节点文献

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

免费订阅

【作者】 徐路路王芳

【Author】 XU Lu-lu;WANG Fang;School of Business, Nankai University;

【机构】 南开大学商学院

【摘要】 【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。

【基金】 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”
【所属期刊栏目】 理论研究 (2019年08期)
  • 【DOI】10.13833/j.issn.1007-7634.2019.08.004
  • 【分类号】G353.1
  • 【下载频次】102
节点文献中: 

本文链接的文献网络图示:

浏览历史:
下载历史: