CN109344261B - 一种基于共词和共引分析的中小学教育知识图谱分析系统 - Google Patents
一种基于共词和共引分析的中小学教育知识图谱分析系统 Download PDFInfo
- Publication number
- CN109344261B CN109344261B CN201811274397.8A CN201811274397A CN109344261B CN 109344261 B CN109344261 B CN 109344261B CN 201811274397 A CN201811274397 A CN 201811274397A CN 109344261 B CN109344261 B CN 109344261B
- Authority
- CN
- China
- Prior art keywords
- analysis
- primary
- publication
- authors
- knowledge
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 102
- 239000011159 matrix material Substances 0.000 claims abstract description 67
- 238000007621 cluster analysis Methods 0.000 claims abstract description 25
- 238000000556 factor analysis Methods 0.000 claims abstract description 23
- 238000011160 research Methods 0.000 claims abstract description 21
- 238000004220 aggregation Methods 0.000 claims description 21
- 230000002776 aggregation Effects 0.000 claims description 21
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 230000001186 cumulative effect Effects 0.000 claims description 5
- 230000004931 aggregating effect Effects 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 4
- 238000012847 principal component analysis method Methods 0.000 claims description 4
- 238000011161 development Methods 0.000 abstract description 4
- 230000000694 effects Effects 0.000 abstract description 4
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 238000000034 method Methods 0.000 description 8
- 238000010225 co-occurrence analysis Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000004141 dimensional analysis Methods 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于中小学教育知识图谱分析技术领域，尤其涉及一种基于共词和共引分析的中小学教育知识图谱分析系统，确定知识图谱相关的典型中小学教育知识刊物，将下载的典型中小学教育知识刊物的作者进行共引分析并生成刊物共引矩阵，将刊物共引矩阵进行多维尺度分析、聚类分析以及因子分析后绘制出中小学教育领域存在的主要学术知识以及关注热点的知识图谱，本发明解决了现有技术存在为了更好的了解当前国内外学术界关于中小学教育领域研究的热点情况，以期能够为我国中小学教师教育发展提供参考的问题，具有形象揭示出该领域存在的三大主要学术群体及其关注热点，教育学术热点及其研究群体就非常容易判断的有益技术效果。
Description
技术领域
本发明属于中小学教育知识图谱分析技术领域，尤其涉及一种基于共词和共引分析的中小学教育知识图谱分析系统。
背景技术
