［目的／意义］ＳＡＯ是一种能够表示主题信息和主题间关系的３元组结构，是文献计量学领域一个快速发展的研究方向。为了获得＂满足文献计量分析需求的ＳＡＯ结构＂，需要解决现有ＳＡＯ结构识别方法遭遇的３个问题：查全和查准率低、所识别ＳＡＯ结构和领域主题相关性不强以及矩阵稀疏性。［方法／过程］提出一种面向文献计量分析的基于语法树的ＳＡＯ结构识别方法，首先基于共现算法和＂主题词簇＂方法（ｔｅｒｍ ｃｌｕｍｐｉｎｇ）识别ＳＡＯ核心组件，然后利用基于语法树的抽取算法实现ＳＡＯ结构的逐层抽取。［结果／结论］案例研究发现，该方法的平均查准率为０．８０５ ８，平均查全率为０．８４４ ６，所识别ＳＡＯ结构与领域主题关系．．．

[目的/意义]SAO是一种能够表示主题信息和主题间关系的3元组结构,是文献计量学领域一个快速发展的研究方向。为了获得“满足文献计量分析需求的SAO结构”,需要解决现有SAO结构识别方法遭遇的3个问题:查全和查准率低、所识别SAO结构和领域主题相关性不强以及矩阵稀疏性。[方法/过程]提出一种面向文献计量分析的基于语法树的SAO结构识别方法,首先基于共现算法和“主题词簇”方法(termclumping)识别SAO核心组件,然后利用基于语法树的抽取算法实现SAO结构的逐层抽取。[结果/结论]案例研究发现,该方法

对研究区ALI数据进行了图像镶嵌、定标与反射率计算,通过PPI运算与N-D散点图三维分析,获取了研究区岩矿样本波谱曲线,并采用波谱比对技术对样本岩矿进行了分析。在此基础上,采用决策树分类方法提取了研究区岩矿信息,研究发现:通过MNF变换,样本区的各类岩矿波谱曲线特征差异明显且远远大于MNF变换前的波谱曲线特征差异,而基于此的决策树分类识别方法能够较为准确地识别各类岩矿。

精准识别技术创新机会对于企业在复杂多变的市场竞争环境中立于不败之地至关重要。首先,基于SAO(Subject-Action-Object,主语-谓语-宾语)语义分析,从专利文本中抽取SAO结构;其次,以多维技术创新地图创新维度为导航,构建具象技术创新维度初始词典,利用SAO语义相似度计算和主题聚类,进一步构建基于创新维度的三级语义知识库;再次,运用多维技术创新地图的创新法则及维法耦合原理对基于创新维度的三级语义知识库进行迭代变换,实现技术形态、创新子维、创新维度三级技术机会识别;最后,以3D打印机领域为例验证研究方法的可行性和有效性,可为企业高效、精准识别技术创新机会提供参考依据。

[目的/意义]识别领域主题层次结构能够立体展现领域知识结构，为构建领域知识体系提供参考。[方法/过程]首先在目标数据集上建立语义加权的引文网络，并对引文网络进行预处理以提高社团内节点的语义相似性。其次利用社团层次划分算法识别引文网络的层次结构，以社团主题标签与核心文献说明社团主题。最后根据主题间语义关系调整主题位置后，通过可视化的方式展现主题层次结构和主题间知识流动。[结果/结论]以“知识管理知识组织知识服务”构成的领域为例说明了本研究提出的领域主题层次结构识别模式的有效性，在加权引用网络上识别出的117个社团经过调整后形成4层主题层次结构，主题树形图和主题关联图能够共同展现主题间并列、包含、重叠关系。这证实了基于复杂网络方法发现主题层次结构是领域知识组织的有效方式。

