基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
引言 随着高通量生物技术的发展,生物学的实验手段和研究方法均发生了巨大的变革,由此带来了生物学领域内实验数据的"指数性"增长以及数据的存储与传输,数据的处理、理解与应用等一系列问题,也得到了来自数学、化学、药学、统计学和计算机科学等领域专家的广泛关注,取得大量的成果.
推荐文章
面向生物学文献的自动分类的研究
自动分词
自动分类
生物学
文本挖掘技术在生物医学文献管理中的应用
文本挖掘
生物医学文献
文本分类
关系抽取
生物医学文本挖掘研究热点分析
文本挖掘
生物医学研究
研究热点
基于生物医学文献的知识发现研究
生物信息学
基于文献的知识发现
文本挖掘
知识发现
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 生物学文献挖掘
来源期刊 中国计算机学会通讯 学科
关键词
年,卷(期) 2006,(3) 所属期刊栏目 封面报道
研究方向 页码范围 44-56
页数 13页 分类号
字数 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 朱小燕 3 60 2.0 3.0
2 李姣 清华大学计算机系 4 7 1.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (39)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1986(1)
  • 参考文献(1)
  • 二级参考文献(0)
1987(1)
  • 参考文献(1)
  • 二级参考文献(0)
1988(1)
  • 参考文献(1)
  • 二级参考文献(0)
1993(1)
  • 参考文献(1)
  • 二级参考文献(0)
1994(1)
  • 参考文献(1)
  • 二级参考文献(0)
1996(1)
  • 参考文献(1)
  • 二级参考文献(0)
1997(1)
  • 参考文献(1)
  • 二级参考文献(0)
1998(3)
  • 参考文献(3)
  • 二级参考文献(0)
1999(1)
  • 参考文献(1)
  • 二级参考文献(0)
2000(3)
  • 参考文献(3)
  • 二级参考文献(0)
2001(3)
  • 参考文献(3)
  • 二级参考文献(0)
2002(3)
  • 参考文献(3)
  • 二级参考文献(0)
2003(2)
  • 参考文献(2)
  • 二级参考文献(0)
2004(8)
  • 参考文献(8)
  • 二级参考文献(0)
2005(7)
  • 参考文献(7)
  • 二级参考文献(0)
2006(2)
  • 参考文献(2)
  • 二级参考文献(0)
2006(2)
  • 参考文献(2)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
引文网络交叉学科
相关学者/机构
期刊影响力
中国计算机学会通讯
月刊
N
北京2704信箱
chi
出版文献量(篇)
1118
总下载数(次)
6
总被引数(次)
941
论文1v1指导