“知识图谱”是基于CNKI中国期刊全文数据库，采用“主题”检索方式，选取关键词为“中小学教师教育”，时间节点设定为过去某一节点至今，来源类别选取为“核心期刊”与“CSSCI”，经过合理筛选共得到有效文献233篇，以此为样本对象。基于检索到的有效数据，采用聚类分析工具CitespaceⅤ，定性与定量相结合，从多维度对样本进行统计分析、可视化处理，图谱中节点环的大小表示频次，外部带有小圈的节点环表示具有高中介中心度的关键节点。中介中心度高的节点对其它节点具有控制作用，可以体现出该节点在整个网络中的重要地位。对关键词的前五十位进行提取，将中文意义相同的关键词进行合并，统一表示，最终得到关键词共现频次和中心度统计表，现有技术存在为了更好的了解当前国内外学术界关于中小学教育领域研究的热点情况，以期能够为我国中小学教师教育发展提供参考的问题。
发明内容
本发明提供一种基于共词和共引分析的中小学教育知识图谱分析系统，以解决上述背景技术中提出了现有技术存在为了更好的了解当前国内外学术界关于中小学教育领域研究的热点情况，以期能够为我国中小学教师教育发展提供参考的问题。
本发明所解决的技术问题采用以下技术方案来实现：一种基于共词和共引分析的中小学教育知识图谱分析系统，包括：
确定知识图谱相关的典型中小学教育知识刊物；
将下载的典型中小学教育知识刊物的作者进行共引分析并生成刊物共引矩阵；
将刊物共引矩阵进行多维尺度分析、聚类分析以及因子分析后绘制出中小学教育领域存在的主要学术知识以及关注热点的知识图谱。
进一步，所述共引分析包括共词分析与共引分析。
进一步，所述共引分析包括：
根据典型中小学教育知识刊物的作者的被引频次，选择被引频次居于前100位的作者进行具有索引的共引分析并形成刊物共引矩阵。
进一步，所述共引分析的索引包括：
若刊物共引矩阵中N位作者同时被引用时，则确定所述N位作者与引用作者都是该专题研究的同业人员；
若所述同业人员被引用频率越高，则确定所述同业人员之间的学科专业关系密切度高。
进一步，所述刊物共引矩阵的映射表包括：
| 序号 | 作者在共引矩阵出现的频次 | 刊物作者 |
| 1 | 90 | Name(1) |
| 2 | 85 | Name(2) |
| 3 | 70 | Name(3) |
| 4 | 65 | Name(4) |
| 5 | 50 | Name(5) |
| … | … | … |
| N | 10 | Name(N) |
进一步，所述多维尺度分析包括：
将刊物共引矩阵中高度相似性的刊物作者聚集在一起，形成学科研究的学术群体，并且在刊物共引矩阵中与其联系频次多的刊物作者确定为中小学教育领域内的核心作者。
进一步，所述聚类分析包括：
将每一个刊物作者看成一个独立类，将最近的两个独立类合并为一个聚合类，重新计算聚合类之间的距离，将距离最近的聚合类合并为一个扩充后的聚合类，将扩充后的聚合类反复聚合后形成最终的聚合类。
进一步，将多维尺度分析分析后的刊物共引矩阵和聚类分析后的刊物共引矩阵结合为中小学教育领域存在的主要学术知识的知识图谱。
进一步，所述因子分析包括：
通过主成分分析法对刊物共引矩阵中的刊物作者进行分析，通过斜交转换来简化因子结构，根据刊物作者共引因子分析的结果，得到累计方差贡献率的主成分。
进一步，将因子分析后的刊物共引矩阵结合为中小学教育领域存在的关注热点的知识图谱。
有益技术效果：
本专利采用确定知识图谱相关的典型中小学教育知识刊物；将下载的典型中小学教育知识刊物的作者进行共引分析并生成刊物共引矩阵；将刊物共引矩阵进行多维尺度分析、聚类分析以及因子分析后绘制出中小学教育领域存在的主要学术知识以及关注热点的知识图谱，由于知识图谱分析方法的基本思路是首先通过软件对所下载的文章作者进行共引分析，生成共引矩阵，在此基础上，利用软件进行多维尺度分析、聚类分析、因子分析，进而绘制出中小学教师教育的只是图谱，通过采用科学计量方法，通过对下载的文章的作者进行共引分析，生成共引矩阵，在此基础上，利用多维尺度分析、聚类分析、因子分析，绘制出我国中小学教师教育现状的知识图谱，从而形象揭示出该领域存在的三大主要学术群体及其关注热点。
附图说明
图1是本发明一种基于共词和共引分析的中小学教育知识图谱分析系统总流程图；
图2是本发明一种基于共词和共引分析的中小学教育知识图谱分析系统的共词和共引分析流程图；
图3是本发明一种基于共词和共引分析的中小学教育知识图谱分析系统的多维尺度分析、聚类分析以及因子分析流程图。
具体实施方式
以下结合附图对本发明做进一步描述：
图中：
S101-确定知识图谱相关的典型中小学教育知识刊物；
S102-将下载的典型中小学教育知识刊物的作者进行共引分析并生成刊物共引矩阵；
S103-将刊物共引矩阵进行多维尺度分析、聚类分析以及因子分析后绘制出中小学教育领域存在的主要学术知识以及关注热点的知识图谱；
S201-根据典型中小学教育知识刊物的作者的被引频次；
S202-选择被引频次居于前100位的作者进行具有索引的共引分析并形成刊物共引矩阵；
S203-若刊物共引矩阵中N位作者同时被引用时，则确定所述N位作者与引用作者都是该专题研究的同业人员；
S204-若所述同业人员被引用频率越高，则确定所述同业人员之间的学科专业关系密切度高；
