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).
- لینک دانلود فایل بلافاصله بعد از پرداخت وجه به نمایش در خواهد آمد.
- همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
- ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
- در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.