胡一鸣
- 作品数：3 被引量：23H指数：2
- 供职机构：南京理工大学经济管理学院更多>>
- 发文基金：国家自然科学基金江苏省社会科学基金教育部人文社会科学研究基金更多>>
- 相关领域：文化科学更多>>
- 融合表示学习与机器学习的专利科学引文标题自动抽取研究被引量：1
- 2019年
- 【目的】针对专利引文类别繁多的问题,研究自动识别其中专利科学引文这一特定类别的方法,进而准确抽取专利科学引文的标题特征项,支撑后续专利科学引文深度分析与挖掘。【方法】引入表示学习方法 Doc2Vec实现专利科学引文整体的语义向量表示,结合机器学习分类方法实现专利科学引文这一特定类别的识别;在此基础上,利用表示学习方法实现专利科学引文标题等内容元数据的语义向量表示,结合机器学习分类方法抽取专利科学引文标题。【结果】在基因领域专利的实验中,专利科学引文的识别精确率达到99.27%,专利科学引文标题抽取精确率达到92.59%,抽取精确率较单纯的机器学习方法提高5.96%。【局限】人工标注训练集较为耗时;对实验数据格式有一定要求。【结论】本文方法在专利科学引文识别和标题抽取上具有良好效果。
- 张金柱胡一鸣
- 关键词：元数据抽取
- 利用链路预测揭示合著网络演化机制被引量：17
- 2017年
- 【目的/意义】掌握合著网络的最佳演化机制及其演变能够更好的进行合著关系预测和推荐,进而为研究团队的人员选择和搭配提供建议和参考。【方法/过程】以共同邻居、到达路径、优先连接和随机游走共4类16种相关性指标表示合著网络演化机制,并运用链路预测的理论和方法系统全面的定量比较不同演化机制的优劣和时序变化,揭示合著网络的最佳演化机制及其变化并解析其成因。【结果/结论】在图书情报领域的实验证实:描述合著网络演化机制的最佳指标为AA(Adamic-Adar);不同时间段的相关性指标的预测准确率具有一定差异但总体趋势保持一致,并且最佳指标所属类别并未改变,表明合著网络演化机制具有较强的稳定性;对多种类别的合著网络演化机制成因及其改进方向进行了分析。
- 张金柱胡一鸣
- 关键词：合著网络链路预测复杂网络
- 基于专利科学引文内容表示学习的科学技术主题关联分析研究被引量：5
- 2019年
- 【目的】从专利科学引文的文本内容语义表示角度,形成专利科学引文内容挖掘技术和方法,探索科学技术在内容层次上的关联关系,提高科学技术关联分析的准确性、全面性和可解释性。【方法】识别和抽取专利科学引文的关键词、摘要等特征项表示专利科学引文内容,利用文本表示学习方法对内容特征项进行语义向量表示,基于向量相似度计算方法计算特征项间的语义相似度,进而通过聚类方法分别得到专利技术与专利科学引文内容的研究主题,并分析特定领域科学技术间的主题关联。【结果】在纳米技术领域的实证分析表明,该方法能更好地发现科学技术间主题映射和关键词对应关系,从内容角度深入分析了科学技术间的主题关联关系。【局限】仅从专利以及专利科学引文的摘要和关键词层面进行探索性研究,使得专利全文本内容表示和分析的广度和深度还不够,分析维度的多样化还需加强。【结论】该方法能够从内容层面提高科学技术间的主体关联分析效果,结果可解释性更强。
- 张金柱王玥胡一鸣
