基于潜在高被引论文的研究前沿识别

目的/意义 构建潜在高被引论文的识别模型,挖掘研究前沿,为前沿识别研究提供新思路。方法/过程 从3个维度确定特征体系,基于6种机器学习算法构建潜在高被引论文识别模型,选择最优模型识别潜在高被引论文,使用聚类等方法对筛选出的文献数据集进行研究前沿挖掘。结果/结论 以阿尔茨海默病人工智能医学领域为例进行实证研究,XGBoost模型性能评估结果最优,有效识别出4类研究前沿主题:智能辅助工具、病症早期预测和分类、生物标志物、病症风险评估和照护。

基于潜在高被引论文与高价值专利的创新前沿识别研究

[目的/意义]精准识别创新前沿有利于国家、政府、企业对创新战略进行前瞻性部署,对于抢占技术先机、赢取竞争优势具有积极意义。[方法/过程]首先构建机器学习模型,通过预测近期发表的论文被高度引用的概率识别潜在高被引论文,同时基于技术新颖性、技术独特性、技术重要性3个维度,构建一套评价技术创新水平高低的指标体系来筛选高价值专利;然后采用LDA主题模型分别对潜在高被引论文和高价值专利进行聚类分析,识别科学创新前沿、技术创新前沿、科技创新前沿;最后根据创建的科学价值、技术价值指标,结合主题强度构建创新前沿地图,量化解读创新前沿之间的发展水平及价值差异。[结果/结论]以智能驾驶汽车领域进行实证研究表明,该方法可以有效识别创新前沿,并能够展现创新前沿之间的科学价值、技术价值、主题强度差异,能够为国家、企业的技术布局、策略制定提供参考。