摘要：【目的】解决不同知识库中的实体对齐问题,探索如何有效地同时利用知识库结构信息和语义信息的实体对齐方法。【方法】利用TransE模型表示实体的结构信息,利用BERT模型表示实体的语义信息,并设计基于知识库实体的结构信息和语义信息的联合语义表示模型(BTJE),通过孪生网络实现实体对齐。【结果】本文方法在DBP-WD和DBP-YG数据集上最优MRR值分别达到0.521和0.413,Hits@1达到0.542和0.478,优于其他传统方法。【局限】实验数据集规模有限,在更大规模知识库上的通用性有待考证。【结论】探索了一种基于联合语义表示的不同知识库中的实体对齐方法,通过在模型中同时引入实体的结构信息和语义信息,有效提高了模型对实体的表示能力,从而在不同知识库中的实体对齐任务中有较好的性能。

摘要：【目的】基于机器学习构建颠覆性技术弱信号识别模型,发现早期的颠覆性技术并探究其对现有主流技术的未来颠覆潜力。【方法】通过归纳颠覆性技术弱信号的核心特征,设计基于专利引证类别的颠覆性指数DI-P,构建历史颠覆性技术语料,设计基于机器学习的颠覆性技术弱信号识别模型,选取逻辑回归、高斯朴素贝叶斯、随机梯度下降、梯度提升树和随机森林等多个机器学习模型综合预测,并通过链路预测探究颠覆性技术弱信号的未来颠覆路径。【结果】在储氢领域开展实证分析,构建基于引证类别的颠覆性指数DI-P获取历史颠覆性技术语料,其准确率与AUC值均优于RDI与DI。通过对比颠覆性技术弱信号与高价值专利,能够从成本、效率及安全性等角度发现其未来可能的颠覆路径。【局限】实证领域相对单一,数据源局限于专利数据与战略规划,预测模型准确率有限。【结论】通过结合机器学习模型与链路预测方法,能够精准、细粒度地识别颠覆性技术弱信号及其颠覆路径。

摘要：[目的/意义]以《科技信息检索与利用》课程为例,对课程思政融入方法开展教学实践和实证研究,以期为同类型信息素养教育课程提供参考借鉴。[方法/过程]结合该课程的专业性、实践性和通识性等教学特征,从教学目标、教学内容、教学方式和教学技术4个方面设计课程思政的融入路径,介绍将课程思政理念付诸教学实践、实现专业课程与思政教育有机结合的有效方法。[结果/结论]问卷调查显示,课程思政融入该课程取得一定教育实效,未来将持续探索优化。

摘要：[目的/意义]依据颠覆性技术发展早期特征建立弱信号识别指标体系,基于不同信号的特征差异和多源数据视角设计多信号过滤器,实现颠覆性技术早期识别。[方法/过程]构建颠覆性技术弱信号识别漏斗模型,选取新颖性、弱信号潜力性特征指标设计主流技术信号过滤器,选取持续性、高价值性特征指标设计噪声信号过滤器,选取突变性、前瞻性特征指标设计渐进性创新弱信号过滤器,分层过滤掉主流技术信号、噪声信号和渐进性创新弱信号,筛选出颠覆性技术弱信号。[结果/结论]选取储氢领域开展实证分析,通过对储氢领域颠覆性技术弱信号识别结果进行战略规划及权威报告验证,证明了方法的有效性。

摘要：【目的】实现各种情报分析工具和流程的有效整合。【应用背景】复杂、复合的情报分析工作往往需要利用分布、异构的多种分析工具和数据资源,需要建立可靠和灵活的机制实现这些工具的无缝集成。【方法】研究基于OSGi的情报分析服务整体架构,设计插件服务的模型与插件服务的配置方案,制定插件服务的集成机制。【结果】实现模块化、动态化管理多个情报工具的世界科技态势监测分析服务平台。【结论】基于OSGi的科技情报分析集成服务框架,可灵活支持科技情报分析服务需求,同时对第三方情报分析工具以及情报分析算法的封装与集成提供了技术支持。