《數據分析與知識發現》雜志簡介

　　《數據分析與知識發現》(月刊)創刊于1985年，是中國科學院主管、中國科學院文獻情報中心主辦的計算機信息管理技術方面的學術性刊物，是國內唯一一份被中國圖書館學會和中國科技情報學會共同推薦的專業技術類核心期刊。刊物設有“數字圖書館”、“知識組織與知識管理”、“情報分析與研究技術”、“應用實踐”、“動態”等一系列固定類欄目以及“特邀專欄”、“企業技術之窗”等不定期欄目。

　　《數據分析與知識發現》內容定位于廣泛吸納計算機科學、數據科學、情報科學以及數字科研、數字教育和數字文化等領域的技術與方法，研究數據驅動的語義計算、內容分析、數據挖掘、知識發現、智能管理和決策支持等方面的技術、方法、系統以及支撐設施、政策與機制等，尤其是聚焦從海量、異構、分布、動態、甚至富媒體數據中挖掘和發現知識以支持研究、管理和決策的理論、方法和技術。

　　《數據分析與知識發現》辦刊宗旨是聚焦各行各業中以大數據為基礎，依靠復雜挖掘分析方法，進行知識發現與預測、支持決策分析和政策制定的研究與應用，致力于提供理論指導、技術支持和最佳實踐。

　　《數據分析與知識發現》欄目設置

　　數學圖書館、知識組織與知識管理、情報分析與研究、應用實踐、動態、特邀專欄、金融證券管理、企業信息管理技術

　　《數據分析與知識發現》雜志榮譽

　　CSSCI 南大核心期刊(中文社會科學引文索引)(含擴展版)萬方收錄(中)上海圖書館館藏國家圖書館館藏知網收錄(中)維普收錄(中)中國期刊全文數據庫(CJFD)中國核心期刊遴選數據庫

　　2018年《數據分析與知識發現》雜志08期投稿論文目錄：

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

　　基于BRFSS數據庫應用人工神經網絡構建兒童哮喘預測模型馬曉宇;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;

　　基于預警平臺大數據的事件旅游客流時空分布研究王玲;代前進;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;

　　基于領域本體的產品網絡口碑信息多層次細粒度情感挖掘何有世;何述芳;

　　跨設備搜索中設備轉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品用戶滿意度的影響研究——以數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。【方法】使用文本中詞的0-1矩陣進行分類,將分類效果作為基準線;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,進行文本分類,并與基準線進行對比;利用Sent2Vec算法直接生成句子向量進行分類,綜合評價3種方法的優缺點。【結果】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算法將特征數壓縮在1 000以內。在分類準確率方面,Word2Vec算法的分類準確率比基準線低約3%,準確率為75.14%。Sent2Vec算法的分類效果遠不如其他兩種方法,準確率只有63.08%。【局限】由于語料有限,Word2Vec算法在計算詞向量時可能缺少足夠的語義信息,導致詞向量的準確性不高,而Sent2Vec算法在中文文本語境下生成句向量的分類結果較差。【結論】Word2Vec算法更適用大規模語料文本分類,在文本量較少時應使用詞為特征分類。

　　數據分析與知識發現最新期刊目錄

面向對抗魯棒性的AI生成文本檢測：融合圖結構特征的方法

摘要：[目的] 針對現有AI文本檢測方法過度依賴表層文本特征、易受對抗攻擊的問題，本研究從內容邏輯層面探索AI生成文本檢測方法，以提升檢測模型的對抗魯棒性。 [方法] 通過實體關系抽取將文本映射為圖結構，提取包括圖拓撲特征、節點中心性和圖嵌入在內的多維邏輯特征，并融合圖結構語義嵌入與統計特征構建AI文本檢測模型；在此基礎上，提出基于置信度加權熵的自適應融合模型，在保持較高檢測性能的同時，有效提升模型的...

基于事理圖譜檢索增強的網絡負面事件檢測技術

摘要：[目的] 為解決大模型（LLM）對于檢測實時的網絡負面事件語義理解不準確、事理關系感知缺失的問題，本文提出基于事理圖譜增強的檢索生成模型（EEG-RAG）。[方法] 本文構建了一個網絡負面事件事理圖譜，并設計了一種事件分類學習機制解決語義理解偏移，用于增強混合事理檢索器，使大模型具備了精準檢測網絡負面事件和決策可解釋的能力。[結果] 與基線模型和經過專業數據微調的模型相比，語義理解的準確率提升近一...

