一、MFDM:开放式可视化知识发现平台的设计与实现(论文文献综述)
吴雅威[1](2021)在《面向智库需求的智慧数据服务模式及服务能力评价研究》文中提出近年来,作为决策咨询机构的智库,一直受到政府机构和决策者的高度重视,一系列相关政策法规的出台与实施,更为智库的建设与发展指明了道路和方向。然而,由于缺少多源数据、智慧化技术手段和专业人才支持在一定程度上制约了智库的快速发展,迫切需要图书情报机构(以下简称图情机构)提供智慧数据服务以满足智库复杂需求。目前,大数据时代持续推动着图情机构服务模式发生重大变化,正在促使其由传统信息服务向智慧数据服务转型。因此,当前智库到底存在哪些智慧数据服务需求,图情机构面向智库需求应该采取何种智慧数据服务模式,以及如何提升智慧数据服务水平和服务能力已经成为目前图情机构亟需研究的重要问题。本文以数据管理理论、用户场景理论和质性研究理论等为基础,探讨了面向智库需求的智慧数据服务要素、服务模式、模式实现及服务能力评价体系问题。首先,分析并构建了智库的智慧数据服务需求及其模型,结合实际案例对面向智库需求的智慧数据服务要素及其特征进行分析,进而提出了面向智库需求的两类智慧数据服务模式,详细阐述了智慧数据服务模式的实现路径,并构建了面向智库需求的智慧数据服务能力评价体系,最终针对智慧数据服务模式与服务能力评价体系给予相应对策及建议。本文的主要研究内容包括以下6个方面:(1)我国智库的智慧数据服务需求分析。主要通过混合式研究方法分析了智库的数据资源管理现状与问题、智慧数据服务需求以及需求驱动因素。明确了智库的两个主要需求:多源数据服务需求(包括多源数据采集与处理等)、创新发展环境服务需求(包括图情机构职能与服务及技术工具与人才等)。智库的数据需求、场景环境和应用过程的变化,对图情机构的智慧数据服务提出了更高期望与要求。本章为后文分析并提出针对性的面向智库需求的智慧数据服务要素、服务模式、模式实现以及服务能力评价体系奠定了需求基础和研究框架。(2)面向智库需求的智慧数据服务要素及其特征。基于智库需求,通过文献调研、案例分析以及借鉴智慧数据服务相关实践经验,分析了面向智库需求的智慧数据服务关键要素及其特征,阐述各要素在智慧数据服务中的定位和作用。明确了以图情机构、智慧数据、智能化技术方法、智慧化平台、服务环境为5大关键要素,以及服务场景化、技术智能化和数据多源化3大特征。引用生态系统及其相关发展理论构建模型来剖析服务主体、客体、环境间的能量流动及关系,最终以南京师范大学图书馆为例,通过分析其面向智库需求的智慧数据服务过程及其服务要素与特征,验证前文所明确的关键要素,为后文研究奠定要素基础。(3)面向智库需求的智慧数据服务模式。基于智库需求,结合模式构建法提出了面向智库需求的两类智慧数据服务模式:其一,个性化推荐模式,主要探讨图情机构通过感知智库需求,融合多源数据、专家智慧、智能技术及用户需求精准识别等资源与服务,通过智慧数据服务平台与新媒体技术,最终实现场景化、精准化与个性化推送;其二,嵌入式服务模式,主要探讨以图情机构为主体,通过分散、兼职和旋转门等途径嵌入智库内部及其活动过程,将智慧数据服务与智库的数据采集、综合处理、成果传播推广等环节相融合,精准定位智库需求,提供多源数据采集、融合处理、人才支持和影响力塑造等针对性服务。(4)面向智库需求的智慧数据服务模式实现。根据智库需求和图情机构智慧数据服务模式的具体内容与流程,面向智库需求的智慧数据服务模式实现主要包括以下6个方面:智库的特征识别与需求确定;基于Data Commons的智慧数据服务平台构建;多源数据融合;智能化技术与工具融合与协同治理;基于专家系统的多源数据分析与应用;基于向量空间模型的场景化服务推荐,以此来实现面向智库需求的智慧数据服务模式,体现了智慧数据服务的新路径与新思想。(5)面向智库需求的智慧数据服务能力评价体系。以智库需求、智慧数据服务过程和智慧数据服务内容为评价依据,初步构建了包括多源数据、智能化技术与工具、智慧数据服务人员三个维度的智慧数据服务能力评价体系。再利用专家调查法、灰色系统理论和层次分析法完成指标优化和赋权,以验证指标的合理性、有效性和可行性,最终确定智慧数据服务能力评价体系。最终以天津社科院图书馆为案例进行实证研究,论证服务能力评价体系中各指标的有效性、科学性和应用性,以此为图情机构提升智慧数据服务能力与质量提供适当参考。(6)面向智库需求的智慧数据服务保障策略。以智慧数据服务要素、服务模式及服务能力评价为依据,考量涵盖智慧数据服务关键要素、优化智慧数据服务流程、改善智慧数据服务能力评价体系等方面制定保障策略。智慧数据服务保障策略具有明显的层次化特征,涵盖政策保障、数据保障、技术保障与人才保障等层次。其中,政策保障涵盖建立健全相关法律法规等;数据保障涵盖完善多源数据建设、融合、安全与开放保障机制等;技术保障涵盖完备智能化数据管理技术、方法与工具集体系构建等;人才保障涵盖智慧数据服务人才队伍建设等。通过构建面向智库需求的智慧数据服务模式,可以优化智库活动流程,提升智库的课题研究能力、决策支持服务质量和可持续发展动力,还可保障面向智库需求的智慧数据服务质量和水平,也为大数据时代下图情机构智慧数据服务研究体系提供理论启发与借鉴,拓展智慧数据服务的理论与应用范畴,推动智慧数据服务可持续性发展。此外,通过建立面向智库需求的智慧数据服务能力评价体系,可以评价图情机构的智慧数据服务能力,帮助其更清楚的认识优势与缺陷,根据评价体系优化服务流程,更好的服务智库。同时,为图情机构系统认知大数据时代下面向智库需求的智慧数据服务实现路径提供参考,继而有效引导图情机构从智库需求感知到服务模式构建再到服务能力评价的流程化视角来看待面向智库需求的智慧数据服务工作。
黄太进[2](2021)在《教育数字资源众筹众创供给与服务模式研究》文中指出我国学校教育领域存在的突出矛盾是人们对高质量、高水平的个性化教育服务普遍要求与高质量的教育资源供应严重不够之间的矛盾,针对高位均衡教育资源供给侧的创新及高品位教育服务方式的探索成为当前我国学校教育体制改革和发展面临的挑战,其中数字教育资源的供应和服务有关的问题一直是教育数字资源管理和教育信息化管理的关键问题。2018年4月教育部颁布教育信息化2.0行动计划,指出依托新一代信息技术打造教育大资源建设计划,明确了从“教育专有资源”到“教育大资源”的变化。研究高质量的教育数字资源供给服务机制是改变传统的教育数字化资源自产自销模式,解决资源供需瓶颈的有效手段。本文从教育信息化的实践过程出发,分别从主体需求、技术需求和教育三公需求的角度,从教育资源的创作和教育服务的智能供给两个方面,通过“互联网+”教育众筹众创机制,研究融合众筹众创机制的教育数字资源供给方式,深度聚合全方位教育资源,同时持续进化迭代的大规模高质量教育资源,提高数字教育资源的采用度、可信度和聚合度,实现面向终端用户的教育资源精准推送。第一,基于价值链生态的数字教育资源供给模式。针对现有教育数字资源供给主要基于专用资源,资源供给质量低下的问题,为实现向基于互联网的教育大资源转变,提升资源供给质量,本文提出众筹众创的教育资源供给理念,引入价值链理论和众筹众创的协作性、开放性等特征,构建基于价值链生态理论的教育数字资源众筹众创供给模式。在教育数字资源服务的生态环境分析的基础上,发起方、供应方、购买方和应用消费方等不同相关主体通过教育数字资源公共服务平台进行交易,从需求、发起、认筹、供应到消费,各个环节形成动态的循环价值增值过程,进而形成一个有机的教育数字资源众筹众创的生态价值链。第二,基于知识图谱的教育数字资源动态生产模式。针对当前数字化教育信息资源生产过程中存在的教育资源重复利用、教育资源管理和分享的难度较高、教育数字资源在各个教学体系间难以相互操作、教学效果差异较小等一些突出问题,为实现资源生产从传统的专用教材、教案和辅助视频逐步向碎片化、开方式的知识库、构件库转型。本文提出基于知识图谱的教育数字资源动态生产模式,构建基于本体的教育数字资源知识库,实现教育数字资源的语义动态生成,构建基于有序知识链的具有相同主题、语义高度相关的多个主题资源聚合,实现从封闭的专用自有教育资源库向基于语义的细粒度、开放式的构件库转变。第三,基于区块链的教育数字资源交易保障模式。针对教育数字资源在不同组织间交易中存在的安全性和可靠性等事务安全问题。本文将面向教育的区块链技术与终身教育资源交易相结合,构建了基于区块链的教育数字资源交易和保障模式,并重新设计了对教育信息中心终身教育资源的跟踪和服务机制,使得个人和学习者可以充分掌握自己对终身教育记录信息的权力,防止隐私和信息的滥用,管理自己的记录信息和数据,而不必再需要花费额外的时间和精力,通过对隐私加密保护方式为广大学习者和教师提供可靠的数字化学习支持,为数字化的学习者和教师提供安全、可靠的个性化教育数字资源推送和学习服务。第四,基于学习者画像的教育数字资源个性化服务模式。针对不同类型的学习者,从海量、复杂的数据库和教育数字资源中搜集、定位和发现必要的教育数字资源中存在的不精准、适配性不够,以及依托教育数字资源开展个性化教育服务时存在的效果不佳等问题,本文主要通过引入大数据技术对学生开展分析和画像,在教育数字资源与学习者信息资源需求之间的基本建立内在关联和适配,构建了一种基于学习者多维度标签体系的教育数字资源个性化服务模式,通过对学习者特征进行刻画,深入挖掘和发现各类教育数字资源服务的合适路径,实现了细粒度教育数字资源和多维度学习者之间的精准匹配,对于每一位学习者都可以选择各种不同的教育数字资源进行个性化针对性服务。基于数字化的教育资源智能供给,以数字教育个性化服务为切入点,以众智科学和新一代信息技术为创新驱动力,探索众筹众创的数字教育资源个性化供给服务理论与应用,研究数字教育资源供给模式、教育数字资源生产模式、教育数字资源交易保障模式、个性化服务模式等教育资源供给与服务的关键问题,为实现新的数字教育众筹众创个性化服务,建立可持续发展的个性化教育服务创新体系,为培育和发展我国智慧教育管理与服务提供动力支撑。
