取向与趋向:数据要素交易政策主题挖掘与演化研究

[目的/意义]数据要素交易是数据要素价值实现的重要方式,相关政策是其健康发展的必要保障。探究数据要素交易政策核心主题存在的取向与呈现的趋向,能够为完善数据要素交易政策体系并促进数据要素交易市场发展提供参考。[方法/过程]利用BERTopic模型,挖掘我国中央及地方1269份相关政策的文本主题,明确其核心主题的具体取向,并结合各个时期的主题强度及其政策数量,对其演化趋向进行分析。[结果/结论]我国数据要素交易政策经历了萌芽期、发展期与趋缓期,并呈现服务主体、技术保障、标准规范、安全监管4大主题取向,不同时期各核心主题的演化趋向不尽相同,对数据要素交易的实践进展起到了较大的引领作用。

基于ERNIE和DPCNN的科技文献摘要结构要素识别

【目的】构建一种高效的科技文献摘要结构要素识别模型,实现对一段式摘要的结构要素识别。【方法】以知识增强语义表示模型(ERNIE)对科技文献的摘要文本进行表征,通过深度金字塔卷积神经网络(DPCNN)进行文本特征抽取,构建科技文献摘要结构要素识别模型。【结果】所构建的模型在图书情报领域数据集上识别文献摘要结构要素的精确率、召回率、F1宏平均值均高于0.95,比基准模型具有更好的识别性能。【局限】使用的语料具有一定的领域倾向,模型的领域通用性还有待验证。【结论】构建的模型可以更好地对文本特征进行抽取,有效提升了科技文献摘要结构要素的识别性能。