[目的 /意义]对特定技术领域的核心技术进行识别与分析，可以全面了解该领域的研究现状与发展趋势，为前沿技术研发和抢占科技制高点提供参考与建议。[方法 /过程]引入超网络结构表征技术实体间的多元共现关系，利用超网络嵌入技术自动生成融合结构特征和属性特征的技术节点向量并通过模糊聚类得到技术集群，构建基于超网络结构的局部中心性、半局部中心性和全局中心性等度量指标，以识别每个技术集群中的核心技术节点。[结果 /结论 ]以碳捕集、利用和封存技术领域为例，验证此方法的有效性和科学性，结果显示化学吸收、膜分离、固体吸附和低温分离等技术是该领域的核心技术，有助于我国合理配置资源、加大核心技术的研发力度以获取竞争优势。

[目的/意义]基于大量专利文献数据的核心技术主题识别有助于识别某技术领域的关键技术、分析关键技术的发展方向,是进行技术创新的基础情报工作,对于研究人员、企业乃至国家层面都具有一定的意义。[方法/过程]提出基于Chunk-LDAvis的核心技术主题识别方法,首先基于经典LDA模型进行主题识别,然后利用名词组块对初始LDA主题识别结果进行标注,构建Chunk-LDA主题识别结果,提高其可解读性;然后基于社会网络分析方法构建主题网络,识别核心技术主题;基于R语言的LDAvis工具包绘制可交互的Chunk-LDAvis核心技术主题关联分析图谱,发现核心技术主题的隐含联系,辅助进行核心技术主题识别。[结果/结论]通过对纳米农业领域进行实证研究,验证了本文提出方法的准确性和可行性。

供应链网络核心节点的识别对于提高企业供应链网络的运作效率和韧性具有重要意义。研究分析了局部核心节点发现算法的思想及其收敛性特征，基于复杂网络视角提出了一种考虑节点连边重要性的供应链网络核心节点识别算法，结合网络效率下降率指标综合评价节点重要度，并结合虚拟与真实企业供应链网络进行算法验证。研究表明，该算法可有效识别出企业供应链网络中包含计算度值较低桥节点在内的核心节点，且算法识别准确性与计算速率更优。

[目的/意义]关键核心技术衍生技术是技术链的重要组成部分，精准识别衍生技术将有助于掌握完整技术链、强化关键核心技术优势。[方法/过程]构建技术演化视角下关键核心技术衍生技术识别方法。首先，以专利文献为研究对象利用LDA模型识别技术主题；其次，抽取主题间的主题词共现关系、文献引用关系和发明人共现关系，使用深度学习自编码器将多元关系融合构建技术主题关联矩阵，并在此基础上利用主路径分析识别技术演化主路径；最后，基于关键核心技术和衍生技术两者在技术演化路径上的关系设计规则识别关键核心技术的衍生技术。[结果/结论]以云计算技术为例进行实证研究，识别出29项云计算关键核心技术衍生技术，验证了此方法的有效性。

识别未来产业创新链中的关键核心技术，有助于超前布局一批产业技术攻关项目，形成未来产业发展先发优势，进而构建以未来产业为引领的现代化产业体系。氢能产业正处于产业爆发的前夕，但目前已有相关技术分析存在数据完整性不够和相对陈旧等问题，缺乏定量的技术评估和明确的关键核心技术识别结果。因此，从面向未来产业的创新决策需求出发，聚焦关键核心技术对未来氢能产业的支撑性和引领性，基于相关的全球专利数据，利用新的专利交叉影响分析方法（NPCIA）计算技术影响力，构建结合技术影响力和新颖性的产业关键核心技术识别方法。以2015年碳中和政策正式提出以来的全球氢能产业专利数据为样本，识别出构建氢能产业未来优势需重点关注的关键技术，主要包括以电解水为代表的绿氢制取技术，以固态储氢介质和碳纤维复合材料为代表的储氢材料技术，以交通和储能等为重点场景的氢能加注技术，以燃料电池为核心的氢能应用技术，以及影响全产业链发展的氢安全和智能化配套技术等。该方法立足未来产业构建的情境需求，实现技术影响力和新颖性并重的关键核心技术识别，以期为未来产业发展重点方向凝练、关键核心技术攻关项目布局决策提供方法支撑。

[目的/意义]既有技术资源的丰富性及行业先发优势，致使部分国家和企业占据了技术领先地位。提出核心技术发现与国内外企业技术差距识别方法，能够为我国企业探寻技术突破机会提供借鉴。[方法/过程]根据产品组件构成关系，构建“产品—组件—企业—专利”四维关系图，在技术网络性和技术重要性的基础上挖掘产品核心技术，根据企业在核心技术领域的“技术领域份额”指标对比国内企业与国外企业之间的技术差距，并应用手机摄像头产品2011—2021年专利数据进行实证分析，提出手机摄像头产品各组件的核心技术及国内外技术差距。[结果/结论]我国在对焦马达、保护膜、红外滤光片和镜头镜片领域与国外企业技术差距较大，而在图像传感器和线路连接基板领域占据优势。