张康[3](2021)在《集群式超声科研开放平台》文中进行了进一步梳理超声扫描仪已经在临床诊断领域中取得了广泛的应用,但现有的临床超声扫描仪不能满足科研活动中对超声发射序列可控,可获取超声处理流程中各个阶段的数据以及定制化超声激励波形的需求。因此出现了专为科研活动而设计的开放式超声平台,这类超声平台应该具有如下三个核心功能:可定制激励波形、可获取超声通道数据以及可实现实时成像。使用开放式超声平台进行新型超声技术的研究,所消耗的时间和资源比重新设计超声仪器所需要的少得多。所以开放式超声平台的发展可以极大的促进医学超声技术的研发。同时,由于这类平台能够更加直观的使用户明白超声算法背后的物理意义,所以其在教学领域中也有很高的实用价值。然而在目前的开放式超声平台中,完整具备三个核心功能的都价格昂贵且体积庞大。而其余更加便携的平台都不完整的具有三个功能,它们要么无法获取超声通道数据,要么无法实现定制化任意激励波形。并且这些平台实现定制化激励波形的方式不够简洁,需要将设计的波形转为数值写入到配置文件中。另外,在国内尚无具有可定制化激励波形的开放式超声平台的相关报道。本文研究并实现了一种低成本、高便携的集群式超声科研开放平台。该平台具备完整的三个核心功能,还有完全控制超声收发模式的能力。同时,本文还实现了一种图形化设计三态任意波形的方法。本文采用模块化的设计方法实现了集群式的平台,集群中的每个超声模块都完整具有独立的超声系统,所以其每个超声模块都能作为一个低通道数的开放式超声平台单独使用,这使得该平台在实际科研活动中变得更加的灵活。同时这种模块化的实现方法,降低了平台的设计、生产难度以及花费,并进一步提升了平台的便携性和可维护性。最后,基于所研发的超声平台,本文还借助GPU实现了超声脉冲多普勒算法的实时处理。又通过该平台发射编码激励波形并获取超声通道数据,在MATLAB平台上实现了基于编码激励的脉冲多普勒算法。
陈茫[4](2021)在《面向高校科研创新的图书馆智能服务研究》文中指出在国家创新体系中高校科研创新地位举足轻重,随着互联网的飞速发展,高校科研创新过程变得更具复杂性和时效性,科研人员对于科研所需的知识需求也日益强烈,而从图书馆获取所需的科研知识资源和专业的科研服务支持,是实现科研创新的有效手段与重要途径之一。当前,智能服务的需求和情境正成形成,并将成为未来发展的新方向。面向高校科研创新,目前国内外一些着名的高校图书馆正开展智能服务的理论探索与实践应用;然而,在图书馆智能服务的开展过程中,却存在着服务联系松散、服务推进缓慢、服务效果不佳等诸多问题。那么,面向高校科研创新的图书馆智能服务过程具体是什么,是什么推动着图书馆智能服务的有序推进?有哪些关键影响因素,相关影响因素之间如何相互作用?能否对其过程进行有效的模拟仿真?这些研究问题亟待深入的展开研究。本文围绕图书馆智能服务展开相关理论研究,对于完善图书馆知识服务理论,提升图书馆智能服务效果,促进高校科研创新等具有重要的理论价值与实践意义。首先,运用多案例研究的分析方法,构建了面向高校科研创新图书馆智能服务过程机理模型,从人的智力支持、智能服务技术支持、知识交互等方面,揭示了图书馆智能服务各要素间的作用机理。研究发现:该图书馆智能服务过程可划分为四个阶段,各阶段过程中有其核心的服务需求与服务内容,并构建了该图书馆智能服务过程机理模型;其中,人的智力支持、智能服务技术支持、知识交互等方面各要素间存在紧密的内在关联性和规律性,且彼此关联和相互作用,共同推动着该服务的有序进行。其次,运用扎根理论的质性分析方法,构建了该图书馆智能服务的关键影响因素模型,识别并揭示了该图书馆智能服务的关键因素构成与作用路径。研究发现:通过深度访谈分析共获得27个概念范畴,并汇总形成了知识服务资源、科研服务参与、智能服务感知、科研服务需求、服务应用动机、智能技术体验、服务科研效果等主范畴;其中,智能服务感知和智能技术体验等是新变量。该模型中的关键影响因素识别为后续实证分析奠定理论基础。接下来,运用结构方程的定量分析方法,基于上文识别的关键影响因素,构建了相关的研究假设与结构方程模型,验证并揭示了各关键影响因素对于服务科研效果的作用影响。研究发现:知识服务资源、科研服务参与、智能服务感知、科研服务需求、服务应用动机、智能技术体验等,对服务科研效果存在显着正向影响;而服务应用动机和智能技术体验等是重要的中介变量。该模型的实证分析为揭示关键影响因素的复杂作用关系提供了证据支持。最后,运用系统动力学的模拟仿真方法,构建了面向高校科研创新的图书馆智能服务过程的系统动力学模型,刻画和揭示了该服务系统内部的动态结构、运行趋势与反馈回路等。研究发现:该服务系统有其特有的系统构成、系统特性、建模目的、模型边界和因果反馈回路等;在服务开展初期,服务主体位于较高的知识位势,利用智能服务技术支持提升服务科研效果;而服务主体的知识存量、科研人员的知识存量、智能服务技术支持等是系统运行的关键变量。本论文探究了面向高校科研创新的图书馆智能服务这一具有重要理论与实践价值的新课题。揭示了面向高校科研创新的图书馆智能服务过程机理;构建了面向高校科研创新的图书馆智能服务关键影响因素模型,识别、揭示并验证了各关键影响因素对服务科研效果的作用影响;构建了面向高校科研创新的图书馆智能服务系统动力学模型,模拟了面向高校科研创新的图书馆智能服务过程中知识交互,为图书馆智能服务开展提供了重要的实践借鉴。
唐颀伟[5](2020)在《跨平台统一大数据分析处理与可视化编程平台》文中提出随着大数据技术的快速发展,涌现出了针对不同类型任务以及不同大数据编程计算模型的大数据分析系统,例如通用大数据分析系统Hadoop、Spark,图计算系统Graph X、Gemini,流式数据分析系统Storm、Flink等。目前,各类大数据分析处理系统已有上百个,并且新的大数据系统仍然不断产生。种类繁多的大数据系统为大数据应用开发提供了丰富的选择。但是,不同的大数据系统往往具有不同的编程模型和编程框架。由于缺少平台无关的跨平台统一编程模型,无法实现代码“Write Once,Run Anywhere”的特性。另外,大数据分析任务正在变得越来越复杂,单一大数据系统已难以胜任复杂的计算任务。现实中的复杂大数据分析应用通常具有综合性,需要在同一个编程空间内混合使用多个计算模型,这就要求大数据处理系统具备支持多种计算模型以及混合集成使用多个计算平台的能力。而且,大数据系统学习和使用门槛较高,缺乏成熟的可视化编程方法,开发效率较低。为了降低大数据分析的技术门槛,提升大数据分析的效率和易用性,本文研究设计了跨平台统一的大数据分析以及可视化编程方法,并设计实现了原型系统。本文主要的研究工作和贡献点包括:(1)研究提出了覆盖各种大数据计算模型的跨平台统一大数据编程模型和编程框架。支持表模型、矩阵模型、张量模型、图模型等常用的大数据计算模型,通过平台无关的跨平台统一大数据编程模型,允许用户实现跨平台统一的大数据分析处理编程,从而实现“Write Once,Run Anywhere”的跨平台特性。(2)研究实现了基于计算流图的可视化编程方法。在跨平台统一大数据编程模型之上,将各种基本操作和算法组件封装成算子,通过可视化算子拖拽的方式快速构建计算流图,高效实现全流程化的大数据综合分析。(3)研究设计了开放式大数据系统集成框架。允许以兼容并包的方式,高效灵活地集成各种主流的大数据计算平台。同时,也支持用户快速集成运行于特定计算平台的自定义算子。(4)研究实现了基于代价模型的计算平台自动选择方法,自动为计算流图中的算子选择最优的平台,从而提升整个计算流图的运行性能。另外,为了提升跨平台计算效率,研究设计了跨平台统一调度器和跨平台统一数据交换引擎。(5)基于以上关键技术,设计实现了跨平台统一大数据分析处理与可视化编程平台原型系统。系统具备可视化、跨平台、自动调度、开放式等特性,让用户无需代码编程即可高效地构建全流程式的大数据分析处理算法和应用。实验结果表明,本系统能够高效地实现跨平台统一大数据分析以及自动化的计算平台选择,在大幅提高易用性的同时,提升大数据综合分析的整体计算性能。
任亮[6](2020)在《开放式创新社区知识协同创新研究》文中研究表明当今世界,国际间的竞争日益激烈,而我国得益于创新驱动发展战略的实施,已成为当今世界第二大经济体,最大的发展中国家,产业结构不断从中低端向高端迈进,由过去的“中国制造”转变为“中国智造”。科技进步与创新已成为影响和推动我国经济高质高速发展的重要动力,因此创新是引领我国发展的第一动力,是建设现代化经济体系的战略支撑。“大众创业,万众创新”的态势意味着创新是协同的,需要依托于广大基层单位的积极参与,无论是政府、企业、高校、科研院所甚至个人均可以参与到创新活动中来,为创新贡献力量,而习近平总书记提出必须坚持企业在创新中的主体地位,也即企业将承担集聚创新资源,落实创新发展的重要任务。当前,随着越来越多的企业深化创新发展,加大对创新的投入力度,已逐渐摸索出一条开放式创新发展之路。开放式创新已经成为企业实施创新活动的新常态,企业越来越倾向于吸收外部创新资源进行协同创新,而正是知识的高流动性和无边性特征使得知识创新成为企业实施开放式创新的重要基础。得益于信息化时代的到来,Web2.0技术的应用,虚拟网络社区的兴起,为企业吸收外部创新资源提供了便利,企业开始创建和使用基于互联网的用户生成内容平台,引导企业内外部用户参与知识创新活动,为企业提供充足的知识创新资源,开放式创新社区正是在这一背景下产生。与此同时开放式创新社区知识创新活动是一项协同的过程,无论是用户之间还是知识本身的演化过程。因此,本文提出开放式创新社区知识协同创新研究这一选题,符合国家创新驱动发展的战略背景,适应企业开展创新活动的需要,目的是引导开放式创新社区产生更多优质的知识创新资源,展望知识创新方向,并应用于企业产品及服务的创新,以虚拟的知识创新支撑实践过程中的科技创新;这需要进一步深入洞察开放式创新社区的创新模式,深入了解用户知识协同的机理,研究知识创新的演化过程,挖掘知识创新的热点,明晰用户协同与知识进化间相互作用关系,总结归纳知识协同创新的机理。本文主要研究内容及结论如下。(1)开放式创新社区知识协同创新的逻辑模型该逻辑模型即全文的研究基础。首先,应用创新价值链理论界定了开放式创新社区知识协同创新过程;接下来依据系统动力学挖掘该过程中的动力因素,并设计因果关系作用路径,推演出创新主体——用户知识协同,创新客体——知识进化两条研究支线,以及其相互间的作用关系组成了知识协同创新总体研究逻辑;最后,根据上述研究建立逻辑模型。(2)开放式创新社区的用户知识协同机理主要分析创新主体——用户间的知识协同机理。首先,界定了开放式创新社区用户的类别、属性等概念,定义了用户知识协同的内涵和特征;接下来,结合社区实践,研究并构建了用户知识协同交互的过程模型,在用户知识协同交互过程中,衍生出三种用户知识协同网络结构。再接下来运用扎根理论剖析用户参与知识协同的动机,挖掘用户参与知识协同的内生因素构建开放式创新社区用户知识协同动机模型;最后,选取“花粉俱乐部”社区某板块数据进行实证,验证用户知识协同网络的结构特征。