基于剪枝壓縮與記憶監控的輕量化內容安全檢測模型

摘要：[目的]針對人工智能生成內容引發的網絡輿情復雜化，以及現有檢測模型難以兼顧推理時效性與復雜語義判別精度的問題，旨在研制一種兼具高精度與輕量化優勢的中文內容安全檢測方法。[方法]提出基于剪枝壓縮與記憶監控的輕量化檢測模型（LCSD-PCMM）。利用基于L₂范數的結構化多頭自注意力剪枝冗余計算單元，并引入外部記憶監控模塊，通過鍵值對記憶庫存儲并融合關鍵特征模式，以補償剪枝帶來的語...

科學數據供給樞紐：面向AI4S的科學數據高質量供給

摘要：[目的]針對AIforScience范式下科學數據碎片化、質量參差、形態錯配與流通受阻等供給困境，探討科學數據基礎設施由“資源管理”向“價值供給”轉型的實現路徑。[方法]本文提出“科學數據供給樞紐”概念，構建“匯聚-轉換-分發-調度”四重運行機制；設計代理轉發、集散供給、反向供給、數據Claw、聯邦協同和訂閱推送六種服務模式；提出“需求理解-資源調度-動態適配”核心能力框架與分層參考架構；研發sd...

基于多粒度層級圖的檢索增強生成方法研究

摘要：[目的]針對已積累大量專家審定結構化知識的垂直領域，聚焦Graph RAG技術在該類場景下對結構化知識利用不足、社區聚類中語義與拓撲失衡的局限，本研究旨在提升專業問答質量與可解釋性。[方法]提出一種基于多粒度層級圖的檢索增強生成方法（MGHG-RAG），構建由強約束細粒度圖、弱約束細粒度圖和粗粒度圖組成的三層級圖結構，并設計與之適配的多粒度檢索策略，以支持從細節事實查詢到宏觀分析的全場景問答任務，...

復雜網絡視角下企業關聯對數字化轉型的影響——來自A股物業企業的證據

摘要：[目的] 探究企業在多重關聯網絡中的結構性位置如何影響其數字化轉型決策，為理解企業轉型行為提供一個基于網絡關系視角的微觀解釋。[方法] 選取2011-2022年我國A股上市物業企業為研究樣本，運用復雜網絡理論，分別構建股權關聯、行業關聯與人際關聯網絡，量化其網絡結構位置與影響力，探討企業關聯關系對數字化轉型績效的影響條件。[結果] 企業的多重關聯特征會在不同程度上影響其數字化轉型進程，其中客戶關聯...

規則驅動的可解釋推理框架：一種面向臨床一致性的多病癥神經符號協同推理研究

摘要：[目的] 針對多病癥治理的指南沖突與幻覺風險，提出并驗證神經符號協同推理框架（SCGR）。 [方法] 構建基于“IF-THEN-EXPLAIN”的符號規則庫與動態剪枝算法，利用分階段思維鏈（CoT）在100例真實病例上開展對比實驗與多維度評估。 [結果] SCGR語義相似度（0.955）與臨床準確性（5.0），均顯著優于LLM-only（0.887/4.08），有效消解決策死鎖并揭示了邏輯透明...

基于自適應特征融合的專利價值評估方法及實證研究

摘要：[目的]有效提取并動態融合專利計量指標與文本特征，提升專利價值評估的準確性。[方法]提出了一種基于自適應特征融合的專利價值評估方法。方法采用模塊化設計，特征提取與融合模塊能夠獨立優化并靈活擴展。計量指標和文本語義特征分別通過多層感知機和BERT-BiLSTM提取，并映射到統一語義空間訓練優化。同時，構建自適應注意力特征融合模塊捕捉不同類型特征間的互補信息，并動態調整特征權重。[結果]在農業機器人領...

