基于标准时序生成的科研热点预测及加速方法

• 作者: 刘科 韩英昆 马艳 齐达立
• 来源期刊: 山东电力技术
• 学科: 工学
• 关键词: 科技情报 人工智能 时序数据 预测 聚类 神经网络
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 电网技术
• 页码范围: 5-9
• 页数: 5页
• 分类号: TM7
• 语种: 中文

摘要

目前科研热点预测严重依赖于本领域高级专业人员通过大量文献查阅与市场调研的方法确定.随着科技文章及文献数量的迅速增长,单纯人工跟踪和分析科研热点变得困难.简单的统计方式如关键词和文本中词频较高的词来表示热点话题,耗时且准确性欠佳.基于机器学习算法且考虑数据时序变化的关系,提出一种科研热点预测算法.同时,为了缩短算法运行时间、提高执行效率,一种基于阈值的预测加速方法被加入预测框架.实验表明,提出的科研热点预测算法较基准算法查全率平均提高25.75％,查准率平均提高28.25％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘科		14	42	2.0	6.0
2	韩英昆		4	4	1.0	1.0
3	齐达立		5	2	1.0	1.0
4	马艳		6	4	2.0	2.0