(3)开放式创新社区的知识进化机理主要分析创新客体——知识进化的机理,研究知识微观视角下的创新演变过程,包括知识进化的过程,各进化要素间相互作用的方式,内在的进化规则,实现结果等。首先,揭示知识进化过程中的构成要素及演变过程;接下来,应用自组织的视角研究知识进化过程中各要素间如何相互作用,以及如何实现知识进化过程的有序。再接下来,以知识基因为节点及相关连接原理构建知识进化的网络演变结构,并应用实际案例挖取数据进行可视化分析,最后基于知识进化的网络图谱挖掘知识创新热点,引导未来知识创新方向。(4)开放式创新社区知识协同创新的超网络分析将用户的知识协同过程同具体的知识进化演变过程关联在一起,融合三种网络:用户协同的网络,知识进化的演变网络以及知识的载体文本网络;构建网络间的映射关系,形成超网络模型,旨在揭示知识协同创新过程中复杂的协同关系,深度解释用户协同作用下的知识进化过程,进而实现超网络图谱的可视化、核心创新用户识别、解析用户间知识创新热点演化三项目标,总结其中内在规律,构建开放式创新社区知识协同创新机理路径。(5)开放式创新社区知识协同创新的保障机制及策略构建开放式创新社区知识协同创新保障机制,包括“人机互动机制”“知识创新热点预测机制”“社区技术机制”“知识协同创新激励机制”,有效地保障知识协同创新过程,为企业提供更加丰富的知识创新资源。并基于该机制从用户协同参与的角度、社区平台建设的角度以及情境优化的角度有针对性的提出合理有效的保障策略,以落实保障机制的实施。本文聚焦于开放式创新社区知识协同创新的理论及实践研究,采用“总分总”的研究思路,设计总体的研究逻辑框架模型,延伸出用户协同、知识进化两条支线研究任务,以超网络模型将用户协同活动与知识进化过程进行关联,归纳出知识协同创新的内在机理;最后归根于保障和促进社区知识协同创新过程这一目的,进而为企业开展创新活动提供充足的知识创新资源。
徐海玲[7](2020)在《虚拟知识社区知识生态及场景化服务研究》文中研究表明党的十八大报告中指出“建设生态文明,是关系人民福祉,关乎民族未来的长远大计”推进生态文明建设,是一场全方位、系统性的宏大改革,“生态兴则文明兴,生态衰则文明衰”,生态已经渗透到社会生活的方方面面,网络社区作为知识传播和交流的主要阵地,更加需要一个生态的环境和服务平台,实现知识的加工与组织。党的十九大报告中提出要“加强互联网内容建设,建立网络综合治理体系,营造晴朗的网络空间”。随着场景五力在社区嵌入的逐渐加深,使得知识社区从流量为王向场景为王开始演变,场景已经成为虚拟知识社区研究的新的突破口,场景的战略价值和实用价值在知识社区中开始凸显。由此可以看出,将知识生态与场景服务深度融合对于知识社区的发展,维护和谐共生的网络环境就变得尤为重要。立足于知识生态理论,结合知识图谱理论和场景五力理论,试图揭示虚拟知识社区中知识生态的内涵、知识生态的构成要素以及不同要素之间的关联关系,尝试基于扎根理论对虚拟知识社区场景化影响因素进行编码分析,并运用Dematel方法对影响虚拟知识社区场景化关键影响因素进行识别,并通过用户画像的理论,构建虚拟知识社区资源聚合模型,实现虚拟知识社区场景化的服务推荐,本研究的主要内容如下:(1)构建虚拟知识社区的知识生态模型从知识生态视角出发,对虚拟知识社区知识生态的内涵及特征进行揭示,借鉴知识生态理论,对知识主体、知识资源和场景三个构成要素进行详细论述,应用生态学的观点,将要素之间的客观、稳定的相互作用关系以及运行的本质进行系统描述,最终提出虚拟知识社区的知识生态模型。(2)虚拟知识社区各要素关联关系解析应用社会网络分析方法对知识主体和知识资源的主要特点和层级结构进行分析,同时,对虚拟知识社区中知识主体和知识资源的传播路径和网络结构进行系统阐述,并应用Python编程获取数据,应用Gephi和Vosviewer软件对知识主体和知识资源之间的关联关系进行可视化呈现。(3)虚拟知识社区多维图谱构建借鉴社会网络分析和知识图谱等方法,对虚拟知识社区中不同要素的本体属性和本体关系进行定义,并对要素之间的关系进行提取和表示,应用网络编程并基于Neo4j图数据库构建知识主体—知识资源—场景等多维图谱,通过Python编程实现知识图谱可视化呈现。(4)基于扎根理论获取虚拟知识社区场景化服务的影响因素应用扎根理论,问卷调查和深度访谈等研究方法,对虚拟知识社区场景化服务的影响因素进行分析,基于Nvivo获取虚拟知识社区场景化影响因素树状节点编码、开放式编码、主轴编码和核心节点编码,提出在社区建设中,知识服务环境、知识资源质量、知识需求偏好和用户感知价值对社区平台发展起着至关重要的作用,决定着虚拟知识社区未来的发展方向。(5)应用DEMATEL方法实现虚拟知识社区场景化服务关键影响因素识别应用DEMATEL方法对虚拟知识社区场景化的关键影响因素进行挖掘,基于文献综述法和专家调查法,对影响因素进行打分,并建立不同影响因素之间的关系矩阵,通过语义转化表将原始评价转化为三角模糊数,并利用CFCS方法对所得到的三角模糊矩阵进行解模糊处理,最终得到影响因素之间的直接影响矩阵,将虚拟知识社区场景化影响因素矩阵做规范化处理,得到标准化的直接影响矩阵,利用MATLAB工具,得出虚拟知识社区场景化各个影响因素之间的综合影响矩阵,计算出各因素的影响度、被影响度、中心度和原因度,提出虚拟知识社区在场景化构建的过程中,要注重知识服务环境的打造、提高社区内知识资源的质量和加强用户之间的交流和互动,从而提升其服务质量等对策。(6)应用用户画像和向量空间模型实现虚拟知识社区场景化服务推荐基于用户画像方法构建虚拟知识社区知识接受偏好的用户画像模型,通过对不同用户需求特征的捕捉和获取,应用创设场景情境实验的方法对用户的知识需求偏好、知识关注方式和知识获取习惯的向量空间进行融合,并基于协同过滤算法应用MATLAB编程实现用户所在场景的识别和服务的推荐。本论文的行文逻辑和数据实验与虚拟知识社区知识生态及场景化服务的理论内容与实证研究深度结合,希望本文的研究能够为建设美好和纯洁晴朗的网络空间提供一种方法和理念,借助互联网技术和服务信息化的手段,推动网络社区建设管理运用的不断完善。
陶兴[8](2020)在《多源学术新媒体用户生成内容的知识聚合研究》文中进行了进一步梳理随着信息经济迅猛发展,学术新媒体作为新型的网络学术知识平台逐渐受到科研工作者的关注,为知识信息获取、知识交流、知识传播等带来了改变。学术新媒体以学术微博、学术微信公众号、学术虚拟社区、学术APP等主要形式存在,具有平台类型多样、平台内容丰富、平台知识专业化等特点。为科研工作者提供了获取学术信息、分享学术成果、开展学术交流等活动的新途径。学术新媒体不再以文章、期刊论文等长文本形式作为知识推送的内容,学术用户作为学术新媒体环境中知识接受者与生产者两种身份并存,新媒体环境鼓励学术用户通过提问、回答与分享来自主产生新知识,创新了学术知识获取方式。随着新媒体环境的扩张,互联网中的用户生成内容呈现出了爆炸式增长,用户在搜寻知识过程中需要消耗大量的时间和精力去浏览与筛选知识内容。知识内容出现“知识过载”,用户陷入“知识迷航”,而学术新媒体中的用户生成知识内容也存在内容质量参差不齐,知识点碎片化分散,内容冗余等问题。同时不同学术新媒体平台间缺乏信息交流,单一平台内的知识无法及时完善与更新,导致用户须花费大量时间去浏览多平台内的知识,增加了获取知识的难度。如何对学术新媒体内用户生成内容进行知识的挖掘、组织和管理,创新学术新媒体的知识服务模式,为学术用户提供高质量知识服务内容,已成为学术新媒体发展面临的新问题。鉴于此,本文将知识聚合理论与方法引入到学术新媒体用户生成内容的知识聚合研究中,构建基于知识聚合的多源学术新媒体用户生成内容聚合机理,探讨了用户生成内容质量评测问题,提出了主题聚合与摘要生成两种用户生成内容知识聚合方法,设计了知识聚合精准推荐方案,并提出多源学术新媒体用户生成内容的知识聚合能力提升策略。本文主要开展了以下方面的研究:第一,构建多源学术新媒体用户生成内容的知识聚合机理。界定了学术新媒体用户生成内容的知识聚合内涵,即对新媒体平台用户生成内容中蕴含的知识进行有效组织,进而挖掘其内在知识的关联关系,为学术新媒体用户提供多源平台的知识聚合服务。划分了多源学术新媒体用户生成内容知识聚合类型,分别为:同型异源知识聚合、异型异源知识聚合、多语种知识聚合。将多源学术新媒体用户生成内容的知识聚合要素分为知识聚合主体、知识聚合客体、知识聚合内容、知识聚合环境、知识聚合技术等五个方面。从学术信息资源需求、学术创新环境、知识聚合主体收益、科技进步、多源学术资源等方面探讨了多源学术新媒体用户生成内容知识聚合的驱动力。从原理特点、作用方式等方面详细阐述了其影响知识聚合的原因。解读了多源学术新媒体知识聚合过程,分别为挖掘与解读用户需求,学术信息的数据处理,学术信息质量评测,知识发现与聚合,学术知识推荐。最后提出了多源学术新媒体用户生成内容的知识聚合机理模型,并从各要素间的关系与交互行为入手,绘制其实践应用中的具体过程图。第二,提出了学术新媒体用户生成内容的自动化质量评测方法。文本通过数据维度、情感极性、领域词汇等三方面考虑,建立学术用户生成内容自动化特征提取过程。再利用双层BI-GRU神经网络学习学术用户生成内容的特征属性。引入专业学术领域词典,优化词嵌入模型所生成的学术用户生成文本向量化表达。最终实现学术新媒体用户生成内容的质量评测,筛选出高质量的文本内容,为后续的多源学术新媒体用户生成内容知识聚合方法研究提供优质的数据基础。第三,基于主题生成的多源学术新媒体用户生成内容的知识聚合研究。提出基于混合神经网络BiLSTM-CNN-CRF和LDA主体概率模型的学术新媒体用户生成内容的知识主体聚合方法。利用混合神经网络分词法,对学术新媒体用户生成内容进行学习分词,然后将获取到的学术专业分词表输入到LDA主体概率模型中,生成多源学术新媒体平台的知识主题。从多个平台的生成主题中,证实了不同学术新媒体平台同类知识内容中存在较大的知识主题差异,在此基础上对知识主题进行融合,帮助学术新媒体用户能够从大规模用户生成知识内容中获取核心知识点,为学术新媒体用户提供了知识导航服务。第四,提出了多源学术新媒体用户生成内容的知识摘要生成方法。为实现多个学术新媒体平台中用户生成内容的知识概括性描述问题,提出基于Word2Vec模型和MMR算法的摘要生成方法。利用Word2Vec方法可以有效解决传统词向量表达方法忽略词语间语义联系的问题;利用MMR排序方法,对重要性程度高的摘要进行排序筛选,剔除重复度高的摘要句,同时保留重要性高的摘要句;利用专业领域词典,解决专业领域词无法识别的问题。通过对多个学术新媒体平台的用户生成内容进行聚合,帮助知识欠缺的平台弥补自身知识内容不足的问题,实现了学术新媒体环境整体知识内容的极大融合,为学术新媒体用户提供一个效率获取冗余用户生成内容中关键性知识的聚合服务。第五,提出了多源学术新媒体用户生成内容的知识聚合精准推荐方法。通过用户兴趣度值挖掘推荐项目和用户间的相似关系,将其作为用户对项目的推荐评分。通过传递相似度,实现多源学术新媒体平台间用户的相似度计算,进而建立起多源学术新媒体用户网络。最后通过项目推荐评分与用户传递性网络,构建学术新媒体用户生成内容的知识聚合精准推荐方法,为学术用户提供多源平台的学术知识与学术用户的双重精准推荐服务。
