light box
امتیاز 2.58 کاوش تکامل زمانی استخراج گرافهای دانش و ویژگی‌های تبارشناسی">

نوع فایل : word
تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش : 45
تعداد کلمات : 16000
مجله : Journal of Informetrics
انتشار : 2020
ترجمه متون داخل جداول : ترجمه شده است
درج جداول در فایل ترجمه : درج شده است
منابع داخل متن : به صورت فارسی درج شده است
کیفیت ترجمه : طلایی
دسته بندی :
برچسب ها : ، ، ، ، ، ، ، ، ، ، ، ، ، ، ، ، ، ، ، ، ، ، ، ، ،

عنوان فارسی مقاله:کاوش تکامل زمانی استخراج گرافهای دانش و ویژگی‌های تبارشناسی برای پیش‌بینی اکتشاف مبتنی بر منابع

 چکیده

فرآیند کشف مبتنی بر منابع، روابط مهم اما ضمنی بین اطلاعات جاسازی(تعبیه) شده در منابع منتشر شده را شناسایی می کند. تکنیک‌های موجود از بازیابی اطلاعات (IR) و پردازش زبان طبیعی (NLP) تلاش می‌کنند تا ارتباطات پنهان یا منتشر نشده بین مفاهیم اطلاعاتی در منابع منتشر شده را شناسایی کنند، با این حال، این تکنیک‌ها مفهوم پیش‌بینی آینده و روابط نوظهور میان مؤلفه‌های دانش علمی را نادیده گرفتند  مانند نویسنده که کلمات کلیدی را انتخاب می کند که در منابع محصور شده اند. شبکه همرخدادی کلمه کلیدی (KCN)، که بر اساس کلمات کلیدی منتخب محقق ساخته شده است، به عنوان یک گراف دانش در نظر گرفته می‌شود که با بررسی روابط بین موجودیت‌های دانش، هم بر این مؤلفه‌های دانش و هم بر ساختار دانش یک حوزه علمی تمرکز می‌کند. این مطالعه با استفاده از داده‌های دو حوزه تحقیقاتی چند رشته‌ای به غیر از حوزه زیست‌پزشکی، و سرمایه‌گذاری بر کتاب‌سنجی، پویایی KCN‌های زمانی و یک شبکه عصبی مکرر، برخی از ویژگی‌های جدید را توسعه می‌دهد که برای پیش‌بینی منابع مبتنی بر منابع آینده اکتشافات – ارتباطات در حال ظهور (ظهور مشترک در یک مقاله) بین کلمات کلیدی پشتیبانی می‌کنند.. اهمیت زمانی استخراج‌شده از شبکه‌های دوبخشی و تک‌بخشی، جوامع تعریف‌شده توسط روابط تبارشناسی، و اهمیت نسبی تعداد استنادهای زمانی در فرآیند ساخت ویژگی استفاده شد. هر دو ویژگی سطح گره و لبه برای پیش‌بینی مقادیر ویژگی و پیش‌بینی روابط آینده بین مفاهیم/موضوعات علمی مختلف که توسط کلمات کلیدی انتخاب‌شده نویسنده ارائه شده‌اند، وارد یک شبکه عصبی بازگشتی شدند. نرخ عملکرد بالا، در مقایسه با روش مبتنی بر شبکه ناهمگن معاصر و فرآیند پیوست ترجیحی، نشان می‌دهد که این ویژگی‌ها هم مکمل پیش‌بینی اکتشافات آینده مبتنی بر منابع و هم تحلیل روند نوظهور هستند(تکامل زمانی استخراج گرافهای دانش).

Title: Mining Temporal Evolution of Knowledge Graphs and Genealogical Features for Literature-based Discovery Prediction

Abstract

 Literature-based discovery process identifies the important but implicit relations among information embedded in published literature. Existing techniques from Information Retrieval (IR) and Natural Language Processing (NLP) attempt to identify the hidden or unpublished connections between information concepts within published literature, however, these techniques overlooked the concept of predicting the future and emerging relations among scientific knowledge components such as author selected keywords encapsulated within the literature. Keyword Co-occurrence Network (KCN), built upon author selected keywords, is considered as a knowledge graph that focuses both on these knowledge components and knowledge structure of a scientific domain by examining the relationships between knowledge entities. Using data from two multidisciplinary research domains other than the bio-medical domain, and capitalizing on bibliometrics, the dynamicity of temporal KCNs, and a recurrent neural network, this study develops some novel features supportive for the prediction of the future literature-based discoveries - the emerging connections (co-appearances in the same article) among keywords. Temporal importance extracted from both bipartite and unipartite networks, communities defined by genealogical relations, and the relative importance of temporal citation counts were used in the feature construction process. Both node and edge-level features were input into a recurrent neural network to forecast the feature values and predict the future relations between different scientific concepts/topics represented by the author selected keywords. High performance rates, compared both against contemporary heterogeneous networkbasedmethodandpreferentialattachmentprocess,suggestthatthesefeaturescomplement both the prediction of future literature-based discoveries and emerging trend analysis.