基于弱監督對比學習與跨模態知識蒸餾的多模態虛假新聞檢測研究

摘要：[目的] 本文旨在解決當前多模態虛假新聞檢測中普遍存在的“模態不平衡”與“語義理解淺顯”兩大挑戰，以提升檢測的準確性與魯棒性。[方法]提出了一種結合對比學習與知識蒸餾的新型兩階段多模態虛假新聞檢測方法WCL2KD。第一階段用弱監督對比學習模塊，借圖算法生成弱標簽，讓模型自主學習虛假新聞細粒度特征；第二階段通過跨模態知識蒸餾策略，讓強勢模態向弱勢模態遷移知識，解決模態不平衡問題。[結果] WCL2K...

基于理據蒸餾的科技文獻學術觀點可解釋識別方法研究

摘要：[目的]針對科技文獻中學術觀點表達主觀性隱蔽及現有方法可解釋性不足的問題，提出一種基于理據蒸餾的學術觀點識別方法AOR-RD（Academic Opinion Recognition with Rationale Distillation）。[方法]基于語言學理論和語料分析歸納七類學術觀點表達模式，構建逐步推理模板，引導教師模型生成結構化理據；在此基礎上構建多任務學習架構，以理據為中介蒸餾推理能力...

基于CLIP引導跨模態層次注意力的虛假新聞檢測

摘要：[目的] 針對多模態虛假新聞檢測中圖文語義對齊不充分與細粒度不一致特征捕捉困難的問題，提出一種融合CLIP引導層次化注意力的檢測模型。[方法] 利用CLIP預訓練知識構建跨模態聯合表征空間，通過多分支編碼器提取圖文特征，并結合層次化共注意力機制實現局部特征至全局語義的多尺度特征融合，同時引入CLIP-GPT引導生成模塊校驗語義。[結果]在Weibo和PHEME數據集上，本文模型準確率分別達到91....

基于多維因果關系補全的檢索增強生成方法研究

摘要：[目的]針對現有RAG方法難以區分因果與關聯、導致生成結果可靠性低的問題，本文提出一種基于多維度因果關系補全的檢索增強生成方法(MCC-RAG)。[方法]該方法從事件粒度、時間次序和因果強度三個維度對候選因果關系進行協同過濾、補全與驗證，構建高置信度因果知識圖；在此基礎上，結合語義檢索與因果圖遍歷的雙通道檢索機制，并引入因果圖檢查與反饋更新策略，對生成階段的因果不一致與事實偏差進行迭代修正。[結果...

基于生成式人工智能的醫學影像報告生成研究綜述

摘要：【目的】圍繞生成式人工智能背景下醫學影像報告生成的方法演進與研究成果進行系統梳理，為相關研究方向的后續探索與發展提供參考。【文獻范圍】以Google Scholar、ScienceDirect、PubMed、IEEE Xplore、Springer和中國知網數據庫為檢索來源，以醫學影像報告生成、生成式人工智能、深度學習、預訓練語言模型、多模態大語言模型、Medical Imaging Report...

基于自適應思維鏈與模型蒸餾的中醫醫案按語生成方法研究

摘要：[目的]探索中醫醫案按語的自動生成與推理建模方法，驗證教師-學生協同推理與蒸餾框架在提升生成質量與臨床解釋性方面的有效性。[方法]基于權威中醫婦科醫籍構建包含510例完整醫案的數據集，以DeepSeek-V3為教師模型、Qwen3-7B與Qwen3-14B為學生模型，通過教師生成的推理鏈樣本實施生成式模型蒸餾，并結合LoRA進行參數高效微調，采用BLEU、ROUGE、BERTScore及段落級RO...

融合大模型語義調和網絡的多模態情感分析方法

摘要：[目的] 異構模態間固有的語義鴻溝，限制了跨模態融合的效率與情感識別性能。為了解決該問題，提出一種融合大模型語義調和網絡的多模態情感分析方法。[方法] 為彌合異構模態間的語義鴻溝，借助多模態大語言模型生成情感描述文本，使用門控記憶網絡對文本進行強化，以凸顯情感特征并剔除冗余信息；隨后，通過跨模態注意力網絡將原始模態與強化后的描述性文本深度融合，縮小模態間的語義分布差異。在融合階段，以文本為核心，通...

