案。【结果】在钓鱼网站识别中,相比于传统的URL异常特征,利用网络评估数据可以取得更好的识别效果。融合两类数据对于提高识别准确性有一定帮助。【局限】未考虑钓鱼网站与正常网站的数量存在严重的不均衡问题。【结论】充分利用多源网络评估数据和URL异常特征数据识别钓鱼

[目的 /意义]大数据时代需要将"人"数据化,科研人员也需要数据化。科研人员画像的建立,对于科研管理层全面了解科研人员的信息、客观评价其研究水平等有重要作用,可以作为分析科研人员研究行为或专家推荐的基础,提高科研管理效率。[方法 /过程]首先提出科研人员画像的概念,认为其是描述科研人员信息的标签的集合。其次,以个人主页、知网、基金网等多个异构数据源的数据为基础,提出融合多源数据的科研人员画像构建方法,分别从科研人员的基础属性、科研偏好和科研关系三方面形式化描述了科研人员信息,并提取各个维度的标签,以可视化的方式展示其画像。最后,分别以国内外两位科研人员为例,说明了科研人员画像构建方法的可行性。[结果 /结论]科研人员画像的构建适用于国内外的科研人员,能够全面描述科研人员信息并直观展示出来。

【目的】在农业害虫测报中,常常需要从大量的昆虫中识别出几种重要的测报害虫。目前基于图像的农业害虫识别研究,大部分是在有限种类有限样本量基础上进行的农业害虫识别。本研究为了从大量的水稻昆虫图像中识别出9种水稻测报害虫,尝试提出了一种基于多特征融合和稀疏表示的农业害虫图像识别方法。【方法】首先,为了获得最优的农业害虫识别模型,将所有图像进行旋转使昆虫头朝上,按照1﹕2长宽比裁剪图像,使昆虫居中并占据图像大部分区域,将图像进行等比例缩放至统一尺寸48×96像素。提取所有昆虫的HSV颜色特征、局部特征中的HOG特征、Gabor特征和LBP特征。然后,利用单一特征和融合特征分别对训练样本构建过完备字典,字典中的每一个列向量表示一个训练样本,且满足同一类训练样本均在同一个子空间中;应用过完备字典对测试图像进行多特征稀疏表示,通过求解l1范数意义下的优化问题获取稀疏解,使得除测试样本所在的类别外其他的训练样本的系数都是零或接近零的数值。最后,计算稀疏集中指数阈值,用于判断测试样本的有效性,如果测试样本的稀疏集中指数大于该阈值,则认为最小残差所对应的类别即为测试样本的类别,否则认为该测试样本为非测报昆虫。同时,利用相同的特征和训练样本训练SVM分类器对测试样本进行测试,与稀疏表示害虫识别模型进行比较。【结果】利用单一特征训练的稀疏表示害虫识别模型中,基于HOG特征的稀疏表示识别模型获得了9种测报害虫较高的识别率和较低的误检率,分别为87.0%和7.5%;利用颜色特征分别与3种局部特征进行结合获得的稀疏表示识别模型,测试结果表明,基于颜色和HOG特征的稀疏表示识别模型获得了最高的识别率和最低的误检率,分别为90.1%和5.2%;将颜色、HOG和Gabor 3个特征结合获得的稀疏表示识别模型,识别率下降为83.5%,误检率上升为10.3%。利用同样的特征或特征融合训练得到的支持向量机分类器,识别率均低于对应特征获得的稀疏表示识别模型的识别率,而误检率均高于对应特征训练的稀疏表示害虫识别模型的误检率。【结论】基于颜色和HOG融合特征的稀疏表示识别模型获得了较高的农业害虫识别率和较低的误检率;通过稀疏集中指数阈值,有效地排除了非测报昆虫,实现了从大量的农业昆虫中自动识别出需要测报的害虫。

文章论述了信息融合对情报工作的重要性,把多源信息划分为同质异源信息、异质异构信息以及多语种信息,针对信息的特点,对融合过程中涉及的字段映射、字段拆分、记录滤重、异构加权等问题进行了探讨,提出了一些操作性很强的方法。