S301-将刊物共引矩阵中高度相似性的刊物作者聚集在一起，形成学科研究的学术群体，并且在刊物共引矩阵中与其联系频次多的刊物作者确定为中小学教育领域内的核心作者；
S302-将每一个刊物作者看成一个独立类，将最近的两个独立类合并为一个聚合类，重新计算聚合类之间的距离，将距离最近的聚合类合并为一个扩充后的聚合类，将扩充后的聚合类反复聚合后形成最终的聚合类；
S303-将多维尺度分析分析后的刊物共引矩阵和聚类分析后的刊物共引矩阵结合为中小学教育领域存在的主要学术知识的知识图谱；
S304-通过主成分分析法对刊物共引矩阵中的刊物作者进行分析，通过斜交转换来简化因子结构，根据刊物作者共引因子分析的结果，得到累计方差贡献率的主成分；
S305-将因子分析后的刊物共引矩阵结合为中小学教育领域存在的关注热点的知识图谱；
实施例：
本实施例：如图1所示，一种基于共词和共引分析的中小学教育知识图谱分析系统，包括：
确定知识图谱相关的典型中小学教育知识刊物S101；
将下载的典型中小学教育知识刊物的作者进行共引分析并生成刊物共引矩阵S102；
将刊物共引矩阵进行多维尺度分析、聚类分析以及因子分析后绘制出中小学教育领域存在的主要学术知识以及关注热点的知识图谱S103。
由于采用确定知识图谱相关的典型中小学教育知识刊物；将下载的典型中小学教育知识刊物的作者进行共引分析并生成刊物共引矩阵；将刊物共引矩阵进行多维尺度分析、聚类分析以及因子分析后绘制出中小学教育领域存在的主要学术知识以及关注热点的知识图谱，由于知识图谱分析方法的基本思路是首先通过软件对所下载的文章作者进行共引分析，生成共引矩阵，在此基础上，利用软件进行多维尺度分析、聚类分析、因子分析，进而绘制出中小学教师教育的只是图谱，通过采用科学计量方法，通过对下载的文章的作者进行共引分析，生成共引矩阵，在此基础上，利用多维尺度分析、聚类分析、因子分析，绘制出我国中小学教师教育现状的知识图谱，从而形象揭示出该领域存在的三大主要学术群体及其关注热点。
如图2所示，所述共引分析包括共词分析与共引分析。
所述共引分析包括：
根据典型中小学教育知识刊物的作者的被引频次S201，选择被引频次居于前100位的作者进行具有索引的共引分析并形成刊物共引矩阵S202。
由于采用所述共引分析包括共词分析与共引分析，所述共引分析包括：根据典型中小学教育知识刊物的作者的被引频次，选择被引频次居于前100位的作者进行具有索引的共引分析并形成刊物共引矩阵，由于利用相关软件进行共引分析，其中包括共词分析和共引分析，对作者的共现分析也称为作者共引分析，它是绘制只是图谱最基本的方法之一，根据作者被引频次居前100位的作者进行共引分析并生成共引矩阵，然后经分析软件得到相关系数矩阵。
所述共引分析的索引包括：
若刊物共引矩阵中N位作者同时被引用时，则确定所述N位作者与引用作者都是该专题研究的同业人员S203；
若所述同业人员被引用频率越高，则确定所述同业人员之间的学科专业关系密切度高S204。
由于采用所述共引分析的索引包括：若刊物共引矩阵中N位作者同时被引用时，则确定所述N位作者与引用作者都是该专题研究的同业人员；若所述同业人员被引用频率越高，则确定所述同业人员之间的学科专业关系密切度高，当N位作者被某一文献的作者同时引用时，则可认为这N为作者与引用作者都是该专题研究的同行，且被共引频率最高，说明他们之间的学科专业关系较为密切，在知识图谱中的位置也越接近，因此得到刊物共引矩阵的映射表。
所述刊物共引矩阵的映射表包括：
| 序号 | 作者在共引矩阵出现的频次 | 刊物作者 |
| 1 | 90 | Name(1) |
| 2 | 85 | Name(2) |
| 3 | 70 | Name(3) |
| 4 | 65 | Name(4) |
| 5 | 50 | Name(5) |
| … | … | … |
| N | 10 | Name(N) |
如图3所示，所述多维尺度分析包括：
将刊物共引矩阵中高度相似性的刊物作者聚集在一起，形成学科研究的学术群体，并且在刊物共引矩阵中与其联系频次多的刊物作者确定为中小学教育领域内的核心作者S301。
由于采用所述多维尺度分析包括：将刊物共引矩阵中高度相似性的刊物作者聚集在一起，形成学科研究的学术群体，并且在刊物共引矩阵中与其联系频次多的刊物作者确定为中小学教育领域内的核心作者，由于通过多维尺度分析，多维尺度分析是通过低维空间，通常为二维空间展示对象之间的联系，并利用平面距离来反应对象之间的相似程度，在作者共引知识图谱中，作者的位置显示了作者之间的相似性，有高度相似性的作者聚集在一起，形成学科研究的无形学术群体，并且越在中间的作者表明与他有联系的作者越多，在学科里的位置也就越核心，因此，通过多维尺度分析，教育学术热点及其研究群体就非常容易判断。
所述聚类分析包括：
将每一个刊物作者看成一个独立类，将最近的两个独立类合并为一个聚合类，重新计算聚合类之间的距离，将距离最近的聚合类合并为一个扩充后的聚合类，将扩充后的聚合类反复聚合后形成最终的聚合类S302。