    دیدگاهها بسته است.

    محصولات مشابه
    طبقه بندی جنسیتی با استفاده از مدل پیشنهادی مبتنی بر CNN و بهینه سازی کلونی مورچه ها
    خـریـد محـصـول
    شیوه های حسابرسی داخلی و عملکرد مالی تعاونی های پس انداز و اعتبار
    خـریـد محـصـول
    پیش‌بینی جریان نقدی و تأثیر آن بر پایداری مالی سازمان‌های مبتنی بر جامعه
    خـریـد محـصـول
    عوامل تعیین کننده تامین مالی ازمحل استقراض: استارت آپ های فین تک
    خـریـد محـصـول
    استفاده از کلاه ایمنی در ورزشکاران سوارکار: فرصت هایی برای مداخله
    خـریـد محـصـول
    تاب آوری، بهزیستی، علائم افسردگی و سطوح ضربه مغزی در ورزشکاران سوارکاری
    خـریـد محـصـول
    صدمات سوارکاری: بررسی پنج ساله پذیرش بیماران در بیمارستان در بریتیش کلمبیا، کانادا
    خـریـد محـصـول
    تاریخچه ضربه مغزی و پایگاه دانش در ورزشکاران رقابتی سوارکاری
    خـریـد محـصـول
    تجزیه و تحلیل آسیب ها در مسابقات سوارکاری رقابتی
    خـریـد محـصـول
    کنترل مقیاس های زمانی برای انتقال الکترون از طریق پروتئین ها
    خـریـد محـصـول
    ثبت اختراع یا انتشار مقاله

    در اولین مرحله از شروع یک تحقیق جدید نیاز است منابع مختلفی جستجو شود تا جدید بودن ایده مورد بررسی قرار گیرد. یکی از بهترین منابع جهت جستجو، لیست اختراع های ثبت شده است. پایگاه های جستجوی پتنت به محقق کمک میکند پیشینه تحقیق خود را مورد بررسی قرار دهد تا مطمئن شود کار تکراری انجام نمیدهد. لیست اختراعات ثبت شده در اداره ثبت اختراعات ایران دارای طبقه بندی های متفاوتی است. در طبقه بندی بین المللی B که شامل اختراعات حوزه نیاز ها بشری شامل عملیات اجرایی، حمل و نقل شامل: کشتیرانی، ترابری و دیگر موارد را میتوانید در پایگاه جستجوی دارایی های فکری دارکوب مشاهده کنید.

    ثبت اختراع یا انتشار مقاله کدام اول باید انجام شود؟ پژوهشگران منابع مالی و غیر مالی بسیاری را صرف انجام تحقیقات و پژوهش ها میکنند و امکان دارد تعدادی از آنها تبدیل به دستاوردها و فناوری های نو گردد. محققان این نتایج را به سرعت در مقالات علمی ملی و بین المللی منتشر و به آن افتخار میکنند. اما باید مد نظر داشت، چنانچه دستاورد پژوهشی امکان تبدیل شدن به یک محصول یا فرآیند قابل استفاده و تولید در صنعت را داشته باشد، هر گونه انتشار عمومی از جمله مقاله باعث از دست رفتن شرط جدید بودن و در نتیجه عدم امکان ثبت فناوری به عنوان اختراع خواهد شد.

    در نتیجه محققان و پژوهشگران باید پیش از هرگونه افشاء عمومی آن دسته از نتایج تحقیقاتی که شرایط ثبت اختراع را دارا می باشد به صورت اظهارنامه اختراع در اداره مربوطه ثبت و سپس نسبت به انتشار آنها اقدام کنند. امکان دارد مراحل ثبت اختراع چندین ماه به طول بیانجامد که انتشار مقاله (و مانند آن) پس از تاریخ ثبت اظهارنامه اختراع مشکلی را در فرآیند ثبت اختراع بوجود نمی آورد.

    از آنجا که برخی دستاورد ها مانند روشهای تشخیص بیماری و نوآوری های مدیریتی قابلیت ثبت اختراع بین المللی و ملی را ندارند، محققان بدون نگرانی میتوانند انتشار در مقالات داخلی و خارجی را به عنوان اولین گزینه جهت کسب افتخار دست یابی به این قبیل پژوهشها انتخاب کنند.

     
    برو بالا