为建立果树花期树种识别的有效模型,利用ASD Field Spec 3全波段便携式光谱分析仪采集了4种果树花期花的光谱数据。利用剔除异常光谱、5点移动平滑等技术对4种果树花期花的光谱反射率进行预处理,使用连续投影算法(SPA)进行有效波长选取并获得7个波长下的反射光谱,同时增加了590 nm和720 nm处2个波形差异大的光谱,与归一化植被指数(INDV)和比值植被指数(IRV)共11个特征波段作为分类建模数据,建立了偏最小二乘判别分析(PLS-DA),正交偏最小二乘判别分析(O-PL-DA)和基于误差反

在统计过程控制的第I阶段,准确识别运行状态发生漂移的时间点是决定控制效果的关键。本文以多维空间的数据离心程度作为判定变点规则的标准,通过概率密度轮廓将单一观测值序列转化为多维空间中的数据点,运用数据深度技术构造特征变量,并建立变点定位规则。仿真性能分析的结果表明新方法能够在不需要假设过程服从正态分布的前提下对变点位置进行精确定位。在比较研究中也表现出良好的综合性能。

【目的】利用卷积神经网络模型进行图像自动识别时，为防止模型过拟合通常需要大量训练样本。本研究为提高树种识别准确率，在原有叶片图像基础上进行图像样本扩充来保证训练质量，提出一种融合生成对抗网络与卷积神经网络的树种识别方法。【方法】在Pytorch框架下，采集10种常见树种（山杨、梣叶槭、榆、刺槐、紫丁香、杜仲、火炬树、山荆子、水曲柳、红端木）叶片图像作为研究对象。首先，采用均值滤波去噪和尺寸归一化对图像进行预处理。其次，以生成对抗网络生成的图像扩充数据集，其中，以深度卷积生成对抗网络（DCGAN）模型为基础并对其进行改进，建立残差条件深度卷积生成对抗网络（RC-DCGAN）模型，将随机噪声和类别标签作为生成器的输入，以控制样本生成过程；在生成器中嵌入残差结构，使生成模型学习更多特征信息，以提高生成图像质量。然后，将原始图像和扩充图像作为卷积神经网络（CNN）的训练集，一方面，使用RC-DCGAN模型和旋转、镜像、改变对比度等传统图像扩充方法，扩充图像11 400幅；另一方面，将原始图像与生成图像、原始图像与传统扩充图像，分别输入至CNN中进行训练，并在原始图像的每个类别中随机挑选50幅对模型进行测试，以验证生成对抗网络对提升识别准确率的可行性。最后，确定适合试验要求的CNN分类模型，并与AlexNet模型、VGG-16模型、VGG-19模型、 ResNet18模型的识别效果进行对比，以检验本研究方法的可行性。【结果】RC-DCGAN模型比DCGAN模型生成的图像质量更高，贴合真实图像；利用生成对抗网络扩充图像的方法与ResNet30树种识别模型，训练准确率为99.03%，平均验证识别准确率为97.20%；而在相同树种识别模型下，传统图像扩充方法的识别率为95.50%；在相同数据集下，AlexNet模型、VGG-16模型、VGG-19模型、ResNet18模型所获得的识别率分别为86.52%、87.57%、91.43%、93.25%，均低于本研究模型的识别率。【结论】联合生成对抗网络和卷积神经网络的方法对本研究10种树种叶片图像的识别准确率最高，且克服了使用传统图像处理扩充方法使模型泛化能力下降的问题，说明利用生成对抗网络对图像扩充的方法具有可行性和有效性，可为相关研究工作提供借鉴。

作者识别是通过分析未知文本的写作风格推断作者归属的交叉学科。现有的研究多基于字符和词汇特征，而句法关联信息在研究中鲜有涉及。该文提出了基于句法树节点嵌入的作者识别方法，将句法树的节点表示成其所有依存弧对应的嵌入之和，把依存关系信息引入深度学习模型中。然后构建句法注意力网络，并通过该网络得到句法感知向量。该向量同时融合了依存关系、词性以及单词等信息。接着通过句子注意力网络得到句子的表示，最后通过分类器进行分类。在3个英文数据集的实验中，该文方法的性能位列第2或3位。更重要的是，依存句法组合的引入为模型的解释提供了更多的方向。