周琦[9](2020)在《城市创意产业区的空间集聚度及组织驱动系统研究》文中指出创意产业是构成国家城市发展的重要资源之一。城市创意产业空间集聚作为推进城市产业区域建设的新趋势和新方向,在提升城镇建设质量、强化产业空间驱动效应、实现深层次区域创新等方面具有重要的时代价值。创意产业区空间集聚的指标关联系统十分复杂,它成功借鉴了经济地理及管理工程的研究成果,高度融合了空间经济、创意文化、集聚扩散、企业组织等创新指标,持续强化了城市区域空间战略的产业管控。虽然国内外相关学者注重分析产业空间集聚下组织关联的特征,但在城市创意产业空间战略研究领域,城市创意产业空间集聚与驱动效应、影响因素之间的指标体系是部分缺失的。所以,完善城市空间集聚指标创新体系,完善城市创意产业空间集聚可视化,对促进产业组织管理、营造创意空间环境、保障创意产业高效运转起到积极作用。因此,拓展创意产业区空间集聚的可视驱动系统具有创新意义。论文研究的目标是构建创意产业空间集聚的驱动创新体系。基于多因素理论模型指标,提出区域空间动态集聚轨迹算法(Density-Based Interest Spatial Clustering of Path,DBICP),并与计算机浏览器共建聚类可视化图像,为城市管理提供决策依据。首先,根据文献资料分别从组织驱动和影响因素两个层面提取指标,建立空间集聚的关联框架,构建结构方程,形成初级理论模型。其次,进行实证检测,深入剖析了驱动效应与影响因素的强弱关联性,完善了多因素空间集聚模型。再次,基于理论模型创建了DBICP算法,对上海全域进行寻优求解。最后,基于卡口数据和浏览器策略进行创意产业空间集聚的动态可视化图像。本文由六部分构成。第一部分内容是概念简述及文献综述(第一、第二章)。主要是绪论、描述背景、评述进展、阐述相关概念。对创意产业区空间集聚演化、创意产业空间重构、空间影响因素、组织驱动效应等进行文献综述,找到研究的理论位置及问题症结,提出研究视角、研究内容与研究方法及技术路线,构建研究框架。第二部分内容是创意产业空间集聚度、影响因素、驱动系统指标框架的建立(第三章)。首先,基于扎根理论对创意产业区空间影响因素和驱动效应进行质性研究,利用文献调查、量表访谈、问卷调研等方法,借助QSR NVi Vo12进行程序转译统计,基于AMOS构建了结构方程,形成了驱动效应和影响因素的指标框架。其次,基于耦合理论将其指标进行层级划分,得出城市创意产业空间集聚初级多因素理论模型。第三部分内容是模型验证及完善(第四章)。首先,基于赫芬达尔指数、就业人数以及产值区位熵进行测度分析,基于固定效应模型结合TOPSIS算法选取空间集聚度对影响因素的七项关联性指标。其次,实证了驱动效应对影响因素指标的相关性,完善了城市创意产业空间集聚多因素理论模型。第四部分内容是模型求解及应用(第五章)。首先,构建BP神经网络模型进行区域寻优,用GA遗传算法以较快的全局寻优能力搜寻到满意区域。其次,采用空间聚类DBICP算法得到空间集聚线性轨迹图。第五部分内容是图像输出(第六章)。首先,基于新算法的代码与计算机浏览器代码进行交互转译,在CANVAS容器中实现3D动态模拟,进一步挖掘空间集聚簇群在数值和语义上的驱动模式。其次,把集聚图像BubbleSet和ARCGIS进行地理视图叠合,最终实现了城市创意产业空间集聚的动态可视化。以上海市为例,普陀区、浦东新区、徐汇地区的创意产业空间分布形成了三种不同的聚类模式,并相应提出了分摊、均布、虹吸的管控策略,是对多因素理论模型的应用。第六部分内容是结论展望(第七章)。凝练论文主要观点,展望研究前景,提出城市创意产业区空间集聚发展创新驱动路径下的系统动力学模型,为大数据动态图像的集聚方法提供了全新视角和借鉴价值。论文的研究结论是构建了城市创意产业空间集聚多因素模型,根据模型中的指标,利用影响因素指标中车流量动态数据和其他静态面板数据,进行了动态聚类的DBICP算法优化,并验证了该方法的有效性。再通过计算机浏览器媒介生成了上海市创意产业区域动态集聚可视图像。体现出地理信息科学和人文社会学科的交叉融合。其主要贡献和价值在于,(1)针对城市创意产业空间集聚,提出了一种综合可视分析系统。该系统包括,7项创意空间指标选取、4000余条卡口地理定位选择、2项算法测试、3套Bubble-set初步轨迹视图、3组Canvas动态模拟时序视图和E-charts空间动态局部视图。(2)采用上述方法,对上海市浦东新区、普陀区、徐汇区3大区域内的创意产业地标进行检测,表现区域创意产业的集聚度比重大约占卡口检测量的30%,平均移动轨迹4.88km,区域集聚度量值0.84,动态集聚评价指数5.01,证实了方法的实用有效。(3)对城市创意产业的空间集聚进行归纳,提出了分摊、均布、虹吸的管控响应策略。丰富了城市经济地理可视化与测绘信息管控服务领域,具有一定的探索价值。论文的创新点,(1)定性定量梳理了城市创意产业空间集聚指标资料,建立了驱动系统和影响因素指标的关联框架。在创意产业空间集聚基本概念界定以及对其内涵的区域经济学原理、管理科学模型和数学分析的基础上,提出了本文对创意产业区空间集聚的概念理解。尝试构建了创意产业区空间集聚的研究逻辑构架,并根据广义的驱动效应下的影响因素作用机制,运用扎根理论和耦合理论的质性研究方法,对城市创意产业区的空间集聚的影响因素进行解构和重构,得到创意产业区空间影响因素的十四项要素指标和驱动效应的六项指标,形成了空间集聚度——驱动效应——影响因素的指标关联构架,构建了城市创意产业区空间集聚的初级多因素理论模型。具有较强的学科前沿性与理论创新性。(2)实证探究了创意产业关联框架下指标强弱相关性,拓展了多因素理论模型中各指标的应用范畴。利用创意产业空间集聚的测度分析和Topsis算法,实证检验了该模型空间集聚的相互作用机理。多因素理论模型显示了城市创意产业的影响因素的构成要素与驱动效应的动态关系。并从十四项影响因素指标中选取了七项强相关作用指标,完善了多因素理论模型。研究发现,指标间的相互作用符合空间集聚指标的多功能区间函数描述,体现了城市创意产业区空间集聚下的演化规律。(3)基于多因素理论模型指标提出空间动态集聚DBICP算法,实现了创意产业空间动态集聚可视化的有效途径。说明了多因素理论模型在城市区域可视化方面具有较强的适用性。基于Matlab程序代码与JavaScript代码进行后台交互。在浏览器层面对权重信息进行赋值。在CARVAS、ARCGIS中展现城市创意产业空间集聚效果。最终导入E-CHARTS浏览器,生成大数据动态可视化动态图像,表现出理论模型的实际应用价值。本文为国家完善创意产业空间集聚区建设提供了从理论到技术操作的依据,具有较强的学科开拓性与学术创新性。对城市创意产业空间集聚区域、创意发展以及政策环境具有一定的指导作用,还可以对城市工程管控、规划决策实施和经济建设实践提供驱动支持。因此,本文的研究成果对促进创意产业空间集聚与驱动系统的创新发展具有现实意义。
刘奕[10](2020)在《5G网络技术对提升4G网络性能的研究》文中进行了进一步梳理随着互联网的快速发展,越来越多的设备接入到移动网络,新的服务与应用层出不穷,对移动网络的容量、传输速率、延时等提出了更高的要求。5G技术的出现,使得满足这些要求成为了可能。而在5G全面实施之前,提高现有网络的性能及用户感知成为亟需解决的问题。本文从5G应用场景及目标入手,介绍了现网改善网络性能的处理办法,并针对当前5G关键技术 Massive MIMO 技术、MEC 技术、超密集组网、极简载波技术等作用开展探讨,为5G技术对4G 网络质量提升给以了有效参考。
二、MFDM:开放式可视化知识发现平台的设计与实现(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、MFDM:开放式可视化知识发现平台的设计与实现(论文提纲范文)
(1)面向智库需求的智慧数据服务模式及服务能力评价研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 研究背景与目的意义 |
1.1.1 研究背景 |
1.1.2 研究目的 |
1.1.3 研究意义 |
1.2 国内外相关研究综述 |
1.2.1 图情机构智慧化资源管理与服务转型 |
1.2.2 图情机构智慧数据服务模式与服务体系 |
1.2.3 智慧数据服务能力及其评价 |
1.2.4 评述与分析 |
1.3 研究内容 |
1.4 研究方法和技术路线 |
1.4.1 研究方法 |
1.4.2 技术路线 |
1.5 创新点 |
第2章 相关概念与理论基础 |
2.1 相关概念 |
2.1.1 智库 |
2.1.2 智慧服务 |
2.1.3 智慧数据服务 |
2.1.4 面向智库需求的智慧数据服务 |
2.2 理论基础 |
2.2.1 数据管理理论 |
2.2.2 扎根理论 |
2.2.3 用户场景理论 |
2.2.4 灰色系统理论 |
第3章 我国智库的智慧数据服务需求分析 |
3.1 基于问卷调查的智库数据资源管理分析 |
3.1.1 调查问卷设计 |
3.1.2 调查对象与数据收集 |
3.1.3 结果分析 |
3.2 基于扎根理论的智库服务需求分析 |
3.2.1 研究对象与数据收集 |
3.2.2 范畴编码与检验 |
3.2.3 模型构建及分析 |
3.3 本章小结 |
第4章 面向智库需求的智慧数据服务要素与特征 |
4.1 面向智库需求的智慧数据服务过程 |
4.1.1 智库活动过程分析 |
4.1.2 面向智库需求的智慧数据服务过程分析 |
4.2 面向智库需求的智慧数据服务要素 |
4.2.1 图情机构主体 |
4.2.2 智慧数据 |
4.2.3 智慧化技术工具与方法 |
