Linked Data-based Slide Repository： The Episodic Slide Retrieval Using the Episodic Keyword Networks

This paper focuses on developing a system that allows presentation authors to effectively retrieve presentation slides for reuse from a large volume of existing presentation materials. We assume episodic memories of the authors can be used as contextual keywords in query expressions to efficiently dig out the expected slides for reuse rather than using only the part-of-slide-descriptions-based keyword queries. As a system, a new slide repository is proposed, composed of slide material collections, slide content data and pieces of information from authors＇ episodic memories related to each slide and presentation together with a slide retrieval application enabling authors to use the episodic memories as part of queries. The result of our experiment shows that the episodic memory-used queries can give more discoverability than the keyword-based queries. Additionally, an improvement model is discussed on the slide retrieval for further slide-finding efficiency by expanding the episodic memories model in the repository taking in the links with the author-and-slide-related data and events having been post on the private and social media sites.

融合网络安全领域知识的Web指纹智能识别

针对Web指纹识别能力有限的问题,提出了一种融合网络安全领域知识的Web指纹识别方法。通过构建网络安全领域的术语词典和使用预训练的专业领域词向量,将网络知识与Web指纹识别能力相融合,并合理利用了白字符和网页中的特殊关键字对识别结果进行优化。实验结果表明,多种模型在融合网络安全知识的策略以后,平均识别准确率从75.1%提高到82.5%、召回率从62.3%提高到75.7%、F1值从0.683提高到0.790。

储热技术研究展望

近年来,储热技术被广泛认为是实现碳中和、碳达峰的一项关键技术备受关注。通过从CNKI、Web of Science等数据库中筛选储热技术相关文献,运用CiteSpace软件进行知识映射,展开系统分析、统计及可视化,绘制出储热技术研究力量合作网络图谱,展示该技术研究力量的分布与科研合作情况。同时针对关键词进行分析,总结储热技术的研究热点、研究前沿及发展趋势,指出相变储热和混合储热模式是未来研究的重点。针对储热材料稳定性差、使用寿命短,有机相变材料成本高、安全性低,系统设备初始造价高、成本回收期长等储热技术现存问题,从政策干预和市场需求角度提出了改进建议。

中国农村人居环境政策的扩散特征——基于政策文本的量化研究

扎实推进农村人居环境治理政策是实现乡村振兴战略的重要内容,也是建设美丽中国的关键举措。文章基于政策扩散理论,采用社交网络分析法和关键词时序分析法并借助Gephi软件,对2001年1月至2022年7月中国农村人居环境政策文本进行量化分析,旨在揭示其扩散过程和特征。结果发现:在时间维度上,中国农村人居环境政策的扩散特征呈现S型形态;在强度维度上,方案类和意见类政策扩散强度较高,且具有显著的时序集聚性特征;在广度和速度维度上,方案类政策相较于意见类政策,覆盖范围更广、速度更快,并呈急剧下滑趋势。在方向维度上,通过“村庄规划”和“危房改造”政策工具的关键词时序分析,发现两者均呈现出同级间平行扩散和地方向中央由上至下的扩散方向。本研究揭示了中国农村人居环境政策扩散的复杂性和多层次性,有助于更好地理解政策传播的规律,为未来农村人居环境政策的制定和实施提供有益的启示。

基于异构图和关键词的抽取式文本摘要模型

抽取式文本摘要使用一定的策略从冗长的文本中选择一些句子组成摘要,其关键在于要尽可能多地利用文本的语义信息和结构信息。为了更好地挖掘这些信息,进而利用它们指导摘要的抽取,提出了一种基于异构图和关键词的抽取式文本摘要模型(HGKSum)。该模型首先将文本建模为由句子节点和词语节点构成的异构图,在异构图上使用图注意力网络学习节点的特征,之后将关键词抽取任务作为文本摘要任务的辅助任务,使用多任务学习的方式进行训练,得到候选摘要,最后对候选摘要进行精炼以降低冗余度,得到最终摘要。在基准数据集上的对比实验表明,该模型性能优于基准模型,此外,消融实验也证明了引入异构节点和关键词的必要性。

集合空间关键字内聚组查询方法

给定一个道路网络和社交网络,集合空间关键字查询的目的是找到一组兴趣点,该组兴趣点的文本信息包含所有查询关键字,与查询的位置较近且彼此之间的距离较小。内聚组查询的目的是找到在地理位置和社交关系上紧密联系的一组用户;而集合空间关键字内聚组查询的目的是找到满足查询要求的一对最佳匹配的兴趣点集合和用户集合。针对这一问题,提出一种新的集合空间关键字内聚组查询处理模式。首先通过快速贪心查询过程获得候选兴趣点集合,然后使用core-tree结构存储(k,c)-core核心分解的结果,从而提高内聚组查询效率,并且保证查询结果能够同时满足用户之间的社会关系约束和兴趣点之间的空间位置约束。通过在真实数据集上开展实验,结果表明提出的方法比枚举方法的查询效率快1~2个数量级,并且具有较高查询准确性。

