《數(shù)據(jù)分析與知識發(fā)現(xiàn)》雜志簡介

　　《數(shù)據(jù)分析與知識發(fā)現(xiàn)》(月刊)創(chuàng)刊于1985年，是中國科學(xué)院主管、中國科學(xué)院文獻(xiàn)情報中心主辦的計算機(jī)信息管理技術(shù)方面的學(xué)術(shù)性刊物，是國內(nèi)唯一一份被中國圖書館學(xué)會和中國科技情報學(xué)會共同推薦的專業(yè)技術(shù)類核心期刊�？�物設(shè)有“數(shù)字圖書館”、“知識組織與知識管理”、“情報分析與研究技術(shù)”、“應(yīng)用實踐”、“動態(tài)”等一系列固定類欄目以及“特邀專欄”、“企業(yè)技術(shù)之窗”等不定期欄目。

　　《數(shù)據(jù)分析與知識發(fā)現(xiàn)》內(nèi)容定位于廣泛吸納計算機(jī)科學(xué)、數(shù)據(jù)科學(xué)、情報科學(xué)以及數(shù)字科研、數(shù)字教育和數(shù)字文化等領(lǐng)域的技術(shù)與方法，研究數(shù)據(jù)驅(qū)動的語義計算、內(nèi)容分析、數(shù)據(jù)挖掘、知識發(fā)現(xiàn)、智能管理和決策支持等方面的技術(shù)、方法、系統(tǒng)以及支撐設(shè)施、政策與機(jī)制等，尤其是聚焦從海量、異構(gòu)、分布、動態(tài)、甚至富媒體數(shù)據(jù)中挖掘和發(fā)現(xiàn)知識以支持研究、管理和決策的理論、方法和技術(shù)。

　　《數(shù)據(jù)分析與知識發(fā)現(xiàn)》辦刊宗旨是聚焦各行各業(yè)中以大數(shù)據(jù)為基礎(chǔ)，依靠復(fù)雜挖掘分析方法，進(jìn)行知識發(fā)現(xiàn)與預(yù)測、支持決策分析和政策制定的研究與應(yīng)用，致力于提供理論指導(dǎo)、技術(shù)支持和最佳實踐。

　　《數(shù)據(jù)分析與知識發(fā)現(xiàn)》欄目設(shè)置

　　數(shù)學(xué)圖書館、知識組織與知識管理、情報分析與研究、應(yīng)用實踐、動態(tài)、特邀專欄、金融證券管理、企業(yè)信息管理技術(shù)

　　《數(shù)據(jù)分析與知識發(fā)現(xiàn)》雜志榮譽

　　CSSCI 南大核心期刊(中文社會科學(xué)引文索引)(含擴(kuò)展版)萬方收錄(中)上海圖書館館藏國家圖書館館藏知網(wǎng)收錄(中)維普收錄(中)中國期刊全文數(shù)據(jù)庫(CJFD)中國核心期刊遴選數(shù)據(jù)庫

　　2018年《數(shù)據(jù)分析與知識發(fā)現(xiàn)》雜志08期投稿論文目錄：

　　基于t-SNE降維的科學(xué)基金資助項目可視化方法研究陳挺;李國鵬;王小梅;

　　基于BRFSS數(shù)據(jù)庫應(yīng)用人工神經(jīng)網(wǎng)絡(luò)構(gòu)建兒童哮喘預(yù)測模型馬曉宇;張晗;趙玉虹;

　　新一代知識問答平臺中提問者付費意愿的影響因素探究趙宇翔;劉周穎;宋士杰;

　　基于預(yù)警平臺大數(shù)據(jù)的事件旅游客流時空分布研究王玲;代前進(jìn);吳曉雋;

　　面向微博短文本分類的文本向量化方法比較研究李心蕾;王昊;劉小敏;鄧三鴻;

　　基于LDA和AdaBoost多特征組合的微博情感分析曾子明;楊倩雯;

　　基于領(lǐng)域本體的產(chǎn)品網(wǎng)絡(luò)口碑信息多層次細(xì)粒度情感挖掘何有世;何述芳;

　　跨設(shè)備搜索中設(shè)備轉(zhuǎn)移前后查詢式語義變化研究吳丹;陸柳杏;

