位置:立项数据库 > 立项详情页
基于超网络模型的科学知识图谱分析研究
  • 项目名称:基于超网络模型的科学知识图谱分析研究
  • 项目类别:青年科学基金项目
  • 批准号:70901010
  • 申请代码:G0116
  • 项目来源:国家自然科学基金
  • 研究期限:2010-01-01-2012-12-31
  • 项目负责人:郭强
  • 负责人职称:副教授
  • 依托单位:上海理工大学
  • 批准年度:2009
中文摘要:

本项目利用系统集成思想,建立科研论文蕴含的知识的超网络模型,对科学计量学中的科学知识图谱分析开展研究。首先,将科研论文中的作者、关键词等知识集成,构建"论文-科学家-知识点"三维超网络模型,提出具有普适性的超网络模型表示和同属性节点的"相对"相似性度量方法。其次,利用基于概率的浅层语义分析和浅层狄利克莱分配等方法分析科研论文关键词的语义内涵,基于此计算科研论文间的语义相似性,识别引文网络中没有语义关联的引用关系,并优化网络结构。利用优化后的引文网络分析学科整体发展演化趋势,识别当前的研究热点及其对应的基础知识。第三,构建科学家和知识点追踪(follow)关系网络,利用科学知识图谱分析方法,分析科学家追踪网络的集团结构和领导力(leadership)演化趋势,描绘知识点网络的发展演化历程,识别当前和潜在的学术权威及研究热点。

结论摘要:

本项目的主要成果有: 第一,科学研究。提出了组织知识的超网络模型表示方法,将某科研组织已经发表的科研论文中的作者、关键词等知识进行集成,构建了“论文-科学家-知识点”三维超网络模型,提出了三维网络存储、表达模型,以及同属性网络的映射表示方法。并且对该组织内部的科学家合作和知识点演化特性进行图谱分析。其次,利用作者-知识点-科研论文超网络的结构特性,提出了基于二部分网络统计特性的同属性节点相似性度量方法,具体包括用户兴趣点度量,兴趣点协同演化,考虑二部分网络边权、随机游走的同属性节点相似性度量方法。与此同时,自主研发了知识图谱可视化软件,对科学家合作演化,知识点的关系演化等特性,对当前和潜在的学术权威进行了识别。第二,人才培养。总共培养青年教师7名,博士研究生2名,硕士研究生11名和8名本科生。第三,成果体现。总共发表论文19篇,其中SCI收录12篇,EI收录5篇。SCI总引用次数超过44次。撰写专著一本,22.5万字,撰写“十二五”规划重点教材一本,40万字。申请软件著作权1 项。第四,学术活动。组织第四届中欧复杂性科学暑期班,邀请到了欧洲复杂系统学会主席Paul Ormerod教授等在内的20多名欧洲复杂性领域的科学家。赴会人数超过150人。组织上海复杂系统科学研究论坛,邀请到国际著名金融学家Stanley,Sornette等科学家参加。邀请国内多名专家组织学术报告多次。


成果综合统计
成果类型
数量
  • 期刊论文
  • 会议论文
  • 专利
  • 获奖
  • 著作
  • 26
  • 0
  • 0
  • 0
  • 2
相关项目
期刊论文 4 会议论文 6
郭强的项目