由于采用将每一个刊物作者看成一个独立类，将最近的两个独立类合并为一个聚合类，重新计算聚合类之间的距离，将距离最近的聚合类合并为一个扩充后的聚合类，将扩充后的聚合类反复聚合后形成最终的聚合类，由于在统计学上把按照一定的要求和规律，对事物进行分类的方法，称为聚类分析，聚类化即是将一群异质的群体区隔为同构性质较高的群集或子群，聚类化并没有事先明确定义的类别来进行分类，非聚类化操作中，不需要事先定义好该如何分类，数据是依靠自身的相似性来聚类在一起的，而聚类的意义也是要靠事后的定性说明才能得知，由于使用系统逐次聚类分析法，对作者进行聚类时，首先将每一个作者看成独立的一类，再把最近的两类合并，然后重新计算类与类之间的距离，最后把距离最近的两类合并，每一步减少一类，一直持续到所有的作者归为一类。
将多维尺度分析分析后的刊物共引矩阵和聚类分析后的刊物共引矩阵结合为中小学教育领域存在的主要学术知识的知识图谱S303。
所述因子分析包括：
通过主成分分析法对刊物共引矩阵中的刊物作者进行分析，通过斜交转换来简化因子结构，根据刊物作者共引因子分析的结果，得到累计方差贡献率的主成分S304。
由于采用通过主成分分析法对刊物共引矩阵中的刊物作者进行分析，通过斜交转换来简化因子结构，根据刊物作者共引因子分析的结果，得到累计方差贡献率的主成分S304，由于由作者共引的因子分析可知中小学教育的研究领域中，学术领域1(“学龄前教育”研究领域)较为活跃，学术领域2(“小学教育”研究领域)最为活跃，学术领域2(“中学教育”研究领域)备受关注，由此，反映出当代中小学教育研究发展的新特点。
将因子分析后的刊物共引矩阵结合为中小学教育领域存在的关注热点的知识图谱S305。
由于站在系统论的角度，从整体上对中小学教育系统研究领域做出考察，理清了中小学教育中的各种关系，更好推动了我国基础教育事业的建设，增加了基础教育创新的能力。
工作原理：
本专利通过确定知识图谱相关的典型中小学教育知识刊物；将下载的典型中小学教育知识刊物的作者进行共引分析并生成刊物共引矩阵；将刊物共引矩阵进行多维尺度分析、聚类分析以及因子分析后绘制出中小学教育领域存在的主要学术知识以及关注热点的知识图谱，由于知识图谱分析方法的基本思路是首先通过软件对所下载的文章作者进行共引分析，生成共引矩阵，在此基础上，利用软件进行多维尺度分析、聚类分析、因子分析，进而绘制出中小学教师教育的只是图谱，通过采用科学计量方法，通过对下载的文章的作者进行共引分析，生成共引矩阵，在此基础上，利用多维尺度分析、聚类分析、因子分析，绘制出我国中小学教师教育现状的知识图谱，本发明解决了现有技术存在为了更好的了解当前国内外学术界关于中小学教育领域研究的热点情况，以期能够为我国中小学教师教育发展提供参考的问题，具有形象揭示出该领域存在的三大主要学术群体及其关注热点，教育学术热点及其研究群体就非常容易判断的有益技术效果。
利用本发明的技术方案，或本领域的技术人员在本发明技术方案的启发下，设计出类似的技术方案，而达到上述技术效果的，均是落入本发明的保护范围。
Claims (5)
1.一种基于共词和共引分析的中小学教育知识图谱分析系统，其特征在于，包括：
确定知识图谱相关的典型中小学教育知识刊物；
将下载的典型中小学教育知识刊物的作者进行共引分析并生成刊物共引矩阵；
将刊物共引矩阵进行多维尺度分析、聚类分析以及因子分析后绘制出中小学教育领域存在的主要学术知识以及关注热点的知识图谱；
所述多维尺度分析包括：
将刊物共引矩阵中高度相似性的刊物作者聚集在一起，形成学科研究的学术群体，并且在刊物共引矩阵中与其联系频次多的刊物作者确定为中小学教育领域内的核心作者；
所述聚类分析包括：
将每一个刊物作者看成一个独立类，将最近的两个独立类合并为一个聚合类，重新计算聚合类之间的距离，将距离最近的聚合类合并为一个扩充后的聚合类，将扩充后的聚合类反复聚合后形成最终的聚合类；
将多维尺度分析分析后的刊物共引矩阵和聚类分析后的刊物共引矩阵结合为中小学教育领域存在的主要学术知识的知识图谱；
所述因子分析包括：
通过主成分分析法对刊物共引矩阵中的刊物作者进行分析，通过斜交转换来简化因子结构，根据刊物作者共引因子分析的结果，得到累计方差贡献率的主成分；
将因子分析后的刊物共引矩阵结合为中小学教育领域存在的关注热点的知识图谱。
2.根据权利要求1所述的一种基于共词和共引分析的中小学教育知识图谱分析系统，其特征在于，所述共引分析包括共词分析与共引分析。
3.根据权利要求2所述的一种基于共词和共引分析的中小学教育知识图谱分析系统，其特征在于，所述共引分析包括：
根据典型中小学教育知识刊物的作者的被引频次，选择被引频次居于前100位的作者进行具有索引的共引分析并形成刊物共引矩阵。
4.根据权利要求3所述的一种基于共词和共引分析的中小学教育知识图谱分析系统，其特征在于，所述共引分析的索引包括：