　　等待感知對于移動信息產(chǎn)品用戶滿意度的影響研究——以數(shù)字小說書架為例馬艷陽;劉玉磊;徐伯初;支錦亦;

　　收錄論文：面向微博短文本分類的文本向量化方法比較研究

　　【摘要】：【目的】利用Word2Vec和Sent2Vec算法生成新浪微博的文本的向量化表示形式,以期在文本分類時獲得較低的計算成本和較高的分類效果�！痉椒ā渴褂梦谋局性~的0-1矩陣進(jìn)行分類,將分類效果作為基準(zhǔn)線;采用Word2Vec算法生成詞向量并用不同方式合成句子的向量表示,進(jìn)行文本分類,并與基準(zhǔn)線進(jìn)行對比;利用Sent2Vec算法直接生成句子向量進(jìn)行分類,綜合評價3種方法的優(yōu)缺點�！窘Y(jié)果】研究顯示使用Word2Vec算法和Sent2Vec算法能夠極大程度上壓縮文本特征,對比于使用所有3萬多個詞作為特征,Word2Vec算法和Sent2Vec算法將特征數(shù)壓縮在1 000以內(nèi)。在分類準(zhǔn)確率方面,Word2Vec算法的分類準(zhǔn)確率比基準(zhǔn)線低約3%,準(zhǔn)確率為75.14%。Sent2Vec算法的分類效果遠(yuǎn)不如其他兩種方法,準(zhǔn)確率只有63.08%�！揪窒蕖坑捎谡Z料有限,Word2Vec算法在計算詞向量時可能缺少足夠的語義信息,導(dǎo)致詞向量的準(zhǔn)確性不高,而Sent2Vec算法在中文文本語境下生成句向量的分類結(jié)果較差�！窘Y(jié)論】Word2Vec算法更適用大規(guī)模語料文本分類,在文本量較少時應(yīng)使用詞為特征分類。

　　數(shù)據(jù)分析與知識發(fā)現(xiàn)最新期刊目錄

冷啟動環(huán)境下基于AIGC數(shù)據(jù)增強的古詩詞“物象-意蘊”識別研究

摘要：[目的]本研究旨在解決中華詩酒文化中“物象-意蘊”語義結(jié)構(gòu)關(guān)系難以構(gòu)建的問題，推動傳統(tǒng)文化的結(jié)構(gòu)化表達(dá)與自動化識別，為文化資源的智能化理解與傳播提供技術(shù)支持。[方法]提出UOCIP模型，設(shè)計涵蓋語料構(gòu)建、物象抽取、意蘊識別、圖譜構(gòu)建四階段流程，并引入對抗訓(xùn)練機(jī)制與AIGC數(shù)據(jù)增強策略，以提升模型在低資源場景下的表現(xiàn)。[結(jié)果]實驗結(jié)果表明，物象抽取模型的Macro-F1從56.2%提升至58.6%；...

基于多模態(tài)自適應(yīng)特征融合的謠言檢測

摘要：[目的]旨在解決現(xiàn)有多模態(tài)謠言檢測中模態(tài)間關(guān)系挖掘不足問題并自適應(yīng)地聚合單模態(tài)和多模態(tài)特征。[方法]提出了一種基于多模態(tài)自適應(yīng)特征融合的謠言檢測模型。首先分別利用預(yù)訓(xùn)練的BERT和EfficientNet模型來提取文本和圖像特征；然后使用多模態(tài)協(xié)同增強網(wǎng)絡(luò)生成模態(tài)間的互補增強信息；接著通過跨模態(tài)相似性學(xué)習(xí)網(wǎng)絡(luò)自適應(yīng)地聚合單模態(tài)特征和多模態(tài)融合特征；最后將聚合后的特征輸入謠言檢測網(wǎng)絡(luò)進(jìn)行檢測；同時使...

