基于深度学习的学术期刊选题同质化测度方法研究

被引：17

作者：

逯万辉 ^{[1
,2
,3
]}

机构：

[1] 中国科学院文献情报中心

[2] 中国科学院大学

[3] 中国社会科学院中国社会科学评价中心

来源：

情报资料工作 | 2017年 / 05期

关键词：

学术期刊同质化; 研究选题; 深度学习; 主题模型;

D O I：

暂无

中图分类号：

G232.1 [选题、组稿]; G353.1 [情报资料的分析和研究];

学科分类号：

050302 ; 1205 ;

摘要：

文章针对当前学术期刊发展中的同质化以及研究选题的相似性问题,提出了基于深度学习的学术期刊选题同质化测度模型,分别从基于期刊整体主题分布的同质化测度和基于单篇论文相似度的期刊同质化测度两个方面展开研究,并以图书情报与档案学核心期刊为例进行了实证,结果表明两种方法都能够较好地识别出期刊间选题的相似性,且可以互为补充。

引用

页码：105 / 112

页数：8

共 20 条

[1]

基于语义理解的文本相似度计算研究与实现.[D].孙润志.中国科学院研究生院（沈阳计算技术研究所）.2015, 03

[2]

基于深度学习的短文本语义相似度计算.[D].陈晓阳.北京理工大学.2015, 04

[3]

基于领域词典的中文文本相似度匹配.[D].张会昌.山东大学.2014, 10

[4]

基于马尔科夫模型词序因子的文本相似度研究.[D].桓乐乐.湖北工业大学.2012, 01

[5]

Text classification from unlabeled documents with bootstrapping and feature projection techniques.[J].Youngjoong Ko;Jungyun Seo.Information Processing and Management.2008, 1

[6]

Syntactic clustering of the Web.[J].Andrei Z. Broder;Steven C. Glassman;Mark S. Manasse;Geoffrey Zweig.Computer Networks and ISDN Systems.1997, 8

[7] A fast learning algorithm for deep belief nets [J].