• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于詞嵌入的國家自然科學(xué)基金學(xué)科交叉知識發(fā)現(xiàn)方法
    ——以“人工智能”與“信息管理”為例

    2021-09-09 03:18:16王衛(wèi)軍姚暢喬子越崔文娟杜一周園春
    情報學(xué)報 2021年8期
    關(guān)鍵詞:交叉語義聚類

    王衛(wèi)軍,姚暢,喬子越,崔文娟,杜一,周園春

    (1.中國科學(xué)院計算機網(wǎng)絡(luò)信息中心,北京 100190;2.中國科學(xué)院大學(xué),北京 100049;3.國家自然科學(xué)基金委員會信息中心,北京 100085)

    1 引言

    學(xué)科交叉是伴隨社會和學(xué)科自身發(fā)展需求而出現(xiàn)的一種綜合性科學(xué)活動[1],面對科研問題的復(fù)雜性,科學(xué)研究超越單一學(xué)科的范疇,眾多學(xué)科交叉、融合和滲透是現(xiàn)代社會科學(xué)問題的解決方法與途徑。關(guān)于交叉科學(xué)的研究中,Woodorth于1926年提出了“interdisciplinary”(跨學(xué)科)的概念以來[2],Morillo等[3]、Rosenfield[4]在相關(guān)研究中對與學(xué)科交叉相近的概念“多學(xué)科”“邊緣學(xué)科”“超學(xué)科”“跨學(xué)科”等概念之間的差異進(jìn)行了詳細(xì)闡述。我國科學(xué)家錢學(xué)森[5]、路甬祥[6]也在相關(guān)文獻(xiàn)中對學(xué)科交叉以及交叉學(xué)科的相關(guān)問題進(jìn)行了論述。學(xué)科交叉在人類發(fā)展過程中,促進(jìn)了許多重要成就的產(chǎn)生,如人類基因組測序、納米技術(shù)等。鑒于學(xué)科交叉研究在科學(xué)發(fā)展中的重要地位,世界各國相關(guān)科研管理機構(gòu)都投入更多的資金以及制定相應(yīng)的政策以支持學(xué)科交叉領(lǐng)域的研究工作,國家自然科學(xué)基金委員會(National Natural Science Foundation of China,NSFC)于2020年11月成立交叉科學(xué)部,以探索支持交叉研究的新機制,培育新興交叉領(lǐng)域的重大原創(chuàng)突破,有效促進(jìn)學(xué)科交叉研究。

    近年來,人工智能技術(shù)的興起促使許多行業(yè)發(fā)生了變革,許多科研管理機構(gòu)也希望人工智能技術(shù)能在科研項目的資助和管理方面提供幫助。國家自然科學(xué)基金委員會主任李靜海院士表示,國家自然科學(xué)基金委員會正在建立一個更加復(fù)雜的系統(tǒng),利用AI(artificial intelligence)技術(shù)輔助項目的評審工作[7]。在學(xué)科交叉研究中,融入人工智能技術(shù)以輔助潛在交叉學(xué)科知識點的發(fā)現(xiàn),提供新的學(xué)科交叉研究切入點,同時以理論與實踐問題為導(dǎo)向,培育其成長為新的學(xué)術(shù)增長點,進(jìn)而形成交叉學(xué)科,服務(wù)國家需要是一項有意義的研究工作。國家自然科學(xué)基金委員會每年資助的國家自然科學(xué)基金項目在一定程度上代表著當(dāng)年相關(guān)科學(xué)領(lǐng)域的重要或前沿研究內(nèi)容,國家自然科學(xué)基金所資助項目中的關(guān)鍵詞在某種程度上是相關(guān)科研項目的主題提煉,是快速獲取項目所研究內(nèi)容的重要途徑。本文擬嘗試?yán)脟易匀豢茖W(xué)基金資助項目的關(guān)鍵詞信息,通過文獻(xiàn)計量學(xué)及詞嵌入(word embedding)相關(guān)技術(shù)方法,分析發(fā)現(xiàn)學(xué)科交叉研究中的潛在知識融合地帶,探索利用人工智能技術(shù)輔助科研人員獲取潛在的學(xué)科交叉研究知識點,進(jìn)而從微觀學(xué)科交叉知識粒度討論并研判學(xué)科交叉知識成長為交叉學(xué)科的新途徑。

