情报科学

2019, v.37;No.336(08) 22-28

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

基于支持向量机和改进粒子群算法的科学前沿预测模型研究
Scientific Frontier Prediction Model Based on Support Vector Machine and Improved Particle Swarm Optimization

徐路路;王芳;

摘要(Abstract):

【目的/意义】识别科学研究前沿主题,预测未来发展趋势。【方法/过程】首先利用主题概率模型识别出论文、专利及基金项目多源数据中的科学前沿主题;考虑研究前沿主题演化的复杂性和非线性的特点,利用机器学习算法和支持向量机模型预测主题发展趋势,并采用改进后的粒子群算法对模型参数进行优化,以提高传统支持向量机模型在处理非线性、小样本等数据上的预测准确度。【结果/结论】实验对比发现,本方法对于研究前沿主题的预测准确度较高,准确识别出石墨烯领域未来发展趋势。

关键词(KeyWords): 多源数据融合;机器学习算法;支持向量机模型;科学前沿;趋势预测

Abstract:

Keywords:

基金项目(Foundation): 国家社会科学基金重大项目“我国网络社会治理研究”(14ZDA063);; 提升政府治理能力大数据应用技术国家工程实验室2017—2018年度开放基金重点支持项目“基于NLP和深度学习的大规模政府公文智能处理技术研究”

作者(Author): 徐路路;王芳;

Email:

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享