［目的/意义］为了洞悉数智赋能下知识价值链的新变化，明确数智化知识价值链的理论模型与本质特征，以此增强组织的知识增值能力与竞争能力。［方法/过程］首先，根据国内外对知识价值链、数智赋能、知识链、价值链的研究经验总结出数智化知识价值链的内涵，并提出数智化知识价值链的理论模型与核心特征。其次，对数智化知识价值链的运行机制、内在与外在动因进行汇总，分析知识价值链进行数智化转型的必要性。［结果/结论］数智赋能下，知识价值链具备了新的特征与运作机制，而进行知识价值链的数智化转型已经成为组织提高竞争实力的关键。
［目的/意义］构建复用科学数据的增值回溯管理模型，以期对复用科学数据的各类增值成果进行回流、组织、评测、累积和使用。［方法/过程］立足于强化理论视角，界定复用科学数据增值回溯的强化主体、强化对象、强化行为、强化物和科学数据等管理要素，通过梳理各要素的功能、关系，阐释强化理论视角下复用数据增值回溯机理，构建起四层级结构的复用数据增值回溯管理模型，对模型的制度层、规则层、业务层和分析应用层进行逐层阐释。［结果/结论］基于强化理论所获得的复用科学数据增值回溯机理以及管理模型，能对科学数据共享后续管理流程加以补充和完善，从而实现科学数据内隐价值的深入发现和持续释放。
［目的/意义］在“大力推行优秀成果和代表作评价”的背景下，如何科学地遴选学术代表作是摆在所有学者面前的一个重要研究问题，尤其是一般学者的代表作遴选更加值得关注。［方法/过程］在阐述了模型构建基本思想的基础上，文章从期刊影响因子、即时被引频次和内容相似度三个方面构建了适合一般学者代表作遴选的FIS模型。利用陕西省自然科学优秀论文获得者的学术论文进行学术代表作遴选实证研究，并从内部和外部两个方面进行了对比分析。［结果/结论］构建的FIS模型具有一定的比较优势和实际意义，能够更科学地遴选代表作，在一定程度上有助于推动学术繁荣和进步。
［目的/意义］专利影响力测度对评估专利技术价值及促进核心专利的培育与转化具有重要意义。［方法/过程］基于专利的全代引证网络，融合施引专利质量，构建专利累积影响力评价模型，并利用案例分析法检验该模型的有效性；基于该评价模型，利用Wilcoxon符号秩检验分析总被引视角和被他引视角下专利累积影响力的差异。［结果/结论］构建的评价模型同时考虑了施引专利的“数量”与“质量”，可以对以往测度中具有相同影响力的专利进行进一步的区分，对零被引专利也可以其自身质量赋予潜在的影响力；相较于总被引视角，从被他引视角下测度的专利累积影响力更符合真实情况。研究结果丰富和完善了专利累积影响力的评价。
［目的/意义］专利技术主题演化分析可以深刻揭示主题领域的技术发展脉络，如何对其进行准确挖掘对企业提高技术创新能力至关重要。［方法/过程］沿着“技术演化理论构架”→“技术生命周期划分”→“技术主题提取”→“技术主题演化分析”这一研究主线，以自建数据库为数据来源，首先,基于Logistics模型进行技术生命周期划分；然后,分别利用LDA主题模型和PCA+K-means模型进行技术主题提取，并从技术主题强度和技术主题内容两个维度进行技术主题演化分析；最后，以视频图形处理技术领域为例，验证模型的有效性和适用性。［结果/结论］研究结果表明，文章构建的智能模型可以挖掘出主题领域的热门和新兴主题，该分析方法对于认识和追溯技术主题演化规律进而厘清关键技术的发展脉络具有实际应用价值。
［目的/意义］学术论文创新类型研究是剖析学术论文创新性的前提，是内容文本层面进行学术论文创新性识别与测度的基础。［方法/过程］在对学术论文的概念和属性阐释的基础上，基于文献调研法，进行总结归纳，从创新程度、研究内容、文献结构、重要表征形式4个角度对单篇学术论文创新类型进行划分，并从三维时间视角对单篇学术论文创新类型的作用过程进行系统探讨。［结果/结论］经过分类，最终得到3种创新程度(颠覆性、独创性、渐进性)、8种研究内容(理论、观点、主题、问题或对象、方法、数据、结论或事实、应用)、4种文献结构(基础描述、技术方法、结果结论、未来展望)以及2种重要表征形式(单要素、组合要素)的创新类型划分结果，进而提出创新类型研究对学术论文创新性评价的启示与应用价值。
［目的/意义］医学实体识别是医疗健康知识挖掘和知识组织的关键环节。深入挖掘多模态数据间语义关联可以提升医学实体识别效果，进而为领域知识补全和知识推理提供支撑。［方法/过程］提出一种基于双线性注意力融合机制的多模态中文医学实体识别模型BAF-MNER。首先通过视觉和文本编码器进行多模态医学数据的语义特征学习；接着利用双线性注意力网络实现图像和文本跨模态语义交互，并引入门控机制过滤视觉噪声；然后融合基于注意力机制的视觉特征和文本特征进而构建多模态特征表示，同时增加批量归一化层优化深度神经网络；最后将多模态特征向量输入CRF层解码获取预测标签。［结果/结论］本模型能够有效提升中文医学实体识别效果，在多模态医学数据集上的F1值较单模态基线模型提升4.07%，较多模态基线模型提升1.65%；在多模态公开数据集上的实验表明模型具有良好的泛化能力。
网站二维码
微信二维码