基于GCN兩階段特征構(gòu)造的鏈路預(yù)測與多維評價的技術(shù)機(jī)會識別研究

摘要：[目的]通過節(jié)點多維屬性嵌入與邊自表示增強，提升鏈路預(yù)測精度，精準(zhǔn)識別領(lǐng)域技術(shù)機(jī)會。 [方法]提出一種基于GCN兩階段特征構(gòu)造的鏈路預(yù)測模型識別潛在技術(shù)機(jī)會，第一階段學(xué)習(xí)節(jié)點嵌入表示，第二階段強化邊的表征；利用市場需求、技術(shù)競爭與政策導(dǎo)向匹配技術(shù)適用場景。 [結(jié)果]所提鏈路預(yù)測模型相比第一階段僅憑GCN節(jié)點嵌入特征F1分?jǐn)?shù)提升約30%，較第二階段僅依賴相似性特征提升約10%；結(jié)合三維評價模型，...

大模型提示工程能夠替代經(jīng)典深度學(xué)習(xí)模型嗎？——基于醫(yī)學(xué)文本實體關(guān)系抽取任務(wù)的對比研究

摘要：[目的]探討在具有較高專業(yè)性和領(lǐng)域特色的中文醫(yī)學(xué)文本實體關(guān)系抽取任務(wù)中，大模型提示工程方法能否替代經(jīng)典深度學(xué)習(xí)模型。[方法]本研究使用GLM-4、ERNIE-4-Turbo、DeepSeek-R1三種大模型和CBLUE、CasRel、GPLinker三種經(jīng)典深度學(xué)習(xí)模型，通過改變需要抽取的關(guān)系類型數(shù)量、大模型Prompt中的示例數(shù)量，以及經(jīng)典深度學(xué)習(xí)模型的訓(xùn)練數(shù)據(jù)規(guī)模，系統(tǒng)比較基于提示工程的大模型...

醫(yī)療領(lǐng)域認(rèn)知圖譜構(gòu)建及向量知識庫生成研究

摘要：[目的]針對醫(yī)療數(shù)據(jù)碎片化、知識關(guān)聯(lián)弱及傳統(tǒng)知識庫泛化不足問題，利用認(rèn)知圖譜技術(shù)實現(xiàn)醫(yī)療知識整合與結(jié)構(gòu)化表達(dá)，構(gòu)建動態(tài)推理向量知識庫，提升臨床決策精準(zhǔn)性。[方法]提出一種醫(yī)療領(lǐng)域認(rèn)知圖譜構(gòu)建及向量知識庫生成方法。先基于多元異構(gòu)數(shù)據(jù)設(shè)計聯(lián)合抽取模型，構(gòu)建多層次醫(yī)療概念知識網(wǎng)絡(luò)，再提出融合蒙特卡洛樹搜索與對抗學(xué)習(xí)的向量知識庫生成框架，動態(tài)優(yōu)化診療路徑?jīng)Q策以捕捉實體間復(fù)雜關(guān)系。[結(jié)果]實驗表明，命名實體...

基于云邊協(xié)作和聯(lián)邦學(xué)習(xí)的多機(jī)構(gòu)數(shù)據(jù)融合方法研究

摘要：[目的] 解決多機(jī)構(gòu)在數(shù)據(jù)融合層面上的數(shù)據(jù)利用效率和隱私保護(hù)問題，提升多機(jī)構(gòu)間數(shù)據(jù)融合的實用性和安全性。[方法] 提出一種融合云邊協(xié)作和聯(lián)邦學(xué)習(xí)的多機(jī)構(gòu)數(shù)據(jù)融合模型（CEFDFM-MI）。在云邊協(xié)作流程中，設(shè)計了云邊預(yù)算分配機(jī)制和信息增益值評估機(jī)制來確保多機(jī)構(gòu)數(shù)據(jù)融合的高效性，結(jié)合聯(lián)邦學(xué)習(xí)中分布式技術(shù)特點保障多機(jī)構(gòu)間數(shù)據(jù)融合的安全性。在MNIST、CIFAR-10與CIFAR-100數(shù)據(jù)集上設(shè)置獨...

融合課程知識圖譜與圖注意力網(wǎng)絡(luò)的推薦模型研究

摘要：[目的]針對在線課程推薦存在數(shù)據(jù)稀疏、冷啟動和特征利用不充分的問題，本文提出了一種融合課程知識圖譜與圖注意力網(wǎng)絡(luò)的推薦模型（CKGAT）。[方法]CKGAT的學(xué)習(xí)者模塊通過特征交叉層和全連接層分別提升學(xué)習(xí)者特征的記憶和泛化能力，課程模塊基于圖注意力網(wǎng)絡(luò)挖掘課程實體間的高階語義特征。本文對兩個模塊的輸出向量進(jìn)行點積計算后，得到推薦結(jié)果。[結(jié)果]在基于MoocCubeX數(shù)據(jù)集的對比實驗中，CKGAT在...