若刊物共引矩阵中N位作者同时被引用时，则确定所述N位作者与引用作者都是该专题研究的同业人员；
若所述同业人员被引用频率越高，则确定所述同业人员之间的学科专业关系密切度高。
5.根据权利要求4所述的一种基于共词和共引分析的中小学教育知识图谱分析系统，其特征在于，所述刊物共引矩阵的映射表包括：
。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811274397.8A CN109344261B (zh) | 2018-10-30 | 2018-10-30 | 一种基于共词和共引分析的中小学教育知识图谱分析系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811274397.8A CN109344261B (zh) | 2018-10-30 | 2018-10-30 | 一种基于共词和共引分析的中小学教育知识图谱分析系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109344261A CN109344261A (zh) | 2019-02-15 |
| CN109344261B true CN109344261B (zh) | 2021-10-01 |
Family
ID=65311017
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811274397.8A Active CN109344261B (zh) | 2018-10-30 | 2018-10-30 | 一种基于共词和共引分析的中小学教育知识图谱分析系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109344261B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111476495B (zh) * | 2020-04-13 | 2023-04-07 | 北京科技大学 | 一种提升学习效率的评价及优化方法及其系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106776672A (zh) * | 2016-08-30 | 2017-05-31 | 程传旭 | 技术发展脉络图确定方法 |
| CN107644062A (zh) * | 2017-08-29 | 2018-01-30 | 广州思涵信息科技有限公司 | 一种基于知识图谱的知识内容权重分析系统及方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2011075729A2 (en) * | 2009-12-18 | 2011-06-23 | Morningside Analytics, Llc | System and method for attentive clustering and related analytics and visualizations |
| CN106126732B (zh) * | 2016-07-04 | 2020-03-10 | 中南大学 | 基于兴趣相似模型的作者影响力传播能力预测方法 |
| CN108509481B (zh) * | 2018-01-18 | 2019-08-27 | 天津大学 | 基于文献共引聚类的研究前沿可视分析方法 |
-
2018
- 2018-10-30 CN CN201811274397.8A patent/CN109344261B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106776672A (zh) * | 2016-08-30 | 2017-05-31 | 程传旭 | 技术发展脉络图确定方法 |
| CN107644062A (zh) * | 2017-08-29 | 2018-01-30 | 广州思涵信息科技有限公司 | 一种基于知识图谱的知识内容权重分析系统及方法 |
Non-Patent Citations (2)
| Title |
|---|
| "国外网络信息计量学研究的作者共被引分析";付鑫金 等;《图书馆》;20120229(第01期);第73-74页 * |
| "基于作者共引分析的推荐系统研究知识图谱构建";黄文彬 等;《现代情报》;20151130;第35卷(第11期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109344261A (zh) | 2019-02-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109669934B (zh) | 一种切合电力客服业务的数据仓库系统及其构建方法 | |
