摘要：传统的技术趋势分析工作需要由经验丰富的从业者完成,涉及到大量的文献调研和分析,工作耗时耗力。针对上述问题,提出一种基于深度学习与文本计量的技术趋势分析模型,设计基于BERT_BiLSTM_CRF模型的领域文献命名实体识别算法,优化BERT的掩码机制。以集成电路领域的新闻和论文为数据集,开展BiLSTM_CRF、BERT_BiGRU_CRF等模型以及文中所提BERT_BiLSTM_CRF*模型的对比研究,研究命名实体识别技术在集成电路等领域的数据识别效果。相比于其他算法,文章所提的领域文献命名实体识别算法在F1值上达到了88.6%,奠定了技术趋势分析的基础。基于知识图谱易表达关联关系的特点,创新性提出知识图谱与文本计量技术结合的方法,并从不同角度以可视化的形式展示技术趋势分析效果,最终辅助从业者开展技术趋势智能分析工作。

摘要：[目的/意义]梳理当前情报学中涉及时间序列分析的研究,并总结常见问题,为情报学研究的模型化、预测化发展提供借鉴。[研究设计/方法]从任务、过程与问题视角,对情报学研究中时间序列分析的应用任务场景、研究过程以及存在的问题进行归纳分析。[结论/发现]从任务视角来看,已有研究已经在包括学科主题演化、学术影响力评价、网络舆情分析、技术趋势分析任务场景得到了很好的应用,应用内容主要包括历史演化与未来预测两方面;从过程视角来看,已有研究主要按照时间序列的观测数据选取、时间切片方式、形态规律挖掘、预测与评价的顺序展开;从问题视角来看,未来的研究应多关注时间序列模型在短序列数据方面的应用,加强对时间序列分析结果的评估。[创新/价值]通过综合性的梳理,系统地总结了当前情报学中关于时间序列分析的研究,为该领域的研究者提供了一个全面的概述和参考。