基于数据挖掘方法的科研机构创新能力评价
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究目的与意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 本文的创新点 | 第11-12页 |
| 1.4 本文的主要内容和结构安排 | 第12-13页 |
| 第二章 数据预处理与常用方法简述 | 第13-28页 |
| 2.1 数据获取与分析 | 第13-18页 |
| 2.2 数据预处理 | 第18-22页 |
| 2.2.1 数据选择及去噪 | 第18-19页 |
| 2.2.2 数据间信息匹配 | 第19-20页 |
| 2.2.3 机构得分计算 | 第20-22页 |
| 2.3 评价标准 | 第22-24页 |
| 2.4 科研机构创新能力评价常用方法综述 | 第24-27页 |
| 2.4.1 特征构建方法 | 第24-26页 |
| 2.4.2 模型选择方法 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 基于网络特征的科研机构创新能力评价 | 第28-39页 |
| 3.1 基于机构间关系的网络特征构建 | 第28-31页 |
| 3.1.1 机构间合著网络构建 | 第28-30页 |
| 3.1.2 度中心性 | 第30页 |
| 3.1.3 接近中心性 | 第30页 |
| 3.1.4 介数中心性 | 第30-31页 |
| 3.1.5 特征向量中心性 | 第31页 |
| 3.2 网络中重要节点挖掘算法 | 第31-37页 |
| 3.3 本章小结 | 第37-39页 |
| 第四章 基于特征融合的科研机构创新能力评价 | 第39-63页 |
| 4.1 基于作者个体信息的特征构建 | 第39-46页 |
| 4.1.1 作者间合著网络 | 第39-40页 |
| 4.1.2 作者发表文章的概率 | 第40-42页 |
| 4.1.3 作者发文联合概率 | 第42-46页 |
| 4.2 特征预处理 | 第46-48页 |
| 4.2.1 交叉验证 | 第46-47页 |
| 4.2.2 标准化 | 第47-48页 |
| 4.3 基于层叠泛化算法的科研机构创新能力预测 | 第48-56页 |
| 4.3.1 层叠泛化算法学习框架 | 第49-53页 |
| 4.3.2 预测结果 | 第53-56页 |
| 4.4 基于随机森林算法的科研机构创新能力预测 | 第56-62页 |
| 4.4.1 随机森林原理 | 第57-59页 |
| 4.4.2 预测结果 | 第59-62页 |
| 4.5 总结 | 第62-63页 |
| 第五章 总结与展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 在校研究成果 | 第69-70页 |
| 致谢 | 第70-71页 |
| 附录一 插图清单 | 第71-72页 |
| 附录二 表格清单 | 第72-73页 |
| 附录三 机构ID对应的机构名称 | 第73-75页 |
| 附录四 部分核心程序源代码 | 第75-82页 |