4.2.4 智慧数据服务平台 |
4.2.5 智慧数据服务环境 |
4.2.6 智慧数据服务要素之间关系 |
4.3 面向智库需求的智慧数据服务特征 |
4.3.1 数据多源性 |
4.3.2 技术智能性 |
4.3.3 服务场景化 |
4.4 案例分析 |
4.4.1 南京师范大学图书馆发展现状 |
4.4.2 南师大图书馆智慧数据服务分析 |
4.5 本章小结 |
第5章 面向智库需求的智慧数据服务模式 |
5.1 面向智库需求的智慧数据服务模式概念和类型 |
5.1.1 面向智库需求的智慧数据服务模式的概念 |
5.1.2 面向智库需求的智慧数据服务模式的类型 |
5.2 面向智库需求的个性化推荐智慧数据服务模式 |
5.2.1 智库活动过程分析 |
5.2.2 智库需求感知 |
5.2.3 资源融合及服务集成 |
5.2.4 智能化推荐 |
5.2.5 案例分析 |
5.3 面向智库需求的嵌入式智慧数据服务模式 |
5.3.1 智库活动层 |
5.3.2 嵌入层 |
5.3.3 融合层 |
5.3.4 服务层 |
5.3.5 案例分析 |
5.4 本章小结 |
第6章 面向智库需求的智慧数据服务模式实现 |
6.1 智库特征识别与需求确定 |
6.1.1 智库特征识别 |
6.1.2 智库需求确定 |
6.2 基于Data Commons的智慧数据服务平台构建 |
6.2.1 Data Commons平台的概念和特点 |
6.2.2 Data Commons平台的目标与功能 |
6.2.3 Data Commons平台的架构设计 |
6.3 多源数据融合 |
6.3.1 多源数据融合架构 |
6.3.2 多源数据融合方法 |
6.4 智能化技术融合与协同治理 |
6.4.1 智能化技术融合与协同治理模式 |
6.4.2 基于协同治理的智能化技术融合过程 |
6.5 基于专家系统的智能情报分析 |
6.5.1 专家数据管理模块 |
6.5.2 专家在线咨询模块 |
6.5.3 专家智能推荐流程 |
6.6 基于向量空间模型的场景化服务推荐模型 |
6.6.1 场景化服务 |
6.6.2 场景化服务接受效用 |
6.6.3 场景化服务推荐模型 |
6.6.4 场景化服务推荐实验 |
6.7 本章小结 |
第7章 面向智库需求的智慧数据服务能力评价体系 |
7.1 智慧数据服务能力评价体系问题的提出 |
7.2 智慧数据服务能力评价体系的构建依据 |
7.3 智慧数据服务能力评价指标的选取与修正 |
7.4 智慧数据服务能力评价指标的阐释 |
7.5 智慧数据服务能力评价指标的优化与赋权 |
7.5.1 样本选择及问卷描述 |
7.5.2 评价指标的重要性和易获得性计算 |
7.5.3 评价指标优化 |
7.5.4 评价指标赋权 |
7.6 实证研究 |
7.6.1 研究方法 |
7.6.2 数据分析 |
7.6.3 结果分析 |
7.7 本章小结 |
第8章 面向智库需求的智慧数据服务保障策略 |
8.1 政府政策保障方面 |
8.2 图书情报机构服务主体保障方面 |
8.2.1 强化服务意识并挖掘智库需求 |
8.2.2 优化图情机构的智慧数据服务架构 |
8.2.3 建立并完善智慧数据服务能力评价体系 |
8.3 多源数据保障方面 |
8.3.1 加强智慧数据体系建设 |
8.3.2 建立一体化多源数据联动与反馈机制 |
8.4 智能化技术方法与工具保障方面 |
8.4.1 加强现代化数据技术的融合和应用 |
8.4.2 完善智慧数据服务平台功能和服务 |
8.5 智慧数据服务人才保障方面 |
8.5.1 完善我国图情机构学科馆员制度 |
8.5.2 提升智慧数据服务人员的创新服务能力 |
8.6 本章小结 |
第9章 研究结论与展望 |
9.1 研究结论 |
9.2 研究局限与展望 |
9.2.1 研究局限 |
9.2.2 研究展望 |
参考文献 |
附录 |
研究成果 |
致谢 |
(2)教育数字资源众筹众创供给与服务模式研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景及选题意义 |
1.1.1 研究背景 |
1.1.2 研究问题 |
1.1.3 选题意义 |
1.1.4 研究思路 |
1.2 研究方法及论文结构 |
第2章 国内外研究现状 |
2.1 教育数字资源供给政策研究 |
2.2 教育数字资源供给模式研究 |
2.3 教育数字资源建设与共享研究 |
2.3.1 教育数字资源建设研究 |
2.3.2 教育数字资源共享研究 |
2.4 教育数字资源交易机制研究 |
2.4.1 面向区块链的教育资源隐私保护监管研究 |
2.4.2 数字资源版权保护标准研究 |
2.4.3 区块链交易信息数据的保障方案研究 |
2.5 教育数字资源个性化服务研究 |
第3章 基于价值链生态的教育数字资源众筹众创供给模式 |
3.1 基于价值链生态的教育数字资源众筹众创供给模式提出 |
3.1.1 研究背景 |
3.1.2 研究问题分析 |
3.1.3 研究问题提出 |
3.1.4 问题解决思路 |
3.2 基于价值链生态的教育数字资源众筹众创供给模式 |
3.2.1 众筹众创主体协同 |
3.2.2 教育数字资源内容生产 |
3.2.3 教育资源组织管理 |
3.2.4 教育数字资源服务 |
3.3 教育数字源供给模型的技术应用模式 |
3.4 教育数字资源供给模型分析 |
3.4.1 资源建设主体多样性 |
3.4.2 资源供给模式 |
3.4.3 资源共享与反馈 |
3.4.4 资源供给质量 |
3.4.5 协同创建资源 |
3.5 本章小结 |
第4章 基于知识图谱的教育数字资源生产模式 |
4.1 研究问题提出 |
4.1.1 问题研究背景 |
4.1.2 问题提出 |
4.1.3 问题解决思路 |
4.2 基于知识图谱的教育数字资源生产模式设计 |
4.2.1 原始资源生产 |
4.2.2 资源聚合优化 |
4.2.3 教育数字资源评价 |
4.3 基于知识图谱的教育数字资源生产模式实现过程 |
4.3.1 资源生产流程 |
4.3.2 知识图谱的构造 |
4.3.3 聚合规则的定义 |
4.3.4 主题资源圈聚合 |
4.3.5 有序知识链聚合 |
4.4 基于知识图谱的教育数字资源生产模式分析 |
4.4.1 教育数字资源传统生产方法 |
4.4.2 相较于传统生产模式的优势 |
4.5 本章小结 |
第5章 基于区块链的教育数字资源交易保障方法 |
5.1 基于区块链的教育数字资源交易保障模式的提出 |
5.2 基于区块链的教育数字资源交易保障模式 |
5.2.1 教育数字资源数据源 |
5.2.2 教育数字资源数据所有者 |
5.2.3 教育数字资源数据请求者 |
5.3 基于区块链的教育数字资源交易保障模式实现过程 |
5.3.1 教育数字资源检索系统的实现过程 |
5.3.2 基于区块链的教育数字资源交易保障实现过程 |
5.3.3 教育资源数据上传的实现过程 |
5.4 与传统教育数字资源交易保障模式的比较分析 |
5.5 本章小结 |
第6章 基于学习者画像的教育数字资源个性化服务模式 |
6.1 基于学习者画像的教育资源个性化服务问题提出 |
6.1.1 教育资源个性化服务的内涵 |
6.1.2 教育资源个性化服务的特点 |
6.1.3 教育资源个性化服务模式分析 |
6.1.4 教育资源上性化服务的研究问题 |
6.2 基于学习者画像的教育资源个性化服务模式 |
6.2.1 基于学习者画像的教育资源个性化服务框架 |
6.2.2 混合学习者多维特征的学习者画像 |
6.2.3 基于知识图谱的教育资源描述 |
6.2.4 基于学习者画像的教育资源个性化服务模式 |
6.3 基于学习者画像的教育资源个性化服务模式实证研究 |
6.3.1 基于学习者画像的个性化服务模式分析 |
6.3.2 基于学习者画像的个性化服务模式对学生学习影响分析 |
6.3.3 基于学习者画像的个性化服务模式用户满意度分析 |
6.4 本章小结 |
第7章 总结 |
7.1 研究总结 |
7.2 研究重点 |
7.3 研究展望 |
参考文献 |
攻读博士期间发表的论文 |
致谢 |
(3)集群式超声科研开放平台(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究工作的背景与意义 |
1.1.1 医学超声技术的发展与限制 |
1.1.2 开放式超声平台的研发意义 |
1.2 开放式超声平台的国内外研究历史与现状 |
1.2.1 国外研究历史与现状 |
1.2.2 国内研究历史与现状 |
1.3 本文的主要研究内容与创新 |
1.4 本文的结构与安排 |
第二章 开放式超声平台 |
2.1 开放式超声平台的一般架构 |
2.1.1 基于软件的平台 |
2.1.2 基于硬件的平台 |
2.2 不同架构的一般性比较 |
2.3 集群式超声科研开放平台 |
2.3.1 超声模块 |
2.3.2 集群化结构 |
2.4 本章小结 |
第三章 集群式超声科研开放平台实现 |
3.1 实现路线 |
3.2 集群化实现 |
3.3 软件设计 |
3.3.1 嵌入式实现 |
3.3.2 应用程序实现 |
3.3.3 信号处理 |
3.4 本章小结 |
第四章 平台功能测试 |
4.1 定制化激励波形 |
4.1.1 单通道发射分析 |
4.1.2 多通道发射分析 |
4.2 同步性 |
4.3 超声数据验证 |
4.3.1 超声A模式验证 |
4.3.2 超声M模式验证 |
4.4 测试总结 |
4.5 本章小结 |
第五章 应用实现 |
5.1 超声脉冲多普勒 |
5.1.1 多普勒效应 |
5.1.2 脉冲多普勒算法 |
5.2 脉冲多普勒算法实现 |
5.2.1 MATLAB平台实现 |
5.2.2 应用程序中的实现 |
5.2.3 并行实时处理 |
5.2.4 结果分析 |
5.3 基于编码激励的超声脉冲多普勒 |
5.4 本章小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 展望 |
致谢 |
参考文献 |
攻读硕士学位期间取得的成果 |
(4)面向高校科研创新的图书馆智能服务研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究背景与问题提出 |
1.1.1 研究背景 |
1.1.2 问题提出 |