    2 相關(guān)工作

    2.1 學(xué)科交叉知識點發(fā)現(xiàn)

    本文以國家自然科學(xué)基金資助項目關(guān)鍵詞數(shù)據(jù)為主要分析對象,嘗試解析并發(fā)現(xiàn)學(xué)科之間的潛在知識交叉點,因此,可將研究工作歸納為學(xué)科劃分體系、“跨學(xué)科性”測度、跨學(xué)科知識轉(zhuǎn)移與知識點發(fā)現(xiàn)等。學(xué)科劃分體系是進(jìn)行跨學(xué)科內(nèi)容識別與判斷的基礎(chǔ),國家自然科學(xué)基金委員會下設(shè)9個科學(xué)部,每個科學(xué)部包括若干學(xué)科門類,其項目申請代碼在一定程度上體現(xiàn)了學(xué)科的分類體系,其分類體系基本采用4級結(jié)構(gòu)。以申請代碼“F020101”為例(2019年公布的代碼數(shù)據(jù)),第1位“F”代表信息科學(xué)部,第2~3位“02”代表計算機科學(xué),第4~5位“01”代表計算機科學(xué)的基礎(chǔ)理論,第6~7位“01”代表理論計算機科學(xué)?!翱鐚W(xué)科性”測度是指對學(xué)科交叉程度的一種計量方法。在學(xué)科交叉測度的研究中,Stirling[8]提出了三個指標(biāo)(豐富性、多樣性和差異性),并構(gòu)建了多樣性測度的一般框架;Rafols等[9]在Stirling[8]的基礎(chǔ)上提出了使用多樣性指標(biāo)和凝聚性指標(biāo)測度學(xué)科交叉性;文獻(xiàn)[10]從學(xué)科多樣性、學(xué)科聚合性和綜合性測度3個方面對目前的學(xué)科交叉性測度方法進(jìn)行總結(jié)??鐚W(xué)科間的知識轉(zhuǎn)移與知識發(fā)現(xiàn)方面的研究已經(jīng)取得了較大的進(jìn)展,研究對象主要為引文、作者、主題詞(或關(guān)鍵詞),其研究方法包括共詞分析、引文分析、作者分析等[11],例如,文獻(xiàn)[12]提出通過學(xué)科之間的引用關(guān)系和作者,在學(xué)科領(lǐng)域間的遷移進(jìn)行知識轉(zhuǎn)移的研究;文獻(xiàn)[13]根據(jù)學(xué)科間引文的變化,發(fā)現(xiàn)新興的學(xué)科交叉;文獻(xiàn)[14]通過文檔聚類技術(shù),發(fā)現(xiàn)不同學(xué)科間的交叉知識點;文獻(xiàn)[15]通過對論文內(nèi)容聚類后,利用論文間的引用關(guān)系發(fā)現(xiàn)學(xué)科交叉研究主題。

