您的位置: 专家智库 > >

李娜

作品数:4 被引量:32H指数:4
供职机构:中国科学院文献情报中心成都分馆更多>>
发文基金:四川省国际科技合作与交流研究计划项目更多>>
相关领域:文化科学自动化与计算机技术更多>>

文献类型

  • 4篇中文期刊文章

领域

  • 4篇文化科学
  • 1篇自动化与计算...

主题

  • 1篇信息共享空间
  • 1篇研究数据
  • 1篇政府农业
  • 1篇神经网
  • 1篇神经网络
  • 1篇实证
  • 1篇实证研究
  • 1篇识别方法
  • 1篇农业
  • 1篇欧盟
  • 1篇自动识别
  • 1篇自动识别方法
  • 1篇网络
  • 1篇卷积
  • 1篇卷积神经网络
  • 1篇开放共享
  • 1篇科学环境
  • 1篇功能扩展
  • 1篇共享
  • 1篇共享空间

机构

  • 4篇中国科学院文...
  • 3篇中国科学院大...
  • 1篇中国科学院研...

作者

  • 4篇李娜
  • 3篇姜恩波
  • 1篇鄢小燕
  • 1篇李娜

传媒

  • 1篇世界科技研究...
  • 1篇图书情报工作
  • 1篇图书馆杂志
  • 1篇农业图书情报...

年份

  • 1篇2021
  • 2篇2020
  • 1篇2008
4 条 记 录,以下是 1-4
排序方式:
开放科学环境下的欧盟研究数据开放共享研究被引量:8
2020年
研究数据开放共享是开放科学的重要特征,也是欧盟加强一体化建设,推动成员国均衡发展的一项重要措施。它能够将欧盟海量数据的能量释放出来,促进"欧洲研究区"的建设,服务科研人员,帮助降低欧债危机以及英国脱欧带来的负面影响。文章从协同制定开放数据共享国际规范、参与研究数据联盟建立、发布研究数据管理政策以及积极推进研究数据建设项目等四个方面介绍了欧盟为此而作的努力。通过推动研究数据的开放共享,欧盟又一次站在了开放科学运动的前沿。欧盟为推动开放获取和研究数据而制定的一系列政策及其成果,将会对欧洲乃至世界范围内开放科学带来极大的影响,同时也对我国研究数据共享以及研究数据中心的建设提供鲜活的借鉴。文章以此为基础,介绍了我国在研究数据管理、开放共享方面的政策和措施,指出了目前我国在政策体系制定、数据发布数量与质量以及开放科学环境构建上存在的问题,并给出了相应建议。
姜恩波李娜
关键词:研究数据开放共享欧盟
科研协同信息空间Research Commons的服务现状分析和功能扩展被引量:13
2008年
科研协同信息空间Research Commons可以看作是Information Commons的延伸,或者是IC的另一种形式,其核心功能是通过图书馆提供的资源和服务来促进科学交流与科研合作。综合分析国内外已经开展的RC虚拟网络平台和实体物理空间的服务功能,重点研究RC虚拟网络平台四种主要形式---机构知识库、科研过程协助、主题资源共享和科研数据共享,进一步对RC的现有服务功能进行扩展,提出由科研人员交流平台、图书馆员服务平台、相关信息发布平台和用户需求互动平台组成的RC服务平台。
鄢小燕李娜
关键词:信息共享空间服务平台
中国开放政府农业数据分析与评价被引量:4
2020年
[目的/意义]农业农村部和各省的农业行政主管部门是推动农业农村大数据发展的主要力量。本文通过调研全国31个省、自治区、直辖市的农业开放政府数据现状,了解、分析并评价全国开放政府数据中农业数据的发布、共享、标准化和应用情况,据此提出可行的建议。[方法/过程]通过调研、统计全国31个省市、自治区、直辖市的开放政府数据平台,对平台总体情况以及各省、自治区、直辖市农业行政主管部门所发布涉农数据的内容进行整理、规范和总结,从数据更新时间、数据应用许可、数据下载等几个方面进行分析。同时,结合FAIR规范,从数据的可发现性、可活动性、可互操作性以及可重用性4个方面进行评价。[结果/结论]目前中国农业数据的整理、发布和共享都还处于初级阶段。虽然各级政府制定了相应的法规、政策,但是从政策落地的效果来看并不理想。农业农村部应该与各省级农业行政主管部门联合起来共同推动政府农业数据的开放与应用。同时,积极与国际开放政府数据的建设模式接轨,提高数据发布、管理和服务的能力。
姜恩波李娜
政策工具自动识别方法与实证研究被引量:7
2021年
[目的/意义]政策工具的识别与分析是政策研究的重要手段之一。此项工作目前多以人工开展。本文运用深度学习方法进行政策工具的自动识别,以期提高政策工具识别的效率。[方法/过程]设计与实施政策数据采集与清洗——政策工具人工标引——模型训练——结果解读的政策工具自动识别的实验流程,并以北上广贵四地的政府信息公开政策为例,对比传统机器学习方法和深度学习方法在政策工具识别任务上的性能表现。此外,提出整合政策全局信息进行各段落政策工具识别的方案,并通过实验证明方案的有效性。[结果/结论]深度学习模型CNN在全量测试数据上达到76.51%的准确率,整合全局信息的CNN模型达到77.13%的准确率。而仅对模型的高置信度结果进行评估发现,整合全局信息的CNN模型在其中55.63%的测试数据上准确率达到了95.44%。该准确率已经达到了实用的要求,表明超过一半的政策工具标引可以借用模型的高置信度结果,无需人工复核。基于深度学习方法研究政策工具的自动识别取得较好的效果,提升政策工具标引的效率,为大数据量的政策工具自动识别提供正面经验。
李娜姜恩波姜恩波刘婷
关键词:自动识别卷积神经网络
共1页<1>
聚类工具0