1.2 研究目的与意义 |
1.2.1 研究目的 |
1.2.2 研究意义 |
1.3 国内外研究现状与评述 |
1.3.1 基于知识图谱的研究现状分析 |
1.3.2 高校科研创新的研究综述 |
1.3.3 图书馆智能服务的研究综述 |
1.3.4 面向科研创新的图书馆服务研究综述 |
1.3.5 国内外相关研究的现状评述 |
1.4 研究内容与论文结构 |
1.4.1 研究内容 |
1.4.2 论文结构 |
1.5 研究方法与技术路线 |
1.5.1 研究方法 |
1.5.2 技术路线 |
第2章 相关理论基础与概念界定 |
2.1 相关理论基础 |
2.1.1 知识服务理论 |
2.1.2 复杂系统理论 |
2.1.3 系统动力学理论 |
2.2 高校科研创新概念及内涵 |
2.3 智能服务情境概念及内涵 |
2.4 图书馆智能服务概念及内涵 |
2.5 本文研究的整体逻辑与框架 |
2.5.1 研究的整体框架 |
2.5.2 研究的子框架 |
2.6 本章小结 |
第3章 面向高校科研创新的图书馆智能服务过程及机理分析 |
3.1 智能服务过程的分析框架 |
3.2 智能服务的过程阶段分析 |
3.2.1 智能服务创建阶段 |
3.2.2 智能服务实施阶段 |
3.2.3 智能服务收尾阶段 |
3.2.4 智能服务归档阶段 |
3.3 智能服务过程机理的多案例研究 |
3.3.1 机理分析步骤 |
3.3.2 案例研究设计 |
3.3.3 案例简要介绍 |
3.3.4 过程机理分析 |
3.3.5 案例研究结论 |
3.4 管理启示 |
3.5 本章小结 |
第4章 面向高校科研创新的图书馆智能服务关键因素识别 |
4.1 扎根理论方法及流程 |
4.1.1 扎根理论方法 |
4.1.2 具体操作流程 |
4.2 访谈设计与资料收集 |
4.2.1 样本对象的选择 |
4.2.2 研究问题的设计 |
4.2.3 访谈资料的处理 |
4.3 扎根编码与范畴提炼 |
4.3.1 编码有效性 |
4.3.2 开放式编码 |
4.3.3 主轴编码 |
4.3.4 选择性编码 |
4.3.5 理论饱和度检验 |
4.4 模型阐释与分析 |
4.5 本章小结 |
第5章 面向高校科研创新的图书馆智能服务影响因素实证 |
5.1 研究假设与实证模型 |
5.1.1 知识服务资源的影响 |
5.1.2 科研服务参与的影响 |
5.1.3 智能服务感知的影响 |
5.1.4 科研服务需求的影响 |
5.1.5 服务应用动机的影响 |
5.1.6 智能技术体验的影响 |
5.1.7 研究假设与概念模型 |
5.2 调查问卷与实证方法 |
5.2.1 调研目的与调查对象 |
5.2.2 问卷设计与数据收集 |
5.2.3 调查问卷的变量测量 |
5.2.4 结构方程模型及流程 |
5.3 实证研究的数据分析 |
5.3.1 描述性统计 |
5.3.2 量表的信度 |
5.3.3 量表的效度 |
5.4 假设验证与模型拟合 |
5.4.1 研究假设检验验证 |
5.4.2 结构方程模型拟合 |
5.4.3 研究结果实证分析 |
5.5 管理启示 |
5.6 本章小结 |
第6章 面向高校科研创新的图书馆智能服务系统动力学仿真 |
6.1 系统动力学模型的原理及应用 |
6.1.1 模型应用原理 |
6.1.2 模型构建步骤 |
6.1.3 模型应用意义 |
6.2 系统分析 |
6.2.1 系统分析与构成 |
6.2.2 系统建模的目的 |
6.2.3 系统模型的边界 |
6.3 系统建模 |
6.3.1 系统边界的限定 |
6.3.2 因果关系与反馈 |
6.3.3 模型的系统流图 |
6.3.4 系统动力学方程 |
6.3.5 初始参数的设置 |
6.3.6 模型有效性检验 |
6.4 系统模型仿真与结果应用讨论 |
6.4.1 运行趋势及应用 |
6.4.2 关键变量及应用 |
6.4.3 主导回路及应用 |
6.5 管理启示 |
6.6 本章小结 |
结论 |
参考文献 |
附录1 面向高校科研创新的图书馆智能服务调查问卷 |
附录2 |
攻读博士学位期间发表的论文及其它成果 |
致谢 |
个人简历 |
(5)跨平台统一大数据分析处理与可视化编程平台(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景 |
1.2 国内外研究现状与不足 |
1.3 本文主要研究工作 |
1.4 本文组织结构 |
第二章 相关背景知识 |
2.1 相关工作 |
2.1.1 跨平台大数据分析系统 |
2.1.2 可视化机器学习建模系统 |
2.2 相关背景系统介绍 |
2.2.1 Apache Spark简介 |
2.2.2 Spark Jobserver简介 |
2.2.3 Sklearn简介 |
2.2.4 Tensorflow简介 |
2.2.5 HDFS简介 |
2.3 本章小结 |
第三章 跨平台统一编程模型与框架 |
3.1 跨平台统一编程模型与框架 |
3.2 计算流图的表示与实现 |
3.3 全流程化大数据分析编程方法与框架 |
3.4 本章小结 |
第四章 开放式大数据系统集成框架 |
4.1 计算平台的集成框架 |
4.1.1 统一计算平台集成接口 |
4.1.2 通信协议层 |
4.1.3 计算平台服务端 |
4.2 用户自定义算子的集成 |
4.3 本章小结 |
第五章 跨平台统一调度与优化 |
5.1 跨平台统一调度与优化整体框架 |
5.2 平台选择优化器 |
5.2.1 不同平台上算子的执行性能对比 |
5.2.2 代价学习器 |
5.2.3 基于代价模型的平台选择算法 |
5.3 跨平台统一调度器 |
5.3.1 作业调度器 |
5.3.2 任务调度器 |
5.3.3 平台调度器 |
5.4 跨平台统一数据交换引擎 |
5.4.1 数据模型 |
5.4.2 存储模型 |
5.4.3 跨平台数据管理 |
5.5 本章小结 |
第六章 大数据分析可视化编程方法与系统实现 |
6.1 跨平台统一大数据分析可视化编程系统特性 |
6.2 系统设计与实现 |
6.2.1 系统整体框架 |
6.2.2 数据源管理和模型管理框架 |
6.2.3 计算流图管理与运行框架和实现 |
6.3 可视化编程工具的设计与实现 |
6.3.1 系统功能介绍 |
6.3.2 计算流图搭建操作示例 |
6.3.3 可视化编程工具的实现 |
6.3.4 系统部署方式 |
6.4 本章小结 |
第七章 实验与分析 |
7.1 实验环境配置 |
7.2 数据本地性优化实验 |
7.3 自动平台选择算法实验 |
7.3.1 代价学习器效果实验 |
7.3.2 基于代价模型的平台选择算法实验 |
7.4 多平台选择优化性能实验 |
7.5 单平台选择优化性能实验 |
7.6 已有系统性能对比实验 |
7.7 本章小结 |
第八章 总结与展望 |
8.1 工作总结 |
8.2 进一步工作 |
参考文献 |
致谢 |
附录 |
(6)开放式创新社区知识协同创新研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景 |
1.2 研究目的及意义 |
1.2.1 研究目的 |
1.2.2 研究意义 |
1.3 国内外研究现状 |
1.3.1 文献计量分析 |
1.3.2 国内研究评述 |
1.3.3 国外研究评述 |
1.3.4 研究展望 |
1.4 研究内容与研究方法 |
1.4.1 研究内容 |
1.4.2 研究方法 |
1.5 研究技术路线及创新点 |
1.5.1 技术路线 |
1.5.2 论文创新点 |
1.6 本章小结 |
第二章 相关概念与理论基础 |
2.1 开放式创新社区 |
2.1.1 概念 |
2.1.2 类型 |
2.1.3 特征 |
2.2 知识协同创新 |
2.2.1 用户生成内容 |
2.2.2 知识创新 |
2.2.3 协同创新 |
2.3 知识进化理论及相关概念 |
2.3.1 知识进化 |
2.3.2 知识基因 |
2.3.3 知识遗传 |
2.3.4 知识变异 |
2.3.5 相关概念间逻辑关系 |
2.4 复杂网络理论 |
2.4.1 社会网络理论 |
2.4.2 超网络理论 |
2.5 本章小结 |
第三章 开放式创新社区知识协同创新的逻辑模型 |
3.1 开放式创新社区知识协同创新的内涵及特征 |
3.1.1 开放式创新社区知识协同创新的内涵 |
3.1.2 开放式创新社区知识协同创新的特征 |
3.2 开放式创新社区知识协同创新的要素构成 |
3.2.1 知识协同创新主体 |
3.2.2 知识协同创新客体 |
3.2.3 知识协同创新平台载体 |
3.2.4 知识协同创新环境 |
3.2.5 要素间相互作用及演化规律 |
3.3 开放式创新社区知识协同创新的过程 |
3.3.1 创意萌芽阶段 |
3.3.2 创意演化阶段 |
3.3.3 创新形成阶段 |
3.4 开放式创新社区知识协同创新过程的动力因素分析 |
3.4.1 驱动要素 |
3.4.2 因果关系图 |
3.4.3 系统动力学模型 |
3.5 开放式创新社区知识协同创新的逻辑模型构建 |
3.6 本章小结 |
第四章 开放式创新社区的用户知识协同机理分析 |
4.1 用户的界定与分类 |
4.2 用户知识协同的定义 |
4.2.1 用户知识协同的内涵 |
4.2.2 用户知识协同的特征 |
4.3 用户知识协同交互过程模型 |
4.3.1 用户知识协同共生过程 |
4.3.2 用户知识协同合作过程 |
4.3.3 用户知识协同网络 |
4.3.4 模型构建 |
4.4 用户知识协同的动机分析 |
4.4.1 研究方法 |
4.4.2 样本选择与采集 |
4.4.3 原始资料的整理汇编 |
4.4.4 范畴编码 |
4.4.5 结果讨论 |
4.5 用户知识协同网络的可视化分析 |
4.5.1 数据来源 |
4.5.2 数据预处理 |
4.5.3 用户知识协同网络图谱 |
4.5.4 结果讨论 |
4.6 本章小结 |
第五章 开放式创新社区的知识进化机理分析 |
5.1 知识进化的构成要素及演变过程 |
5.1.1 构成要素 |
5.1.2 演变过程 |
5.2 知识进化的自组织分析 |
5.2.1 自组织特征 |
5.2.2 自组织熵流 |
5.2.3 自组织作用力 |
5.2.4 自组织创新扩散 |
5.3 知识进化的网络分析 |
5.3.1 知识进化的网络模型界定 |