    關(guān)于基金資助項目的學(xué)科交叉研究,在國外研究中,文獻(xiàn)[16]通過計算IDD分?jǐn)?shù)的方法定量分析項目的學(xué)科交叉程度;文獻(xiàn)[17]探索了量化美國國家科學(xué)基金會(National Science Foundation,NSF)項目中跨學(xué)科性的新方法;文獻(xiàn)[18]分析了美國國家科學(xué)基金人類與社會動力學(xué)(human and social dynamics,HSD)計劃資助研究項目的跨學(xué)科特征。在國內(nèi)研究中,文獻(xiàn)[19]對國家自然科學(xué)基金資助項目中的跨學(xué)科知識流進(jìn)行了共現(xiàn)網(wǎng)絡(luò)分析;文獻(xiàn)[20]對國家自然科學(xué)基金委員會資助學(xué)科交叉研究模式進(jìn)行了分析;文獻(xiàn)[21]介紹了國外開展的學(xué)科交叉項目評價的實踐,并結(jié)合我國學(xué)科交叉項目的實際提出了相關(guān)建議;文獻(xiàn)[22]對國家自然科學(xué)基金委交叉學(xué)科申請項目評審方法進(jìn)行了相關(guān)研究;文獻(xiàn)[23]構(gòu)建了研究團隊(“投入”)及其研究成果(“產(chǎn)出”)的跨學(xué)科測度方法,并探討跨學(xué)科研究團隊是否有助于產(chǎn)出跨學(xué)科研究成果。關(guān)于學(xué)科交叉的研究在國內(nèi)外已形成了豐富的研究體系,對基金資助項目的學(xué)科交叉問題進(jìn)行研究,國內(nèi)外學(xué)者也均有相關(guān)研究涉及。

    2012年,谷歌公司在其知識工程的長期實踐基礎(chǔ)上提出了知識圖譜的概念,主要應(yīng)用目標(biāo)為提升搜索引擎的智能化水平,其本質(zhì)是一種語義網(wǎng)絡(luò),提供從實體間關(guān)系的角度進(jìn)行問題分析的能力[24]。知識圖譜中知識的表示包括符號邏輯和向量兩種[25]。以邏輯符號為基礎(chǔ)進(jìn)行知識的表示,其在表示顯式、離散知識時具有可解釋性,但是推理很難得到理想的效果?;谶B續(xù)向量的方法可以通過數(shù)值計算發(fā)現(xiàn)事物間新的關(guān)系、潛在及隱式知識,同時,基于向量的表示方法,易于對接深度學(xué)習(xí)、圖神經(jīng)網(wǎng)絡(luò)等模型,在鏈接預(yù)測、實體對齊、知識問答、信息推薦等領(lǐng)域得到不斷的發(fā)展。國家自然科學(xué)基金項目中的關(guān)鍵詞由系統(tǒng)提供給申報者選取,或者由申報者自行填寫,具有一定的規(guī)范性,能在很大程度上代表項目的主要研究內(nèi)容。國家自然科學(xué)基金同一資助項目中的關(guān)鍵詞K1、K2之間的關(guān)系為共現(xiàn)關(guān)系,可將[K1,K2]稱為關(guān)鍵詞共現(xiàn)。詞嵌入方法,可以將關(guān)鍵詞及其共現(xiàn)語義信息映射到向量空間,通過關(guān)鍵詞向量計算不同關(guān)鍵詞之間的共現(xiàn)大小,可發(fā)現(xiàn)尚未建立鏈接的關(guān)鍵詞之間的共現(xiàn)關(guān)系,進(jìn)而提取潛在學(xué)科交叉知識點,討論學(xué)科間形成交叉學(xué)科的潛力問題。基于預(yù)測的不同學(xué)科間關(guān)鍵詞發(fā)生的共現(xiàn)鏈接進(jìn)行分析,是本文進(jìn)行潛在學(xué)科交叉知識發(fā)現(xiàn)的主要思路。