基于大語言模型微調(diào)的隱私協(xié)議違規(guī)可解釋檢測

摘要：[目的] 本研究旨在建立基于自然語言處理技術(shù)的隱私協(xié)議違規(guī)檢測方法和體系，實現(xiàn)自動化、智能化識別違規(guī)內(nèi)容及其法規(guī)語義解釋。 [方法] 梳理《GB/T 35273-2020 信息安全技術(shù)個人信息安全規(guī)范》，提煉19項隱私協(xié)議核心內(nèi)容及 32 項具體要求，基于文本分類、命名實體識別和 QLora 微調(diào)大語言模型技術(shù)，搭建并訓(xùn)練隱私協(xié)議核心內(nèi)容識別抽取與違規(guī)檢測模型。 [結(jié)果] 實驗結(jié)果顯示，微調(diào)后...

基于大模型多輪提示的中文船舶故障實體識別研究

摘要：[目的]為數(shù)據(jù)稀缺的垂直領(lǐng)域?qū)嶓w識別提供新的解決方案。[方法]采用大模型多輪提示方法，整合實體定義、核心示例、知識增強、錯誤修正四輪提示；以中文船舶故障領(lǐng)域為例，選取5種主流大模型在自建語料和CCKS2017數(shù)據(jù)集上進(jìn)行實驗。[結(jié)果]在自建語料和CCKS2017數(shù)據(jù)集上DeepSeek的實體識別性能均最優(yōu)，F(xiàn)1值分別達(dá)到90.62%和90.36%。[局限]自建語料規(guī)模較小，人工提示可能存在主觀偏差...

基于大語言模型微調(diào)的論文研究階段分類方法改進(jìn)：以科學(xué)結(jié)構(gòu)圖譜為例

摘要：[目的]為了更好地把握科學(xué)發(fā)展脈絡(luò)，提出一種通用的論文研究階段自動分類方法，以精準(zhǔn)劃分研究階段，揭示學(xué)科演進(jìn)趨勢，助力科研規(guī)劃、資源優(yōu)化及成果高效轉(zhuǎn)化。 [方法]在Boyack等人研究基礎(chǔ)上，構(gòu)建了多學(xué)科適用的研究階段分類框架，通過標(biāo)注數(shù)據(jù)對大語言模型進(jìn)行監(jiān)督微調(diào)，結(jié)合深度語義分析與提示工程技術(shù)，實現(xiàn)研究階段的自動化劃分，并以科學(xué)結(jié)構(gòu)圖譜驗證其效果。 [結(jié)果]本方法在研究階段分類任務(wù)中取得F1...

大語言模型驅(qū)動的高校慕課學(xué)習(xí)者行為檢測模型

摘要：[目的] 為提升在線教育中學(xué)習(xí)行為檢測的準(zhǔn)確性，推動教育智能化由結(jié)果導(dǎo)向邁向過程可解釋的新范式，本文提出一種大語言模型驅(qū)動的學(xué)習(xí)行為檢測模型。[方法] 該模型集成大語言模型、檢索增強生成與可解釋人工智能技術(shù)，構(gòu)建融合學(xué)習(xí)行為特征與情感特征的文本-時間序列數(shù)據(jù)。文本數(shù)據(jù)由BERT模型提取并轉(zhuǎn)為時間序列數(shù)據(jù)，采用LightGBM模型進(jìn)行訓(xùn)練，并結(jié)合SHAP方法量化各特征對模型預(yù)測的邊際貢獻(xiàn)，實現(xiàn)預(yù)測過...