基于时间的关键字路网路径规划

为了便于道路网距离的计算、对象文本信息和时间信息的组织和快速获取,改进G-Tree,在索引结构上增加时间戳和倒排序列相关信息,称包含时间戳和倒排序列相关信息的G-Tree为IGT-Tree.并基于构建的IGT-Tree设计了两种推荐算法:一种是基于时间的目标点查询算法,另一种是在目标点查询算法基础上的路径推荐算法.最后,在基于时间的关键字路网通过实验对比G-Tree的算法验证了所提算法的高效性.

基于SRAM缓存和存内计算的低功耗关键词唤醒系统

为了解决关键词唤醒算法部署在边缘计算硬件会带来较高功耗、给电池驱动的设备带来续航挑战的问题,提出了一种基于存内计算技术和软硬件协同优化的低功耗关键词唤醒系统。在算法层面,基于标准MFCC算法拓扑结构提出了一种三值量化MFCC-CNN联合算法,将MFCC中的全部通用矩阵乘映射到神经网络加速器当中。在电路层面,提出了一种基于SRAM的存内计算核心,用于解决传统冯·诺依曼架构加速器存在的功耗墙和存储墙问题。同时通过复用存内计算核心的SRAM存储功能提出了一种基于查找表实现的缓存电路,用于替代寄存器延迟链电路。SRAM存内计算核心和SRAM缓存电路均采用定制单元实现。在系统层面,基于以上2种定制电路设计了一种低功耗关键词唤醒系统。该系统采用ASIC与定制化电路设计流程设计,并使用28 nm CMOS工艺库对该设计进行了ASIC综合,在250 kHz下,关键词唤醒系统运行10分类任务的延迟是64 ms,整体功耗为645.28μW,其中MFCC流水线的动态功耗占总动态功耗的5.9%,总功耗仅占系统功耗的1.3%。

基于WPS及关键字分类的网络维护项目统计系统的实现

针对目前网络维护工作中网络维护项目统计效率低、易出错的问题,本文利用WPS开发了一款基于关键字分类的网络维护项目统计系统。该系统的分类规则可灵活地根据实际需求自定义,在本地实现数据分析统计,在云端实现数据按权限共享查询。通过实际应用证明,该系统在统计效率、准确率上都有显著提高。

支持关键词搜索的top-K条最优路线查询问题

支持关键词搜索的top-K条最优路线查询问题是针对给定的道路网络、兴趣点集合、起点和多个关键词的路线查询。查询旨在找到途经与查询关键词匹配的多个兴趣点的k条最优路线。然而,一些现有研究为降低算法的复杂度,将用户输入关键词的顺序作为到达兴趣点顺序,不适用于对兴趣点到达顺序没有要求的场景,降低了实用性;另一些研究为提高查询效率,设定距离阈值对不符合要求的兴趣点剪枝,然而这类算法无法保证被剪枝的兴趣点一定不能组成最优路线。针对上述问题,提出一种关键词感知的top-K最优路线搜索(KKRS)算法。首先,将整个道路网络划分为多个子网络。然后,采用启发式搜索策略从查询起点所在的子网络开始逐步扩展搜索范围,直至找到top-K条最优路线或遍历完整个道路网络。在扩展过程中,引入子图剪枝策略,用于剪去不包含top-K最优路线的子网络,缩小搜索范围。此外,为避免对每个可能构成最优路线的兴趣点集合依次计算,设计兴趣点序列的剪枝策略,以快速过滤不可能构成最优路线的兴趣点序列,降低计算代价。最后,在真实数据集和合成数据集上对提出的两种剪枝算法进行实验,实验结果表明这两种算法在所有数据集上的子图剪枝上都能达到70%以上的剪枝率,在兴趣点序列剪枝上则能保证60%以上的剪枝率。与目前已有的先进算法大规模路网图下关键词覆盖最优路径查询(KORL)、ROSE-GM(Recurrent Optimal Subroute Expansion Using Greedy Merge Strategy)、OSSCaling和StarKOSR(finding Top-K Optional Sequenced Routes with A*)相比,KKRS算法比对比算法中查询效率较高的StarKOSR算法提高了40%。