    2.2 詞嵌入

    詞嵌入是將詞和實數(shù)向量關(guān)聯(lián)起來的方法,早期的one-hot模型構(gòu)建的詞向量之間缺少潛在的關(guān)聯(lián)性,向量之間相互獨立,且當(dāng)語料庫中的詞匯過多時,易造成維度災(zāi)難。為解決其不足,研究人員從降低詞的表示維度,在詞向量之間融入詞之間的特定關(guān)系出發(fā),開發(fā)了許多新的詞嵌入模型。2003年,Bengio等[26]提出了利用神經(jīng)網(wǎng)絡(luò)建立統(tǒng)計語言模型的框架NNLM模型(neural network language mod‐el),提出了詞嵌入(word embedding)的概念,該模型使用多層神經(jīng)網(wǎng)絡(luò)預(yù)測給定的下一個單詞,在低維向量空間中表示單詞和文檔。2013年,Miko‐lov等[27-28]提出word2vec方法,該方法包含CBOW(continuous bag-of-words)模 型 和skip-gram模 型,由于模型不涉及密集的矩陣乘法,該架構(gòu)具有較高的計算效率,訓(xùn)練速度也得到了很大的提升。word2vec是一種詞嵌入的方法,可將自然語言表示的詞語映射到低維向量空間,同時保留詞語的語義、句法信息等[29]。該方法中的skip-gram模型是通過當(dāng)前詞去預(yù)測圍繞在當(dāng)前詞周圍的上下文詞。CBOW模型是通過圍繞在當(dāng)前詞左右窗口大小內(nèi)的上下文詞語預(yù)測當(dāng)前詞。同時,word2vec為CBOW模型和skip-gram模型提供兩種加快訓(xùn)練速度的方式,分別是層次softmax方法(hierarchical softmax)及負(fù)采樣方法(negative sampling)。以skip-gram模型為例,其分為3層,輸入層為當(dāng)前詞的one-hot表示,維度為詞的數(shù)量;輸入層到隱藏層之間有一個權(quán)重矩陣,輸入當(dāng)前詞的one-hot表示與權(quán)重矩陣相乘,獲取隱藏層的向量;隱藏層與輸出層也有一個權(quán)重矩陣,隱藏層的向量與權(quán)重矩陣相乘得到輸出層的向量,最終輸出經(jīng)過softmax函數(shù),將向量的每一個元素歸一化到0~1之間。訓(xùn)練通過反向傳播和梯度下降的方法不斷優(yōu)化模型,同時,在輸出層采用層次softmax方法或負(fù)采樣方法加快訓(xùn)練速度。

    文中選取word2vec方法,將關(guān)鍵詞及其之間的共現(xiàn)關(guān)系映射到向量空間,其主要原如下。首先,word2vec方法可以利用關(guān)鍵詞之間的共現(xiàn)關(guān)系將關(guān)鍵詞映射到向量空間,從而獲取與某關(guān)鍵詞最常同時出現(xiàn)的其他關(guān)鍵詞。其次,在國家自然科學(xué)基金資助項目中,每個項目的關(guān)鍵詞可以看作無序的關(guān)鍵詞列表,而在word2vec方法的兩個模型中,當(dāng)前特定詞的窗口內(nèi)上下文關(guān)鍵詞的序列信息是被忽略的。最后,word2vec根據(jù)已出現(xiàn)的關(guān)鍵詞去預(yù)測可能與其共現(xiàn)的關(guān)鍵詞,該方法可以獲取未在項目中出現(xiàn)過的關(guān)鍵詞共現(xiàn)。在項目中未出現(xiàn)過的新的關(guān)鍵詞共現(xiàn),在文獻(xiàn)[30]中不認(rèn)為其是錯誤的關(guān)鍵詞共現(xiàn)關(guān)系,而是將其看作未來可能出現(xiàn)的共現(xiàn)關(guān)系從而進(jìn)行相關(guān)研究,并取得了一定的預(yù)測效果。通過Word2vec方法的模型去發(fā)現(xiàn)哪些關(guān)鍵詞與當(dāng)前關(guān)鍵詞更容易一起出現(xiàn),從而獲取新的未來可能出現(xiàn)的關(guān)鍵詞共現(xiàn)具有理論上的可行性。

