对大数据环境下科技情报工作发展趋势的几点思考.pptVIP

在整个科研生涯过程中，每个科研人员的研究兴趣通常不是一成不变的。比如：著名的科学家牛顿在力学、光学和微积分等领域都有卓越的贡献，但他早期的研究兴趣多与经典力学有关，后期发表的作品集中微积分和光学领域。 上图是利用了1987-1999年NIPS（神经信息处理系统）国际会议数据得到的部分结果 每个领域深层主题的描述包括三部分：(a)与该领域深层主题最相关的前5个词，(b)经常撰写该主题的前5位科研人员，(c)该主题随时间的变化趋势。 * 假设论文和专利资源分别含有K1和K2个领域深层主题，共含有V个共同词项（分别用v1, v2, …, vV表示），图（a）和（b）给出了论文和专利资源主题关联强度的示意图，其中Si?j表示论文资源中领域深层主题与专利资源中领域深层主题的主题关联强度， Sj?i表示专利资源中领域深层主题与论文资源中领域深层主题的主题关联强度。从图中可以看出，主题关系分析不仅可以揭示单种资源的主题结构，而且可以捕捉异构资源间的相互影响和排斥关系，比如：专利/论文资源中特有的主题（排斥关系），和共有的主题以及共有主题间的关联强度（相互影响关系），这些关系将为透视科学和技术间的发展规律提供有力支撑。 * 参照美国市场研究公司Gartner的技术发展周期（Hype Cycle），将技术生命周期划分为五个阶段：技术萌芽期、技术膨胀期、技术转折期、技术稳步上升期和技术成熟