基于开放存取的科研数据获取与专家相似度研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第13-22页 |
| 1.1 引言 | 第13-15页 |
| 1.2 课题背景 | 第15-18页 |
| 1.2.1 国外Open Access现状 | 第15-16页 |
| 1.2.2 国内Open Access现状及问题 | 第16-18页 |
| 1.3 研究内容 | 第18-20页 |
| 1.4 论文组织 | 第20-21页 |
| 1.5 本章小结 | 第21-22页 |
| 第2章 相关工作 | 第22-37页 |
| 2.1 专家领域发现和专家科研相似度综述 | 第22-24页 |
| 2.1.1 专家研究领域发现 | 第22-23页 |
| 2.1.2 专家间研究领域的相似度 | 第23-24页 |
| 2.2 TF-IDF综述及应用 | 第24-25页 |
| 2.2.1 概念 | 第24页 |
| 2.2.2 原理 | 第24-25页 |
| 2.2.3 应用 | 第25页 |
| 2.3 主题模型综述及应用 | 第25-31页 |
| 2.3.1 基础知识 | 第26-29页 |
| 2.3.2 LDA的简要介绍 | 第29-30页 |
| 2.3.3 主题模型的应用 | 第30-31页 |
| 2.4 词向量综述及应用 | 第31-36页 |
| 2.4.1 词向量研究背景 | 第31-32页 |
| 2.4.2 词向量模型简介 | 第32-35页 |
| 2.4.3 词向量模型应用 | 第35-36页 |
| 2.5 本章小结 | 第36-37页 |
| 第3章 科研数据扩充与清洗 | 第37-50页 |
| 3.1 基于多数据源的论文元数据补全 | 第39-44页 |
| 3.1.1 论文数据来源 | 第39-41页 |
| 3.1.2 基于DOI属性的论文元数据补全 | 第41-42页 |
| 3.1.3 基于中英文标题的论文元数据补全 | 第42-44页 |
| 3.2 论文元数据的清洗和去重 | 第44-47页 |
| 3.2.1 论文元数据的清洗 | 第44-45页 |
| 3.2.2 论文元数据去重 | 第45-47页 |
| 3.3 科研数据扩充 | 第47-49页 |
| 3.3.1 论文数据的进一步扩充 | 第47-48页 |
| 3.3.2 期刊信息库的建立 | 第48-49页 |
| 3.4 本章小结 | 第49-50页 |
| 第4章 基于主题模型的标签生成 | 第50-72页 |
| 4.1 科研兴趣标签简述 | 第50-53页 |
| 4.1.1 提取专家科研兴趣标签的意义 | 第50-52页 |
| 4.1.2 专家兴趣标签数据来源及表示 | 第52-53页 |
| 4.2 基于TD-IDF方法的专家标签提取 | 第53-55页 |
| 4.2.1 标准的TF-IDF生成专家标签 | 第53-54页 |
| 4.2.2 改进的TF-IDF生成专家标签 | 第54-55页 |
| 4.3 基于主题模型LDA的专家标签提取 | 第55-58页 |
| 4.3.1 非主题模型的缺陷 | 第55-56页 |
| 4.3.2 主要思想 | 第56-57页 |
| 4.3.3 参数设定 | 第57-58页 |
| 4.4 实验和结果 | 第58-71页 |
| 4.4.1 实验环境 | 第58页 |
| 4.4.2 实验数据相关 | 第58-60页 |
| 4.4.3 评估方法 | 第60页 |
| 4.4.4 实验结果 | 第60-66页 |
| 4.4.5 结果分析 | 第66-71页 |
| 4.5 本章小结 | 第71-72页 |
| 第5章 基于词向量的专家相似度研究 | 第72-86页 |
| 5.1 专家相似度综述 | 第73-75页 |
| 5.1.1 专家相似度定义 | 第73-74页 |
| 5.1.2 计算专家相似度的意义 | 第74页 |
| 5.1.3 专家相似度(关联度)的方法归纳 | 第74-75页 |
| 5.2 基于词向量的专家相似度算法 | 第75-77页 |
| 5.3 模型介绍 | 第77-79页 |
| 5.4 实验设计和结果 | 第79-85页 |
| 5.4.1 数据源相关 | 第79页 |
| 5.4.2 实验方法 | 第79-80页 |
| 5.4.3 结果和分析 | 第80-85页 |
| 5.5 本章小结 | 第85-86页 |
| 第6章 总结和展望 | 第86-88页 |
| 6.1 总结 | 第86-87页 |
| 6.2 展望 | 第87-88页 |
| 参考文献 | 第88-92页 |
| 致谢 | 第92页 |