| Hamzei et al. | Place facets: a systematic literature review | |
| EP3640818A1 (en) | System and method for querying a data repository | |
| US20110191335A1 (en) | Method and system for conducting legal research using clustering analytics | |
| CN104636424A (zh) | 一种基于图谱分析构建文献综述框架的方法 | |
| CN107194617B (zh) | 一种app软件工程师软技能分类系统及方法 | |
| CN104699786A (zh) | 一种语义智能搜索的通信网络投诉系统 | |
| CN111144831B (zh) | 一种适用于人员招聘的人选精准甄别系统及其甄别方法 | |
| CN109190051A (zh) | 一种用户行为分析方法和基于该分析方法的资源推荐方法 | |
| CN107341199A (zh) | 一种基于文献信息共性模式的推荐方法 | |
| CN110263331A (zh) | 一种知识驱动的英汉单词语义相似度自动检测方法 | |
| Buitelaar et al. | Hot topics and schisms in NLP: Community and trend analysis with saffron on ACL and LREC proceedings | |
| CN114661393B (zh) | 基于流动人口数据特征聚类的城市集聚效应可视分析方法 | |
| CN109344261B (zh) | 一种基于共词和共引分析的中小学教育知识图谱分析系统 | |
| Doytsher et al. | Emotion maps based on geotagged posts in the social media | |
| Jayantha et al. | Knowledge mapping of office workspace: a scientometric review of studies | |
| Yu | A visualized pattern discovery model for text mining based on TF-IDF weight method | |
| Halevy | The Ubiquity of Subjectivity. | |
| Balbi et al. | Text Mining tools for extracting knowledge from Firms Annual Reports | |
| Yu et al. | Data mining technology in the analysis of college students’ psychological problems | |
| CN112668836A (zh) | 一种面向风险图谱的关联风险证据高效挖掘与监控方法和装置 | |
| Wang et al. | Mapping the intellectual structure of nursing management | |
| TWI505226B (zh) | Reference method and system of reference law | |
| Hannachi et al. | Community cube: a semantic framework for analysing social network data | |
| JP6403850B1 (ja) | 情報処理装置、情報処理方法及びプログラム |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240312 Address after: Room 410-7, Building B, No. 72 Shenbei Road, Shenbei New District, Shenyang City, Liaoning Province, 110000 Patentee after: Shenyang Shengke Yuangong Kaiwu Technology Co.,Ltd. Country or region after: China Address before: 110034 No. 253 North Main Street, Huanggu District, Liaoning, Shenyang, the Yellow River Patentee before: SHENYANG NORMAL University Country or region before: China |