基于大語言預訓練模型嵌入與多模態醫學知識增強的文獻推薦研究

摘要：[目的]本文提出一種基于大語言預訓練模型嵌入與多模態醫學知識增強的醫學文獻推薦方法，以提升醫學文獻推薦的準確性和語義理解能力。[方法]本文基于LLM2Vec嵌入模型實現醫學文本的動態雙向編碼，結合ResNet-50視覺編碼器與注意力池化機制實現圖文特征融合，并引入用戶行為注意力機制捕捉興趣演化，通過跨模態對齊與多粒度語義聚合構建推薦模型。[結果]本文在兩個醫學文獻數據集上與四種主流推薦模型進行對比...

面向五運六氣理論的圖增強混合檢索方法研究

摘要：[目的]針對五運六氣理論知識體系復雜、規則推演嚴密，且大語言模型易產生幻覺與推理偏差的問題，提出一種圖增強混合檢索方法，以提升中醫專業場景下問答系統的準確性與可信性。[方法]融合BM25、稠密向量與稀疏向量的多路混合檢索，引入基于社區發現的五運六氣多層次知識圖譜進行語義增強，采用倒數排名融合算法進行候選排序，并結合受控提示與引用約束機制，引導大語言模型基于文獻證據生成回答。[結果]與未引入檢索增強...

融合角色感知膠囊建模與提示信息門控的事件參數抽取模型

摘要：[目的]針對基于提示學習的文檔級事件參數抽取模型中角色混淆與邊界誤判問題，提出了融合角色感知膠囊建模與提示信息門控機制的事件參數抽取模型。[方法]首先模型采用基于RoBERTa構建編碼器-解碼器架構，利用結構化提示引導模型生成論元候選表示。再通過角色感知膠囊網絡模塊，結合觸發詞與候選論元信息，動態生成對應角色的語義表示。同時，設計提示信息門控機制對結構化提示與上下文語義進行融合建模，以提升提示信息...

面向想法挖掘的科研問題解決方案大模型生成方法

摘要：[目的]給定科研問題描述，利用大模型生成問題解決方案，輔助發現科研想法，促進科研創新。[方法]基于群組推薦和大模型微調技術提出問題解決方案的生成方法。將問題中的關鍵詞輸入推薦模型獲得一組方案關鍵詞；將問題和方案關鍵詞形成指令輸入微調大模型，生成新方案。[結果]提出的方法能生成領域相關的、句子形式的新方案。隨機選取100條結果提交給專家評估，顯示具有新穎性、可參考性、可理解性的新方案平均百分數分別為...

基于自適應記憶與證據驅動的文檔級關系抽取研究

摘要：[目的]解決文檔級關系抽取中，因單個文檔信息濃縮或敘事視角局限導致的隱式關系識別能力不足這一核心問題，提升模型在缺乏局部共現線索的復雜上下文中的關系推理性能。[方法]提出一種基于自適應類別記憶機制（ACME-RE）的文檔級關系抽取方法。該方法利用記憶模塊動態維護與更新關系特定的原型表示，并通過關系引導的上下文信息量化模塊，為每個預定義關系獨立評估其特定的詞符級信息貢獻，增強模型對歷史語義原型的認知...

　　相關科技期刊推薦

• 省級模具制造
• 省級浙江水利水電學院學報
• 北大核心河南理工大學學報
• 國家級機電產品市場
• 省級艦船知識
• 省級北京聯合大學學報人文社會科學版
• 北大核心石油與天然氣地質
• 北大核心核聚變與等離子體物理
• 省級武漢生物工程學院學報
• 省級電視時代
• 省級表面活性劑工業
• 北大核心煤礦安全
• 北大核心煤氣與熱力
• 省級環球科學
• 北大核心計量技術
• 北大核心儀表技術與傳感器
• 國家級時代汽車
• 北大核心后勤工程學院學報
• 北大核心化學研究與應用
• 省級內燃機與配件
• 北大核心中國陶瓷
• 北大核心江西理工大學學報
• 省級洛陽理工學院學報(自然科學版)
• 省級浙江水利水電專科學校學報雜志
• 省級云南建筑
• 國家級衛星應用
• 國家級金屬加工(熱加工)
• 國家級經濟數學
• 國家級連鑄
• 省級遼寧工學院學報社會科學版

　　核心期刊推薦

電子科技大學學報

科技與出版

華中科技大學學報(醫學版)

科技導報