科技文獻(xiàn)數(shù)據(jù)挖掘關(guān)鍵技術(shù)研究.pdf

1、科技文獻(xiàn)的數(shù)量呈爆炸性增加，科研知識(shí)的演變和進(jìn)化更加迅捷，難以快速掌握。如何從大量科技文獻(xiàn)中快速分辨出具有較高閱讀價(jià)值的文獻(xiàn)成為研究者普遍關(guān)注的問題。
　　被引頻次是指在一段指定的時(shí)間段內(nèi)科技文獻(xiàn)被其他文獻(xiàn)引用的次數(shù)，是評(píng)估科技文獻(xiàn)影響力和質(zhì)量的重要方法。但被引頻次的統(tǒng)計(jì)易受到當(dāng)前時(shí)間點(diǎn)的限制，很難獲得未來時(shí)間段內(nèi)的被引用情況，進(jìn)而影響對(duì)科技文獻(xiàn)在科技貢獻(xiàn)力方面的評(píng)估。亟待提供一種自動(dòng)化地預(yù)測(cè)科技文獻(xiàn)被引頻次的方法，更快的識(shí)別有潛

2、力的文獻(xiàn)，促進(jìn)科學(xué)研究和新知識(shí)的傳播。
　　本文研究科技文獻(xiàn)被引頻次預(yù)測(cè)算法。
　　本文具體研究?jī)?nèi)容如下：首先提出對(duì)國(guó)際頂級(jí)數(shù)據(jù)挖掘比賽KDDCUP中冠軍算法進(jìn)行優(yōu)化改進(jìn)，在劃分訓(xùn)練和測(cè)試集合之前加入對(duì)文獻(xiàn)主題詞的分析，按照主題詞對(duì)文獻(xiàn)集合進(jìn)行聚類，在每個(gè)類中進(jìn)行回歸預(yù)測(cè)，以減少因?yàn)橹黝}時(shí)間點(diǎn)引用情況差異對(duì)預(yù)測(cè)準(zhǔn)確性的影響。實(shí)驗(yàn)分析顯示，改進(jìn)的算法比原算法的預(yù)測(cè)準(zhǔn)確度提高3.4％。
　　其次針對(duì)目前已有算法的不足，本文