基于关键词加权的混合特征文本快速分类仿真

电子文本形式的网络信息不仅数量多,且混合特征具有较高相似性,很难达到特征的平均分布。特征项在类别间的不均性导致文本权重计算易出现偏差,影响类别特征词的提取,导致文本分类难度较大。为此,提出一种基于关键词加权的混合特征文本快速分类方法。采用词频逆文本频率指数信息检索方法对文本加权,计算不同权重下文本关键词在中心集合中出现的频率。根据频率阈值提取关键特征,确定文本集合中类中心点。计算与类中心相关性最高的文本数据,提取关联度特征。建立神经网络分类模型,预先设定一组包含详细特征的文本集,作为初始值输入到神经网络中,每个层次根据目标特征逐一比对实现有效分类。实验证明,所研究方法的查全率更高,文本混合特征提取的召回率高于40%,说明研究方法应用性能更优,对不同种类的文本集均能完成精准分类。

A Metric Approach to Hot Topics in Biomedicine via Keyword Co-occurrence

Purpose:To reveal the research hotpots and relationship among three research hot topics in b iomedicine,namely CRISPR,iPS(induced Pluripotent Stem)cell and Synthetic biology.Design/methodology/approach:We set up their keyword co-occurrence networks with using three indicators and information visualization for metric analysis.Findings:The results reveal the main research hotspots in the three topics are different,but the overlapping keywords in the three topics indicate that they are mutually integrated and interacted each other.Research limitations:All analyses use keywords,without any other forms.Practical implications:We try to find the information distribution and structure of these three hot topics for revealing their research status and interactions,and for promoting biomedical developments.Originality/value:We chose the core keywords in three research hot topics in biomedicine by using h-index.

一种基于图表示学习的潜在颠覆性技术识别方法

识别潜在颠覆性技术有助于国家和企业加强颠覆性技术供给,使其在国际科技竞争中赢得竞争优势或实现变轨超车。传统基于文献计量的颠覆性技术识别方法通常利用论文和专利数据先构建关键词网络或关键词集,然后人工构造高阶数据特征进行分析。这种人工构造高阶特征的方法容易使关键词网络等的结构信息表达不充分,导致识别的准确性降低。本文提出一种基于图表示学习的半监督潜在颠覆性技术识别方法。首先,基于科技文献数据库数据,利用关键词共现频率和期刊影响力构建技术关键词加权网络;然后,通过反向传播算法基于匿名游走序列学习获得关键词网络的向量表示;接着,通过比较待识别技术关键词网络的向量序列与公认颠覆性技术关键词网络的向量序列之间的相似程度,反映技术演化特征的相似性,从而识别出潜在的颠覆性技术;最后,从近年来国内外与颠覆性技术有关的战略规划、预测报告中选取10项技术作为实验对象,采集WoS(Web of Science)数据对本文提出的方法进行实验验证,发现在预给定5项颠覆性技术的条件下,本文方法能较好地将其中潜在的3项颠覆性技术识别出来,并能够将2项伪颠覆性技术判断为非颠覆性技术。

The Research on E-mail Users' Behavior of Participating in Subjects Based on Social Network Analysis

The e-mail network is a type of social network. This study analyzes user behavior in e-mail subject participation in organizations by using social network analysis. First, the Enron dataset and the position-related information of an employee are introduced, and methods for deletion of false data are presented. Next, the three-layer model(User, Subject, Keyword) is proposed for analysis of user behavior. Then, the proposed keyword selection algorithm based on a greedy approach, and the influence and propagation of an e-mail subject are defined. Finally, the e-mail user behavior is analyzed for the Enron organization. This study has considerable significance in subject recommendation and character recognition.

基于CiteSpace的《林业调查规划》期刊2018—2022年刊载文献的可视化研究

以中国知网(CNKI)收录的《林业调查规划》期刊2018—2022年刊发的1165篇文献为研究数据,运用CiteSpace 6.1.R6可视化分析软件对《林业调查规划》期刊近5年刊载文献的作者、发文机构、高频关键词、基金论文占比等进行分析研究。结果表明,《林业调查规划》期刊已形成了由郑进烜、郭晋平、华朝朗等一大批专家学者组成的核心作者群体,形成了由云南省林业调查规划院、西南大学、河南农业大学、山西农业大学、广东林业调查规划院等数十家林业科研院所、高等院校组成的高质量稿件来源基地。期刊发文关键词以植物配置、景观设计、生态旅游等出现的频率最高,在5年刊载的文献中有502篇文献得到各类基金项目的支持,基金论文比超过43%,且呈不断增长趋势。《林业调查规划》期刊已成为展示我国林业调查规划研究成果的重要平台,积极引导研究者加强交流合作,不断拓宽稿源,适时开展国际合作,将有助于期刊影响力的提升。