基于知識檢索與LLM提示增強的知識型視覺問答模型

摘要：[目的]通過增加外部知識以及優(yōu)化大語言模型(LLM)提示方法，解決視覺問答(VQA)任務(wù)多步推理準(zhǔn)確率低的問題。 [方法]提出一種新的知識型視覺問答模型，通過引入PromptCap字幕模型生成圖像字幕幫助LLM理解圖像區(qū)域信息，融合開源與圖片語義知識檢索增加推理來源。同時，提出了新的問題分解方案降低推理難度，構(gòu)建了相關(guān)上下文示例并集成多個推理答案以提升準(zhǔn)確性。 [結(jié)果]本文模型在OK-VQA和...

面向話題的諷刺識別：融合外部知識感知注意力的提示學(xué)習(xí)模型

摘要：[目的] 為解決面向話題的諷刺識別中存在的實體重疊和關(guān)系復(fù)雜問題，本文提出一種融合外部知識感知注意力的提示學(xué)習(xí)模型，以提升面向話題的諷刺識別準(zhǔn)確率。[方法] 首先，根據(jù)話題和評論文本總結(jié)了一個面向話題的提示學(xué)習(xí)模板。其次，識別話題和評論文本中的實體并將其與知識圖譜中的實體對齊，實體及其上下文被用作外部知識來提供補充信息。然后，設(shè)計了外部知識感知注意力來衡量知識的重要性。最后，通過Veralizer...

學(xué)術(shù)文本研究空缺句的語言學(xué)特征描述與自動分類研究

摘要：[目的]探索研究空缺句的“句法形式-修辭功能”映射關(guān)系，融合多層次語言學(xué)特征，擴(kuò)展學(xué)術(shù)文本句子級知識抽取新思路。 [方法]依據(jù)有效性、冗余性和互補性集成句法復(fù)雜度指標(biāo)體系，采用方差分析與線性回歸刻畫不同類型研究空缺句的句法復(fù)雜度差異。微調(diào)科學(xué)語言模型提取文本語義特征，通過門控機(jī)制自適應(yīng)融合句法與語義信息進(jìn)行研究空缺句自動分類，引入動態(tài)加權(quán)交叉熵與Dice Loss的混合損失函數(shù)，提升模型對少數(shù)類...

面向檢索粒度的檢索增強生成技術(shù)研究綜述

摘要：[目的]綜述檢索增強生成（Retrieval-Augmented Generation， RAG）技術(shù)中檢索粒度對系統(tǒng)性能的影響，探討不同粒度在上下文完整性與信息精確度之間的權(quán)衡及優(yōu)化。[文獻(xiàn)范圍]使用“Retrieval-Augmented Generation”“檢索增強生成”“Retrieval Granularity”“檢索粒度”等中英文關(guān)鍵詞，在谷歌學(xué)術(shù)、ACM Digital Libr...

不同大語言模型推理方法在突發(fā)公共衛(wèi)生事件政策智能問答中的比較研究

摘要：[目的]比較不同大語言模型推理方法在突發(fā)公共衛(wèi)生事件政策智能問答中的效果差異。[方法]以DeepSeek-R1為例，分別實現(xiàn)了檢索增強生成、知識圖譜協(xié)同、微調(diào)、聯(lián)網(wǎng)搜索及不使用外部數(shù)據(jù)的推理，并以人工標(biāo)注的問答為基準(zhǔn)，對所有推理方法的優(yōu)劣進(jìn)行了比較；其中，不使用外部數(shù)據(jù)的推理對照了Qwen-QwQ和GPT-4o模型的表現(xiàn)。[結(jié)果]自動評估中，基于檢索增強生成、知識圖譜協(xié)同和微調(diào)的組合方案BLEU-...

基于循環(huán)-過濾檢索增強生成技術(shù)的中醫(yī)知識問答系統(tǒng)研究

摘要：[目的]傳統(tǒng)RAG相關(guān)技術(shù)因缺乏對檢索過程的控制，檢索結(jié)果易包含干擾信息，導(dǎo)致其在中醫(yī)領(lǐng)域的回答結(jié)果不夠精確。[方法]本研究構(gòu)建了一種結(jié)合了適用于中醫(yī)知識特征的過濾檢索模塊與循環(huán)知識檢索策略的檢索增強生成框架CycloFilter-RAG，其通過動態(tài)調(diào)整檢索過程以優(yōu)化生成結(jié)果質(zhì)量。[結(jié)果]對比實驗結(jié)果表明，在基于中醫(yī)知識的評估任務(wù)中，CycloFilter-RAG在ROUGE、準(zhǔn)確率和專家評估三項...