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。

【目的】提出一种基于情感分析技术自动识别特定领域谣言的方法。【方法】界定高、低质量信息源,在假设高质量信息源信息更可靠的情况下,通过基于情感词典的情感分析方法,量化高质量信息源与低质量信息源对特定对象的情感差异,判定低质量信息源提供的信息是否属于谣言。【结果】将该方法应用于"食品养生"、"医学健康"两个领域进行谣言识别。在30个疑似谣言案例中准确识别出23个谣言案例,准确率为76.67%。本文提出的谣言识别方法在谣言预测方面的F值为83.34%,查全率为71.42%,查准率为100%;在非谣言文本预测上的

[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。

【目的】研究改进经典卷积神经网络模型AlexNet在番茄叶片病害识别中出现的过拟合问题，使之成为识别精度更高，泛化能力更强的网络模型，达到精准识别番茄叶片病害类型的目的。【方法】AlexNetImproved模型采用数据增强与随机失活部分神经元的方法改进了原始AlexNet网络模型出现的过拟合现象，利用PlantVillage数据库中十种类型的番茄数据为数据集对模型进行训练，选取LeNet模型，原始AlexNet模型，VGG16模型作为对比网络模型，采用5种常用的评估指标来评估改后的模型，即混淆矩阵，准确率，精确率，召回率，F1值。与此同时，绘制了训练过程中的训练准确率曲线、验证准确率曲线、训练损失率曲线、验证损失率曲线来直观地显示模型的性能，最后用改进后的网络模型AlexNet-Improved训练所得的权重文件对具体番茄病害叶片进行识别。【结果】1）改进的模型AlexNet-Improved在150个epoch的训练过程中，其训练效果比其他网络模型更好，原AlexNet模型的过拟合问题经过改进后得到了很大的改善。2)AlexNet-Improved的混淆矩阵数据显示，改进后的模型正确识别出的总番茄病害样本数量比其他网络模型更多。3)AlexNet-Improved模型准确率为95.8%，比原模型高2.4%,F1值比原模型高3%。4）具体案例分析发现，改进的模型AlexNetImproved可以准确识别出叶片所患病害类型。【结论】在原AlexNet模型的基础上，通过使用翻转、裁剪操作扩增数据集，在全连接层使用Dropout层随机失活50%的神经元后，改进的模型AlexNet-Improved比其他模型在训练效果、准确性和具体番茄叶片病害识别上均有更好的表现。

【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。

[目的/意义]作者身份识别是语言文体学的重要研究方向,利用文本特征的身份识别也是文本挖掘的重要任务。在开放和虚拟网络环境下海量信息的作者身份或发布者的识别难题和传统作者身份识别方法在处理效率和成本等方面存在的问题有待解决。[方法/过程]将复杂网络理论引入该研究领域,在利用传统文体学特征识别作者身份方法的基础上结合文本词共现网络模型及其指标特征改进相关算法,使用文本文体学特征和文本网络模型度量指标构建作者风格特征集合,通过计算文本间风格相似度进行作者识别。[结果 /结论]基于复杂网络模型的作者身份识别方法可以有效的利用作者风格特征,提高识别的精度,与其他算法的对比试验表明其识别结果的准确性更高。

［目的 ／意义］作者身份识别是语言文体学的重要研究方向，利用文本特征的身份识别也是文本挖掘的重要任务。在开放和虚拟网络环境下海量信息的作者身份或发布者的识别难题和传统作者身份识别方法在处理效率和成本等方面存在的问题有待解决。［方法 ／过程］将复杂网络理论引入该研究领域，在利用传统文体学特征识别作者身份方法的基础上结合文本词共现网络模型及其指标特征改进相关算法，使用文本文体学特征和文本网络模型度量指标构建作者风格特征集合，通过计算文本间风格相似度进行作者识别。［结果 ／结论］基于复杂网络模型的作者身份识别方法可以有效的利用作者风格特征，提高识别的精度，与其他算法的对比试验表明其识别结果的准确性更．．．

针对复杂网络中关键节点识别方法的分辨率和准确性不足的问题,该文提出了一种基于K-shell的复杂网络关键节点识别方法(K-shell based key node recognition method,KBKNR)。首先,采用K-shell方法将网络分层,获取每个节点的K壳(K-shell,Ks)值,通过Ks值衡量复杂网络全局结构的影响。其次,提出综合度(comprehensive degree,CD)的概念,并设定可动态调整的影响系数μ_i,通过平衡邻居节点和次邻居节点的不同影响程度,获取每个节点的综合度。在该方法中,当节点Ks值相同时,综合度较大的节点更重要。对比几种经典关键节点识别方法和一种风险评估方法,实验结果表明,该方法能够有效识别关键节点,在不同复杂网络中具有较高的准确率和分辨率。除此之外,KBKNR方法可以为网络节点的风险评估、重要节点保护和网络中节点的风险处置优先级排序提供依据。

[目的/意义]网络谣言的识别研究便于促进治理网络社会,是及时准确地应对网络谣言事件、维护网络环境安全与稳定的重要基础工作。[方法/过程]拟以7种指标因素为基础,采用灰色关联分析方法构建网络谣言识别模型。通过聚类分析对54个网络谣言案例进行数据处理,进而分析网络谣言案例严重程度,对网络谣言进行分类处理。[结果/结论]研究结果表明了灰色关联分析理论对识别网络谣言的有效性。丰富了网络谣言研究方法,对帮助识别网络谣言事件具有一定参考价值。