基于关键词结构的知识追踪模型

智能教辅系统的个性化及便捷性有助于充分发挥其教学作用,其中知识追踪(KT)则是一项重要但棘手的任务,它随着时间来追踪学习者不断变化的关键词掌握程度,并预测学生在下一次测试中的表现。很多研究者已经关注该领域并提出了一些策略,如贝叶斯知识追踪(BKT)及深度知识追踪(DKT)。关键词(又称概念)之间的传播影响已被教育理论证明是学习的关键因素之一,然而却未能得到充分探索。提出了一种新框架,称为基于关键词结构的知识追踪(Keywords Structure based Knowledge Tracing,KKT)模型,利用关键词结构中的多重关系来模拟关键词间的相互影响。KKT框架应用图神经网络(GNN)将关键词结构映射为图,同时考虑对练习序列的时间影响和对关键词间结构的空间影响。通过在开放数据集上实验,结果证明提出的KKT模型具有很好的预测性和可解释性。

我国家庭医生签约服务政策扩散分析

目的:分析我国家庭医生签约服务政策扩散规律和特征,为家庭医生签约服务政策制定及推广提供参考依据。方法:在中央及各省级政府、卫生健康委员会官网以及“北大法宝”数据库,检索2021年12月31日前颁布的中央及地方家庭医生签约服务相关政策。运用政策参照网络分析和政策关键词时序分析法,从政策扩散强度、广度、速度、方向四个方面分析我国家庭医生签约服务政策扩散特点。结果:本研究共纳入549项政策,包括中央政策38项,地方政策511项,政策数量在家庭医生签约政策服务全面实施阶段达到峰值。扩散强度和广度位列前10位的政策均为中央政策,以意见和通知类型政策为主。政策扩散速度整体上呈先增加后减缓趋势,政策扩散方向为自上而下扩散和平行扩散相结合方式。结论:我国家庭医生签约服务政策扩散呈阶段性变化,中央和地方颁布的政策扩散情况均存在差异,政策扩散受政策背景、内容和自身属性的共同影响。建议充分发挥中央政府引领作用,地方政府提高政策创新积极性,促进家庭医生签约服务政策扩散。

基于图神经网络的专利关键词提取算法研究

[目的/意义]专利关键词提取是专利挖掘任务中非常重要的前置子任务,基于图模型的关键词提取是目前最有效的算法。传统图模型只考虑了单词的局部上下文信息,为了捕获单词的全局信息,提出一种基于图神经网络的专利关键词提取算法,结合词向量与图模型实现专利关键词的提取。[方法/过程]首先,用专利数据集构建异构网络,以专利分类号为标签,训练图神经网络模型,使得同一主题下的单词具有相似的向量表示,获取包含主题信息的词向量;然后,根据专利摘要在滑动窗口内的单词共现关系和词向量相似度,构建融合了单词主题信息的文本图,利用词向量中的主题信息捕获单词的全局联系;最后,在文本图上使用PageRank算法,获取关键节点,构成专利的关键词。[结果/结论]与基线方法相比,该算法在提取专利关键词时,能够检测到新颖性与准确性更高的关键词。

异质网络中基于关键词属性的Truss社区搜索

社区搜索旨在信息网络中寻找与用户指定的查询节点高度相关的稠密连通子图,是社会网络分析的重要研究内容。现有的社区搜索方法大多是针对同质网络,但现实中的信息网络通常是包含多种节点类型和多种关系类型的属性异质网络。提出了异质网络中基于元路径P和元结构S的P-距离和S-距离及(k,d,P)-truss和(k,d,S)-truss社区模型以度量子图的结构内聚性,同时提出了关键词属性得分函数用于度量不同子图的关键词属性相关性,最后提出了搜索具有最高关键词属性得分的(k,d,P)-truss和(k,d,S)-truss的社区搜索算法。搜索算法能够找到同时具有结构内聚性和关键词属性相关性的个性化社区,并且支持限制查询节点与社区内任意节点的最大距离d来控制社区搜索的范围。在真实数据集上与相关的社区搜索算法进行了实验对比,结果证明了所提算法的有效性和可行性。

基于Citespace知识图谱的苏州湿地研究进展分析

为探讨苏州湿地生物多样性保护与湿地生态修复研究进展,检索了近20年来已发表的有关苏州市湿地的中英文文献资料。采用CiteSpace文献计量法,开展了年际发文量变化、作者、机构、关键词共现网络分析及关键词突现分析,揭示了近20年来苏州湿地生物多样性研究的热点领域和发展趋势。结果表明:1)苏州湿地相关的中文文献和英文文献发文量呈逐年递增趋势。其中,《湿地科学与管理》和《Science of the Total Environment》发表的苏州湿地相关文献数量较多,受到学术界的高度关注,在湿地研究领域具有较强的影响力。2)发文量最多的研究机构包括苏州科技大学、苏州大学、华东师范大学、苏州市湿地保护管理站、南京林业大学、南京大学和盐城师范学院等,但机构之间的合作仍需进一步加强。3)苏州湿地研究中湿地公园、人工湿地、规划设计、湿地保护、生态和废水等为热点研究内容。湿地保护、生态修复、生态文明建设、景观格局、水质净化和利用、遥感影像提取土地利用信息等领域为未来研究的重点方向。