科學(xué)論文的顛覆性與其技術(shù)影響的關(guān)系研究——以人工智能領(lǐng)域為例

摘要：[目的] 以專利-論文引用關(guān)系為視角，探究科學(xué)論文的顛覆性與其技術(shù)影響之間的關(guān)系，豐富科學(xué)知識流向技術(shù)領(lǐng)域的影響因素研究。 [方法] 基于人工智能領(lǐng)域發(fā)表的68萬余篇科學(xué)論文，結(jié)合專利引用數(shù)據(jù)，構(gòu)建了大型的數(shù)據(jù)集，應(yīng)用Probit等回歸模型，從可能性、重要性、廣泛性、持續(xù)性和時滯性5個維度開展分析。 [結(jié)果] 研究發(fā)現(xiàn)，論文的顛覆性程度與其被專利引用的可能性存在正向關(guān)聯(lián)，說明顛覆性更高的科學(xué)知...

基于檢索增強Text-to-SQL生成的書目搜索對話問答系統(tǒng)研究

摘要：[目的] 為滿足圖書檢索場景下用戶日益多元化與個性化的信息需求，提升問答系統(tǒng)的性能與用戶體驗。[方法] 本文構(gòu)建了一種面向書目檢索的對話式問答系統(tǒng)（BSCQA）。該系統(tǒng)采用模型上下文協(xié)議實現(xiàn)大語言模型與外部數(shù)據(jù)庫的集成。為提升Text-to-SQL生成的準(zhǔn)確性，本文設(shè)計并集成了一種基于對比學(xué)習(xí)的示例選擇策略，以增強模型對專業(yè)領(lǐng)域查詢意圖的理解。[結(jié)果] 在本文構(gòu)建的書目搜索語義解析數(shù)據(jù)集上的實驗結(jié)...

基于思維鏈提示大語言模型的多模態(tài)實體消歧研究

摘要：[目的] 基于思維鏈提示探究大語言模型在多模態(tài)實體消歧任務(wù)中的可用性及有效性。 [方法] 構(gòu)建基于思維鏈提示的大語言模型提示模板，將先驗知識與多模態(tài)信息輸入大語言模型中，輔助模型從候選實體集中判斷出提及準(zhǔn)確指代的實體。[結(jié)果] 實驗表明，在Wiki-MEL、Twitter-MEL和Weibo-MEL三個數(shù)據(jù)集中，與當(dāng)前最先進(jìn)的模型相比，PLMED模型的準(zhǔn)確率分別提升了15.1%、11.5%和4.1...

　　相關(guān)科技期刊推薦

• 北大核心中國錳業(yè)
• 省級榆林高等�？茖W(xué)校學(xué)報
• 國家級黑龍江交通科技
• 省級浙江師范大學(xué)學(xué)報(社會科學(xué)版)
• 北大核心巖石學(xué)報
• 省級西南公路
• 國家級國外機(jī)車車輛工藝
• 北大核心復(fù)合材料學(xué)報
• 省級上海煤氣
• 國家級中國儲運
• 國家級自動化博覽
• 北大核心鄭州大學(xué)學(xué)報
• 省級科技與管理
• 省級武漢紡織大學(xué)學(xué)報
• 省級中國自行車
• 北大核心測繪科學(xué)技術(shù)學(xué)報
• 省級實驗科學(xué)與技術(shù)
• 省級洛陽理工學(xué)院學(xué)報(自然科學(xué)版)
• 省級上海標(biāo)準(zhǔn)化
• 南大核心中國人口資源與環(huán)境
• 國家級制導(dǎo)與引信
• 國家級影視技術(shù)
• 北大核心焊接學(xué)報
• 北大核心粘接
• 省級廣東有色金屬學(xué)報
• 北大核心原子能科學(xué)技術(shù)
• 省級航空制造技術(shù)
• 北大核心石油礦場機(jī)械
• 省級重慶建筑大學(xué)學(xué)報
• 北大核心中國煙草學(xué)報

　　核心期刊推薦

科技進(jìn)步與對策

地質(zhì)科技通報

上海紡織科技

華中科技大學(xué)學(xué)報(社會科學(xué)版)