基于SPO语义网络的核心主题识别与演化趋势分析方法

目的：应用自然语言处理技术和深层语义信息进行核心主题识别及演化趋势分析，帮助科研人员了解领域研究现状、跟踪领域研究热点、把握领域发展规律，进而推动学科领域的发展。方法：提出基于SPO语义网络的核心主题识别及演化趋势分析方法，首先抽取科技论文数据中的SPO结构，然后分阶段构建SPO语义网络，最后利用节点度和边权重等社会网络分析指标对领域核心主题及其演化趋势进行研究和探索。结果：选择基因编辑领域进行实证分析，识别出该领域的7个核心研究主题，并探究各主题内容及受关注程度的发展变化情况。结论：基于SPO语义网络的核心主题识别及演化趋势分析方法具有可行性和可靠性，可以为学科领域科研活动的展开提供重要决策支持。     

基于异构网络的相关数据挖掘任务研究综述

详细阐述异构网络相关数据挖掘任务研究领域的基本问题、研究进展以及其在现实世界应用情况,对该领域未来研究热点提出展望,指出异构网络是情报学领域处理复杂大数据的一种有效工具。     

摘要语言视角下医学突破性论文识别研究

遴选具有代表性的突破性论文集,分析论文摘要语言学特征,提取特征句式并划分摘要语步,利用深度学习算法构建医学突破性论文摘要识别模型。实证结果表明模型在具体医学领域中适用,为突破性论文早期发现提供参考。     

基于知识图谱的精神分裂症药物知识发现

采用路径发现、链路预测等方式从知识图谱中获取知识内在关联,挖掘知识间的隐含信息,为研究提供新方向。在利用多源数据库对获取的精神分裂症文献进行实体识别、关系抽取、属性补充的基础上,用Neo4j图数据库构建精神分裂症知识图谱,用Neo4j图数据库中的Cypher查询语句进行节点中心性挖掘和元路径查询,共发现67种药物,其中包含29种治疗精神分裂症药物和38种尚未用于治疗该疾病的药物。对未用于治疗精神分裂症的38种药物进行分析,发现这38种药物与精神分裂症存在隐含联系,可以从中挖掘治疗其的潜在药物。