有机肥种类繁多,特点各异。顺应现代农业发展趋势的液体有机肥备受推崇,厘清研究现状以及关注热点,对有机肥的选用及今后相关研究方向具有重要指导意义。为系统把握液体有机肥的研究现状与热点,以指导科学选用及明确未来研究方向,基于...有机肥种类繁多,特点各异。顺应现代农业发展趋势的液体有机肥备受推崇,厘清研究现状以及关注热点,对有机肥的选用及今后相关研究方向具有重要指导意义。为系统把握液体有机肥的研究现状与热点,以指导科学选用及明确未来研究方向,基于文献计量法,以“液体有机肥”为主题,对中国知网CNKI和Web of science数据库中的文献进行检索分析,重点对年度论文发表量、文献类型、主题分布、研究层次、机构分布等方面进行统计分析。结果表明,中外关于液体有机肥大规模研究始于21世纪前后;中文核心期刊论文占整体研究量的20%,英文期刊论文占整体的89%,表明国内在液体有机肥方面的深入系统核心研究相对不足;现有研究内容主要偏向液体有机肥应用效果、施用技术与产品研发,研究目的更倾向于验证新产品肥效、促进新产品的推广应用,而对它作用机理以及生态、环境方面效应的系统研究较为欠缺。本研究认为,未来可就液体有机肥的作用机制及其对生态环境方面的影响作更深入研究。展开更多
数字保存作为保障数字资源长期可访问性的系统性管理活动,其研究动态与技术演进对数字文明传承具有战略意义。文章突破传统文献计量范式,基于Web of Science和Scopus数据库构建国际研究数据集,基于CNKI数据库构建国内研究数据集,引入BER...数字保存作为保障数字资源长期可访问性的系统性管理活动,其研究动态与技术演进对数字文明传承具有战略意义。文章突破传统文献计量范式,基于Web of Science和Scopus数据库构建国际研究数据集,基于CNKI数据库构建国内研究数据集,引入BERTopic动态主题建模技术,通过主题强度分析、时间序列演化图谱和跨域主题网络关联,对数字保存领域的研究主题、发展趋势及知识结构进行多维度解析。研究发现,国内研究与国际研究相比,在研究全面性、研究侧重点、研究趋势和主题特征等方面存在一定差异。基于此,文章从融入信息安全机制、突破学科壁垒、拥抱人工智能、保存沉浸式体验等方面提出发展建议,为优化数字保存研究生态、制定差异化发展战略提供数据驱动的决策支持。展开更多
各种媒体每天有大量的新闻报道产生,需要一种自动化的分析方法将新闻以一种更加清晰的组织形式展示给用户.大多已有工作将新闻划分成平面的话题,然而一个话题并非仅仅是简单的新闻集合,而是由一系列相互关联的事件所组成的.由于话题内...各种媒体每天有大量的新闻报道产生,需要一种自动化的分析方法将新闻以一种更加清晰的组织形式展示给用户.大多已有工作将新闻划分成平面的话题,然而一个话题并非仅仅是简单的新闻集合,而是由一系列相互关联的事件所组成的.由于话题内的事件之间往往非常相似,导致话题内的事件检测精确度较差.为了克服以上问题,提出了基于事件词元委员会的事件检测与关系发现方法.即首先挖掘每个事件的核心词元,随后利用事件的核心词元进行事件检测与关系发现.在Linguistic Data Consortium(LDC)的两个数据集上的实验结果显示,提出的事件检测与关系发现方法可以显著地改善已有方法的效果.展开更多
为了实现文本代表性语义词汇的抽取,提出一种基于词组主题建模的文本语义压缩算法SCPTM（semantic compression based on phrase topic modeling）.该算法首先将代表性语义词汇抽取问题转化为最大化优化模型,并通过贪心搜索策略实现该...为了实现文本代表性语义词汇的抽取,提出一种基于词组主题建模的文本语义压缩算法SCPTM（semantic compression based on phrase topic modeling）.该算法首先将代表性语义词汇抽取问题转化为最大化优化模型,并通过贪心搜索策略实现该模型的近似求解.然后,利用词组挖掘模型LDACOL实现词组主题建模,得到SCPTM算法的输入参数;同时,针对该模型中词组的主题分配不稳定的问题进行改进,使得取得的代表性语义词汇更加符合人们对语义的认知习惯.最后,将改进LDACOL模型与LDA模型、LDACOL模型以及TNG模型的主题挖掘性能进行实验比较,并利用SCPTM算法针对不同语料库进行语义压缩,根据聚类结果评价其有效性.实验结果表明,在多数情况下,改进LDACOL模型的主题抽取效果优于其他3种模型;通过SCPTM算法抽取代表性语义词汇能达到70%~100%的精度,相比PCA、MDS、ISOMAP等传统降维算法能获得更高的聚类效果.展开更多