    3 模型及實驗方法

    本節(jié)首先從整體上構(gòu)建學(xué)科交叉知識點的發(fā)現(xiàn)模型,對學(xué)科交叉知識點發(fā)現(xiàn)模型中的詞嵌入模型選擇及參數(shù)優(yōu)化訓(xùn)練方法進(jìn)行介紹,接著對模型進(jìn)行學(xué)科交叉知識點發(fā)現(xiàn)時,涉及的理論基礎(chǔ)、相關(guān)算法以及方法等進(jìn)行論述,最后嘗試構(gòu)建衡量學(xué)科間知識點交叉趨勢大小的指標(biāo)。

    3.1 學(xué)科交叉知識點發(fā)現(xiàn)模型

    本文模型利用word2vec相關(guān)模型,將項目中的關(guān)鍵詞及共現(xiàn)關(guān)系映射到向量空間,進(jìn)而進(jìn)行學(xué)科之間交叉知識的發(fā)現(xiàn)。文中不同學(xué)科的關(guān)鍵詞由于存在特定的語義關(guān)系,而在向量空間中相互接近形成相應(yīng)的聚類簇。簇中具有不同學(xué)科性質(zhì)的關(guān)鍵詞由于存在可能的關(guān)鍵詞共現(xiàn)關(guān)系,而形成具有學(xué)科交叉價值的知識點。學(xué)科交叉知識點發(fā)現(xiàn)模型如圖1所示,其步驟如下:

    圖1 基于word2vec方法的學(xué)科交叉知識點發(fā)現(xiàn)模型

    Step1.數(shù)據(jù)抽取與處理。從國家自然科學(xué)基金資助項目中抽取項目數(shù)據(jù),并處理成skip-gram模型可理解的數(shù)據(jù)格式。以項目為單位,抽取同時出現(xiàn)在每個項目中的關(guān)鍵詞共現(xiàn)關(guān)系。

    Step2.關(guān)鍵詞向量化。將基金資助項目及其關(guān)鍵詞輸入skip-gram模型中,以設(shè)定的優(yōu)化目標(biāo)調(diào)節(jié)skip-gram模型參數(shù),最終將每個關(guān)鍵詞映射到低維連續(xù)向量空間,獲取關(guān)鍵詞的向量表示。

    Step3.新的關(guān)鍵詞共現(xiàn)關(guān)系生成。通過計算關(guān)鍵詞向量之間的余弦相似度,劃定大于特定閾值的關(guān)鍵詞共現(xiàn)構(gòu)成新的關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò),計算關(guān)鍵詞在共現(xiàn)網(wǎng)絡(luò)中的PageRank值衡量關(guān)鍵詞重要性。同時,選取關(guān)鍵詞K1、K2分屬于不同學(xué)科的關(guān)鍵詞共現(xiàn),以進(jìn)行潛在學(xué)科交叉知識發(fā)現(xiàn)。PageRank算法[31]是一種廣泛應(yīng)用于網(wǎng)頁重要性評價的算法,其本質(zhì)上是一種將網(wǎng)頁之間鏈接數(shù)量和質(zhì)量作為分析網(wǎng)頁重要程度的算法。

    Step4.跨學(xué)科知識點提取。對第3步提取出來的具有跨學(xué)科性質(zhì)的關(guān)鍵詞共現(xiàn)中的關(guān)鍵詞及向量,通過DB‐SCAN(density-based spatial clustering of applications with noise)算法[32]進(jìn)行聚類,提取包含不同學(xué)科關(guān)鍵詞的跨學(xué)科聚類。DBSACN算法是一種基于密度的聚類算法,算法通過將具有足夠密度的區(qū)域劃分為一個簇,并可在噪聲的數(shù)據(jù)空間中發(fā)現(xiàn)任意形狀的聚類。具有強共現(xiàn)關(guān)系的關(guān)鍵詞,在向量空間中分布足夠緊密,該算法能夠較好地滿足應(yīng)用場景。