核心专利识别是专利信息分析与服务的主要方法之一。国内常用的核心专利识别方法包括专家智慧法、专利指标频次统计法、专利指标体系法、基于布拉德福定律的分析方法、专利共类分析法、政府投资背景分析法、专利诉讼信息分析法。文章归纳并探讨了这些方法的理论基础、操作步骤、优缺点和适用环境，旨在为专利分析研究人员选择适当的分析方法提供借鉴。

SAO三元结构具有易于理解和表达的语义关系,将其作为挖掘分析的基本单元,深度分析专利文本蕴含的技术语义有助于揭示技术功效关系。从SAO结构的定义及特征出发,提出了基于SAO结构的专利技术功效图构建的思路、流程及方法,采用基于SAO结构的共现关系构建技术功效矩阵,探讨了基于SAO结构的技术主题、功效主题分析方法。通过石墨烯传感器领域为例的实证研究验证了方法的有效性。

［目的 ／意义］研究分析已有研究前沿识别方法的利弊，建立一套相对比较合理的研究前沿识别方法模型，高效快速地辅助科研管理者和政策制定者识别研究前沿。［方法 ／过程］在总结研究前沿的定义、归纳研究前沿特性的基础上界定研究前沿的内涵，进而提出识别研究前沿的两个指标：研究主题年龄和研究主题关注作者数量，构建基于关键词共现的研究前沿识别方法，并在ＬＥＤ领域进行应用分析。［结果 ／结论］研究结果表明该方法不仅可以识别研究前沿，而且可以有效地跟踪研究前沿的产生、成长、消退、消失过程。

本文提出一种基于科技媒体视角的研究前沿识别与探测方法,能够有效揭示研究前沿的重大研究突破,追踪最新研究进展和发展趋势。以已探测研究前沿或某主题领域最新文献簇作为知识基础,基于科技媒体的新闻报道、评论和观点文章,识别知识基础的施引文献中具有潜在影响力的最新研究成果或进展,进而探测最新研究前沿及其发展趋势,并以CRSIPRCas9研究前沿为例进行实证分析。该方法作为科学计量学识别研究前沿的重要补充,有助于情报研究人员和科研工作者更全面准确地识别研究前沿,掌握最新研究动态,也为精细化用户情报服务提供新的思路。

[目的/意义]利用动态结构熵探究颠覆性技术知识网络扩散过程中的结构变化并识别网络结构变化过程中的突变状态，以此发现颠覆性技术知识网络扩散特征，为颠覆性技术的早期识别提供方法借鉴。[方法/过程]首先，构建颠覆性技术在基础研究、应用研究、产业应用创新过程环节中的3种动态知识子网络；其次，利用动态结构熵探究颠覆性技术知识网络扩散特征；之后，通过突变函数模型分析颠覆性技术知识网络扩散过程中的结构突变特征；最后，利用动态时间规整法探析颠覆性技术各知识子网络间扩散的相关性及其与渐进性技术扩散特征的差异性。[结果/结论 ]实证研究表明利用提出的动态结构熵开展颠覆性技术知识网络扩散特征识别，能够发现颠覆性技术分别在基础研究、应用研究、产业应用知识子网络的微观结构、介观结构、微观与介观结构关系与网络结构突变等方面知识网络扩散特征，并通过3种网络扩散特征的综合分析，解析出颠覆性技术显著区别于渐进性技术的网络扩散特征。

为了提高信息查询的效率,本文将自适应谐振神经网络引入中文文档搜索分类之中。在讨论自适应谐振神经网络基本原理的基础上,提出一种新的中文文档的层次聚类算法,从而提高中文文档的分类识别效率。