5.3.2 知识进化的网络节点 |
5.3.3 知识基因节点间的连接原理 |
5.4 知识进化的网络可视化分析 |
5.4.1 数据来源及处理 |
5.4.2 知识进化的网络图谱 |
5.4.3 知识进化的网络路径 |
5.5 知识创新热点识别 |
5.5.1 知识DNA模型设计 |
5.5.2 知识基因聚类 |
5.5.3 知识DNA模型构建 |
5.5.4 知识基因热点的识别模型 |
5.5.5 基于熵权TOPSIS模型的热点计算过程 |
5.5.6 结果分析 |
5.6 本章小节 |
第六章 开放式创新社区知识协同创新的超网络分析 |
6.1 子网络构建 |
6.1.1 用户网络建模 |
6.1.2 知识文本网络建模 |
6.1.3 知识基因网络建模 |
6.2 不同子网络间映射关系 |
6.2.1 用户网络与知识文本网络 |
6.2.2 知识文本网络与知识基因网络 |
6.2.3 用户网络与知识基因网络 |
6.3 超网络模型构建及案例分析 |
6.3.1 超网络模型构建 |
6.3.2 案例分析思路 |
6.3.3 可视化图谱及结果讨论 |
6.4 开放式创新社区知识协同创新机理路径 |
6.5 本章小结 |
第七章 开放式创新社区知识协同创新的保障机制及策略 |
7.1 开放式创新社区知识协同创新的保障机制 |
7.1.1 人机互动机制 |
7.1.2 知识创新热点预测机制 |
7.1.3 社区技术机制 |
7.1.4 知识协同创新激励机制 |
7.2 平台建设视角下的知识协同创新保障策略 |
7.2.1 优化社区平台的功能性设计 |
7.2.2 社区规则制度的落实及完善 |
7.3 情境优化视角下的知识协同创新保障策略 |
7.3.1 知识协同创新文化氛围的营造 |
7.3.2 社区知识服务功能的完善 |
7.4 用户协同参与视角下的知识协同创新保障策略 |
7.4.1 引导高活跃度用户向核心创新用户转变 |
7.4.2 充分发挥核心创新用户的带动效应 |
7.4.3 提升社区用户的信息素养 |
7.5 本章小结 |
第八章 总结与展望 |
8.1 论文总结 |
8.2 研究不足及展望 |
参考文献 |
附录 |
作者简介及科研成果 |
致谢 |
(7)虚拟知识社区知识生态及场景化服务研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 研究背景与研究意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 国内外研究现状 |
1.2.1 国内知识生态研究现状 |
1.2.2 国外知识生态研究现状 |
1.2.3 研究述评 |
1.3 研究内容与研究方法 |
1.3.1 研究内容 |
1.3.2 研究方法 |
1.4 研究思路与技术路线 |
1.4.1 研究思路 |
1.4.2 技术路线 |
1.5 研究创新点 |
第2章 相关概念和理论基础 |
2.1 相关概念 |
2.1.1 虚拟知识社区 |
2.1.2 知识生态 |
2.1.3 场景 |
2.2 理论基础 |
2.2.1 场景五力理论 |
2.2.2 知识图谱理论 |
2.2.3 知识超网络理论 |
2.2.4 马斯洛需求层次论 |
2.2.5 用户画像理论 |
第3章 虚拟知识社区的知识生态模型 |
3.1 虚拟知识社区的知识生态内涵与特征 |
3.1.1 虚拟知识社区的知识生态内涵 |
3.1.2 虚拟知识社区的知识生态特征 |
3.2 虚拟知识社区的知识生态组成要素 |
3.2.1 虚拟知识社区知识主体 |
3.2.2 虚拟知识社区知识资源 |
3.2.3 虚拟知识社区场景 |
3.2.4 要素间关联关系 |
3.3 虚拟知识社区的知识生态组成要素关联解析 |
3.3.1 知识主体关联 |
3.3.2 知识资源关联 |
3.3.3 主体-资源关联 |
3.3.4 主体-资源-场景关联 |
3.4 虚拟知识社区的知识生态模型构建 |
3.4.1 知识生态模型维度解析 |
3.4.2 知识生态模型构建 |
3.5 本章小结 |
第4章 虚拟知识社区主体与资源关联关系 |
4.1 知识主体的层级结构与网络结构 |
4.1.1 知识主体层级结构 |
4.1.2 知识主体传播路径 |
4.1.3 知识主体网络结构 |
4.2 知识资源的层级结构与网络结构 |
4.2.1 知识资源层级结构 |
4.2.2 知识资源传播路径 |
4.2.3 知识资源网络结构 |
4.3 知识主体可视化图谱 |
4.3.1 数据选取及处理 |
4.3.2 网络描述性特征分析 |
4.3.3 核心用户群体分析 |
4.3.4 网络结构分析 |
4.3.5 节点度中心性分析 |
4.4 知识资源可视化图谱 |
4.4.1 数据选取及处理 |
4.4.2 网络描述性特征分析 |
4.4.3 节点度中心性分析 |
4.4.4 网络结构分析 |
4.5 本章小结 |
第5章 虚拟知识社区多维图谱构建 |
5.1 虚拟知识社区知识图谱维度解析 |
5.1.1 知识主体维度 |
5.1.2 知识资源维度 |
5.1.3 场景 |
5.2 虚拟知识社区知识图谱的逻辑结构及体系架构 |
5.2.1 知识图谱的逻辑结构 |
5.2.2 知识图谱的体系架构 |
5.3 虚拟知识社区本体属性与本体关系定义 |
5.3.1 主体类属性定义 |
5.3.2 资源类属性定义 |
5.3.3 场景属性定义 |
5.3.4 本体关系定义 |
5.4 虚拟知识社区知识图谱构建 |
5.4.1 数据预处理 |
5.4.2 基于Neo4j知识图谱构建 |
5.4.3 主体—资源知识图谱 |
5.4.4 主体—场景知识图谱 |
5.4.5 主体—资源—场景知识图谱 |
5.5 本章小结 |
第6章 虚拟知识社区场景化服务的影响因素识别 |
6.1 样本选择与影响因素确定 |
6.1.1 样本选择 |
6.1.2 访谈过程设计 |
6.1.3 资料整理与编码 |
6.1.4 编码过程 |
6.1.5 影响因素分析 |
6.2 关键影响因素识别 |
6.2.1 DEMATEL算法 |
6.2.2 数据处理流程 |
6.2.3 数据来源与处理 |
6.2.4 确定直接影响矩阵 |
6.2.5 综合影响矩阵的转化 |
6.3 数据处理结论分析 |
6.3.1 影响因素间关系分析 |
6.3.2 关键影响因素分析 |
6.3.3 研究结论 |
6.4 本章小结 |
第7章 虚拟知识社区场景化服务实现 |
7.1 虚拟知识社区用户画像概念模型构建 |
7.1.1 多维属性标签体系的构建 |
7.1.2 概念模型维度细分 |
7.1.3 概念模型的构建 |
7.2 虚拟知识社区场景画像概念模型构建 |
7.2.1 场景标签体系构建 |
7.2.2 概念模型的构建 |
7.3 虚拟知识社区资源聚合模型及场景化服务实现 |
7.3.1 用户画像与场景画像的适配关系 |
7.3.2 资源聚合模型的构成要素 |
7.3.3 资源聚合模型的构建 |
7.3.4 虚拟知识社区场景识别流程 |
7.3.5 虚拟知识社区场景化服务实现 |
7.4 虚拟知识社区场景化服务的实证研究 |
7.4.1 场景化服务实验设计 |
7.4.2 用户需求场景识别 |
7.4.3 场景化服务的实现 |
7.5 本章小结 |
第8章 研究结论与展望 |
8.1 研究结论 |
8.2 研究局限 |
8.3 研究展望 |
参考文献 |
攻读博士学位期间取得的成果 |
致谢 |
调查问卷:虚拟知识社区场景化服务影响因素调查问卷 |
专家打分表 |
(8)多源学术新媒体用户生成内容的知识聚合研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 选题背景 |
1.1.1 学术新媒体成为科研工作者学术交流的新途径 |
1.1.2 学术新媒体普遍存在低质量用户生成内容 |
1.1.3 用户需求促使学术新媒体知识聚合成为趋势 |
1.1.4 多源平台内容的知识聚合需求逐渐增长 |
1.2 研究目的及意义 |
1.2.1 研究目的 |
1.2.2 研究意义 |
1.3 国内外研究现状 |
1.3.1 学术新媒体国内外研究现状 |
1.3.2 新媒体用户生成内容国内外研究现状 |
1.3.3 新媒体知识聚合国内外研究现状 |
1.3.4 研究现状述评 |
1.4 研究内容与研究方法 |
1.4.1 研究内容 |
1.4.2 研究方法 |
1.4.3 技术路线 |
1.5 本文创新点 |
第2章 相关概念及理论基础 |
2.1 学术新媒体内涵与特征 |
2.1.1 学术新媒体的内涵 |
2.1.2 学术新媒体的特征 |
2.2 用户生成内容概述 |
2.2.1 用户生成内容的内涵 |
2.2.2 用户生成内容的特征 |
2.2.3 用户生成内容的分类 |
2.3 知识聚合理论与方法 |
2.3.1 知识聚合的概念 |
2.3.2 知识聚合的方法 |
2.4 自然语言处理概述 |
2.4.1 自然语言处理概念 |
2.4.2 自然语言处理方法 |
2.5 本章小结 |
第3章 多源学术新媒体用户生成内容的知识聚合机理 |
3.1 多源学术新媒体用户生成内容知识聚合的内涵与类型 |
3.1.1 多源学术新媒体用户生成内容的知识聚合内涵 |
3.1.2 多源学术新媒体用户生成内容的知识聚合类型 |
3.2 多源学术新媒体用户生成内容知识聚合的要素 |
3.2.1 知识聚合主体 |
3.2.2 知识聚合客体 |
3.2.3 知识聚合的内容 |
3.2.4 知识聚合的环境 |
3.2.5 知识聚合的技术 |
3.3 多源学术新媒体用户生成内容的知识聚合动机 |
3.3.1 学术信息资源需求驱动 |
3.3.2 学术创新环境驱动 |
3.3.3 知识聚合主体收益驱动 |
3.3.4 科技进步驱动 |
3.3.5 多源学术平台资源驱动 |
3.4 多源学术新媒体用户生成内容的知识聚合过程 |
3.4.1 挖掘与解读用户需求 |
3.4.2 学术信息的数据处理 |
3.4.3 学术信息的质量评测 |
3.4.4 知识发现与聚合 |
3.4.5 学术知识推荐 |
3.5 多源学术新媒体用户生成内容的知识聚合机理模型 |
3.6 基于用户需求的多源学术新媒体用户生成内容知识聚合服务过程 |
3.7 本章小结 |
第4章 多源学术新媒体用户生成内容的质量评测 |
4.1 多源学术新媒体用户生成内容质量评测的目的 |