文摘有机肥种类繁多,特点各异。顺应现代农业发展趋势的液体有机肥备受推崇,厘清研究现状以及关注热点,对有机肥的选用及今后相关研究方向具有重要指导意义。为系统把握液体有机肥的研究现状与热点,以指导科学选用及明确未来研究方向,基于文献计量法,以“液体有机肥”为主题,对中国知网CNKI和Web of science数据库中的文献进行检索分析,重点对年度论文发表量、文献类型、主题分布、研究层次、机构分布等方面进行统计分析。结果表明,中外关于液体有机肥大规模研究始于21世纪前后;中文核心期刊论文占整体研究量的20%,英文期刊论文占整体的89%,表明国内在液体有机肥方面的深入系统核心研究相对不足;现有研究内容主要偏向液体有机肥应用效果、施用技术与产品研发,研究目的更倾向于验证新产品肥效、促进新产品的推广应用,而对它作用机理以及生态、环境方面效应的系统研究较为欠缺。本研究认为,未来可就液体有机肥的作用机制及其对生态环境方面的影响作更深入研究。
文摘数字保存作为保障数字资源长期可访问性的系统性管理活动,其研究动态与技术演进对数字文明传承具有战略意义。文章突破传统文献计量范式,基于Web of Science和Scopus数据库构建国际研究数据集,基于CNKI数据库构建国内研究数据集,引入BERTopic动态主题建模技术,通过主题强度分析、时间序列演化图谱和跨域主题网络关联,对数字保存领域的研究主题、发展趋势及知识结构进行多维度解析。研究发现,国内研究与国际研究相比,在研究全面性、研究侧重点、研究趋势和主题特征等方面存在一定差异。基于此,文章从融入信息安全机制、突破学科壁垒、拥抱人工智能、保存沉浸式体验等方面提出发展建议,为优化数字保存研究生态、制定差异化发展战略提供数据驱动的决策支持。
文摘各种媒体每天有大量的新闻报道产生,需要一种自动化的分析方法将新闻以一种更加清晰的组织形式展示给用户.大多已有工作将新闻划分成平面的话题,然而一个话题并非仅仅是简单的新闻集合,而是由一系列相互关联的事件所组成的.由于话题内的事件之间往往非常相似,导致话题内的事件检测精确度较差.为了克服以上问题,提出了基于事件词元委员会的事件检测与关系发现方法.即首先挖掘每个事件的核心词元,随后利用事件的核心词元进行事件检测与关系发现.在Linguistic Data Consortium(LDC)的两个数据集上的实验结果显示,提出的事件检测与关系发现方法可以显著地改善已有方法的效果.
文摘为了实现文本代表性语义词汇的抽取,提出一种基于词组主题建模的文本语义压缩算法SCPTM（semantic compression based on phrase topic modeling）.该算法首先将代表性语义词汇抽取问题转化为最大化优化模型,并通过贪心搜索策略实现该模型的近似求解.然后,利用词组挖掘模型LDACOL实现词组主题建模,得到SCPTM算法的输入参数;同时,针对该模型中词组的主题分配不稳定的问题进行改进,使得取得的代表性语义词汇更加符合人们对语义的认知习惯.最后,将改进LDACOL模型与LDA模型、LDACOL模型以及TNG模型的主题挖掘性能进行实验比较,并利用SCPTM算法针对不同语料库进行语义压缩,根据聚类结果评价其有效性.实验结果表明,在多数情况下,改进LDACOL模型的主题抽取效果优于其他3种模型;通过SCPTM算法抽取代表性语义词汇能达到70%~100%的精度,相比PCA、MDS、ISOMAP等传统降维算法能获得更高的聚类效果.