4.2 多源学术新媒体用户生成内容质量评测的过程与方法 |
4.2.1 多源学术新媒体用户生成内容质量评测的过程 |
4.2.2 多源学术新媒体用户生成内容质量评测方法 |
4.3 应用实例分析 |
4.3.1 数据集预处理与自动化特征提取 |
4.3.2 双层Bi-GRU模型训练 |
4.3.3 评价指标 |
4.3.4 结论与分析 |
4.4 本章小结 |
第5章 多源学术新媒体用户生成内容的知识主题生成 |
5.1 多源学术新媒体用户生成内容知识主题生成概念和目的 |
5.2 多源学术新媒体用户生成内容知识主题生成过程与方法 |
5.2.1 多源学术新媒体用户生成内容知识主题生成过程 |
5.2.2 多源学术新媒体用户生成内容知识主题生成方法 |
5.3 基于BiLSTM-CNN-CRF和 LDA的多源学术新媒体用户生成内容的知识主题生成模型 |
5.4 应用实例分析 |
5.4.1 结合BiLSTM-CNN-CRF和 LDA主题词生成 |
5.4.2 主题词过滤与融合 |
5.4.3 结论与分析 |
5.5 本章小结 |
第6章 多源学术新媒体用户生成内容的知识摘要生成 |
6.1 学术用户生成内容的摘要生成的概念及意义 |
6.2 多源学术新媒体用户生成内容摘要生成过程与方法 |
6.2.1 用户生成内容摘要生成过程 |
6.2.2 用户生成内容摘要生成方法 |
6.3 基于W2V-MMR的多源学术新媒体用户生成内容摘要生成方法 |
6.3.1 W2V-MMR算法的计算过程 |
6.3.2 多源学术新媒体用户生成内容摘要评价指标 |
6.4 应用实例分析 |
6.4.1 数据获取与预处理 |
6.4.2学术新媒体用户生成内容生成摘要实验 |
6.4.3 结论与分析 |
6.5 本章小结 |
第7章 多源学术新媒体用户生成内容的知识聚合精准推荐 |
7.1 多源学术新媒体用户生成内容知识聚合推荐的概念及目的 |
7.2 多源学术新媒体用户生成内容的知识聚合推荐过程与方法 |
7.2.1 多源学术新媒体用户生成内容的知识聚合推荐过程 |
7.2.2 多源学术新媒体用户生成内容的知识聚合推荐方法 |
7.3 基于用户兴趣度模型与传递相似度的多源学术新媒体用户生成内容的知识聚合精准推荐 |
7.3.1 基于用户兴趣度模型的精准推荐评分体系 |
7.3.2 基于用户相似性传递的用户共联网络 |
7.3.3 基于用户兴趣度模型与传递相似度的混合推荐 |
7.3.4 多源学术新媒体用户生成内容知识聚合的精准知识推荐服务 |
7.4 本章小结 |
第8章 提升多源学术新媒体知识聚合效果的策略 |
8.1 知识聚合主体层面 |
8.1.1 以用户为中心建立知识聚合理念 |
8.1.2 深入挖掘学术新媒体用户多层次的需求 |
8.1.3 完善学术新媒体平台内容质量监管和激励机制 |
8.1.4 合理规范学术新媒体内的主题与重点内容 |
8.1.5 学习与借鉴他源平台内容 |
8.2 知识聚合对象层面 |
8.2.1 促进学术用户积极互动 |
8.2.2 提升学术用户信息素养 |
8.2.3 提倡统一用词与语言凝练 |
8.2.4 提升多源平台交叉用户基数 |
8.3 知识聚合技术层面 |
8.3.1 改进大数据挖掘和人工智能技术 |
8.3.2 搭建学术新媒体的新型知识服务系统 |
8.3.3 建立多源学术新媒体的互联技术 |
8.3.4 应用学术知识可视化技术 |
8.4 知识聚合环境层面 |
8.4.1 营造良好的学术讨论氛围 |
8.4.2 加强学术新媒体平台之间的交流合作 |
8.4.3 加大学术新媒体平台的宣传力度 |
8.5 本章小结 |
第9章 研究结论与展望 |
9.1 研究结论 |
9.2 研究不足与展望 |
参考文献 |
作者简介及在学期间所取得的科研成果 |
致谢 |
(9)城市创意产业区的空间集聚度及组织驱动系统研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景及问题提出 |
1.1.1 研究背景 |
1.1.2 研究问题 |
1.2 研究目的和意义 |
1.2.1 研究目的 |
1.2.2 研究意义 |
1.2.3 研究思路 |
1.3 研究方法和路线 |
1.3.1 研究内容 |
1.3.2 研究方法 |
1.3.3 技术路线 |
1.4 研究的主要创新点 |
第2章 创意产业区空间集聚度相关理论及文献综述 |
2.1 创意产业空间集聚化理论及方法 |
2.1.1 空间集聚指标化简介 |
2.1.2 指标类耦合概念分类 |
2.1.3 空间集聚度测算方法 |
2.1.4 BP神经网络模型简述 |
2.1.5 SWARM群智能算法 |
2.2 城市创意产业区空间集聚度相关概念 |
2.2.1 空间集聚的发展缘起 |
2.2.2 空间集聚的概念特征 |
2.2.3 空间集聚的概念认知 |
2.3 创意产业区空间影响因素的研究动态 |
2.3.1 影响因素的概念 |
2.3.2 影响因素的识别 |
2.4 创意产业区组织驱动效应的研究评述 |
2.4.1 组织驱动的概念及特点 |
2.4.2 创意产业组织驱动 |
2.4.3 驱动系统的概念 |
2.4.4 驱动效应的识别 |
2.4.5 驱动效应的机制 |
2.5 国内外研究综述 |
第3章 创意产业区集聚度、影响因素及驱动关系研究 |
3.1 研究前提 |
3.2 系统流程 |
3.3 调研数据来源 |
3.3.1 客观数据 |
3.3.2 访谈设计 |
3.4 扎根过程分析 |
3.4.1 初始译码的设计 |
3.4.2 开放式编码设计 |
3.4.3 主轴编码的解析 |
3.4.4 选择性编码设计 |
3.4.5 扎根的识别结果 |
3.5 扎根结果检验 |
3.5.1 描述性统计 |
3.5.2 信度检验 |
3.5.3 效度检验 |
3.6 结构方程分析 |
3.6.1 驱动效应与影响因素的关联构建 |
3.6.2 综合驱动效应检验 |
3.7 空间集聚度初级耦合模型建立 |
3.7.1 耦合内涵及特点 |
3.7.2 耦合类型的假设 |
3.7.3 耦合关系及指标框架建立 |
3.8 本章小结 |
第4章 创意产业区空间集聚度的驱动效应实证研究 |
4.1 空间集聚度的测量方法 |
4.1.1 数值选取 |
4.1.2 指标筛选 |
4.2 空间集聚度测算分析 |
4.2.1 就业区位熵LQ1测算 |
4.2.2 产值区位熵LQ2测算 |
4.2.3 赫芬达尔指数HHI测算 |
4.3 空间集聚度对影响因素的实证分析 |
4.3.1 TOPSIS模型实证分析 |
4.3.2 面板数据模型的选择分析 |
4.3.3 面板数据模型平稳性检验 |
4.3.4 面板数据模型的回归分析 |
4.4 驱动效应对影响因素的计量与验证 |
4.4.1 面板模型的构建检验 |
4.4.2 实证结果的回归分析 |
4.5 本章小结 |
4.5.1 研究结果 |
第5章 创意产业区空间集聚度的驱动机制应用研究 |
5.1 空间集聚度的多因素理论模型求解应用 |
5.2 基于BP-GA神经网络下遗传算法的空间寻优 |
5.2.1 BP神经网络建模流程 |
5.2.2 BP神经网络指标构建 |
5.2.3 BP神经网络模型训练 |
5.2.4 GA算法优化神经网络 |
5.2.5 GA算法空间寻优求解 |
5.3 基于寻优区域内DBICP密度算法的空间聚类 |
5.3.1 空间集聚数据选取及属性 |
5.3.2 DBSACN算法规则及标记 |
5.3.3 DBSCAN算法改进及优化 |
5.3.4 DBICP空间集聚轨迹迭加 |
5.3.5 DBICP空间集聚初步可视 |
5.4 本章小结 |
5.4.1 研究结果 |
5.4.2 研究结论 |
第6章 创意产业区空间集聚度的驱动机制图像研究 |
6.1 基于DBICP的源JS代码交互实现 |
6.1.1 JS的环境建模 |
6.1.2 JS的代码实现 |
6.2 基于JS实现CANVAS可视化3D效果 |
6.2.1 CANVAS的技术构建 |
6.2.2 CANVAS效果输出及对比 |
6.3 基于CANVAS实现ARCGIS动态地图 |
6.3.1 ARCGIS三维图底加载 |
6.4 基于ARCGIS实现E-CHARTS可视图像 |
6.4.1 E-CHARTS的技术构建 |
6.4.2 E-CHARTS的效果输出 |
6.5 本章小结 |
6.5.1 研究结论 |
6.5.2 政策建议 |
6.5.3 不足之处 |
第7章 研究结论与展望 |
7.1 研究结论 |
7.2 研究展望 |
参考文献 |
附录 |
附录一 :BP输入样本原始量表 |
附录二 :空间集聚研究量表附录 |
附录三 :调研问卷 |
附录四 :研究访谈 |
附录五 :代码附录 |
附录六 :JSON和 E-CHARTS的大数据动态代码 |
附录七 :ARC-GIS完整三维代码创建 |
个人简历 |
攻读学位期间的学术成果 |
致谢 |
(10)5G网络技术对提升4G网络性能的研究(论文提纲范文)
引言 |
1 4G网络现处理办法 |
2 4G网络可应用的5G关键技术 |
2.1 Msssive MIMO技术 |
2.2 极简载波技术 |
2.3 超密集组网 |
2.4 MEC技术 |
3 总结 |
四、MFDM:开放式可视化知识发现平台的设计与实现(论文参考文献)
- [1]面向智库需求的智慧数据服务模式及服务能力评价研究[D]. 吴雅威. 吉林大学, 2021(01)
- [2]教育数字资源众筹众创供给与服务模式研究[D]. 黄太进. 华中师范大学, 2021(02)
- [3]集群式超声科研开放平台[D]. 张康. 电子科技大学, 2021(01)
- [4]面向高校科研创新的图书馆智能服务研究[D]. 陈茫. 哈尔滨工业大学, 2021(02)
- [5]跨平台统一大数据分析处理与可视化编程平台[D]. 唐颀伟. 南京大学, 2020(11)
- [6]开放式创新社区知识协同创新研究[D]. 任亮. 吉林大学, 2020(08)
- [7]虚拟知识社区知识生态及场景化服务研究[D]. 徐海玲. 吉林大学, 2020(08)
- [8]多源学术新媒体用户生成内容的知识聚合研究[D]. 陶兴. 吉林大学, 2020(08)
- [9]城市创意产业区的空间集聚度及组织驱动系统研究[D]. 周琦. 东华大学, 2020(01)
- [10]5G网络技术对提升4G网络性能的研究[J]. 刘奕. 数码世界, 2020(04)