    Step5.跨學(xué)科知識點可視化。通過提取的跨學(xué)科聚類、聚類中關(guān)鍵詞的向量及PageRank值,計算并獲取如表1~表3(第4節(jié))所示數(shù)據(jù)。利用t-SNE方法將聚類中的關(guān)鍵詞向量維度降到二維空間,并進(jìn)行如圖4和圖5(第4節(jié))所示的可視化呈現(xiàn)。t-SNE是一種非線性的降維算法,其降維后可視化效果非常優(yōu)秀。

    3.2 word2vec模型選擇及參數(shù)優(yōu)化

    word2vec方 法 包 括CBOW和skip-gram兩 種 模型,實驗在對數(shù)據(jù)進(jìn)行初步驗證的基礎(chǔ)上,選用skip-gram模型和負(fù)采樣優(yōu)化方法進(jìn)行國家自然科學(xué)基金資助項目關(guān)鍵詞到低維向量的映射。實驗首先選取一定時間段內(nèi)的項目關(guān)鍵詞作為訓(xùn)練數(shù)據(jù),通過將該時間段內(nèi)的每個項目和包含的關(guān)鍵詞,作為已經(jīng)進(jìn)行過分詞處理的一個句子,在該步驟中忽略關(guān)鍵詞的先后順序。將每個項目看作一個句子,構(gòu)成符合詞嵌入模型所需要的數(shù)據(jù)格式,作為詞嵌入模型的輸入數(shù)據(jù)。同時,抽取在同一個項目中的關(guān)鍵詞共現(xiàn)關(guān)系,并存儲為關(guān)鍵詞共現(xiàn)文件,作為模型優(yōu)化對比的目標(biāo)。

    在詞嵌入模型的訓(xùn)練中,實驗通過計算每次訓(xùn)練后的關(guān)鍵詞向量之間的余弦相似度,形成更多的關(guān)鍵詞共現(xiàn)關(guān)系。將新計算出的關(guān)鍵詞共現(xiàn)關(guān)系分為“實際共詞關(guān)系”和“預(yù)測共詞關(guān)系”兩部分。其中,“實際共詞關(guān)系”為新計算出的一定時間段內(nèi)的關(guān)鍵詞共現(xiàn)關(guān)系與項目已有的關(guān)鍵詞共現(xiàn)關(guān)系的交集,而“預(yù)測共詞關(guān)系”為新計算出的關(guān)鍵詞共現(xiàn)關(guān)系減去“實際共詞關(guān)系”后剩余的部分。實驗設(shè)定以下優(yōu)化目標(biāo),進(jìn)行模型參數(shù)的不斷優(yōu)化。第一,模型訓(xùn)練后,獲取的關(guān)系大于α閾值(實驗設(shè)置為0.9)的關(guān)鍵詞共現(xiàn)中,包含盡可能多的“實際共詞關(guān)系”,期望能夠讓更多的“實際共詞關(guān)系”的關(guān)鍵詞在向量空間中更加接近。第二,調(diào)節(jié)模型參數(shù)過程中,利用準(zhǔn)確率、召回率和F1值3個指標(biāo)作為參數(shù)調(diào)節(jié)的參考。其中,準(zhǔn)確率是模型學(xué)習(xí)到的關(guān)系大于α閾值的“實際共詞關(guān)系”數(shù)量與模型學(xué)習(xí)到的關(guān)系大于α閾值的“實際共詞關(guān)系+預(yù)測共詞關(guān)系”數(shù)量的比值;召回率是模型學(xué)習(xí)到的關(guān)系大于α閾值的“實際共詞關(guān)系”數(shù)量與項目中全部的已有關(guān)鍵詞共現(xiàn)數(shù)量的比值;F1值為準(zhǔn)確率和召回率的調(diào)和平均值。

    在word2vec模型的訓(xùn)練中,實驗根據(jù)國家自然科學(xué)基金資助項目的關(guān)鍵詞特點對一些模型參數(shù)進(jìn)行了特定的設(shè)置。其中,對模型中用于設(shè)置丟棄詞頻小于一定次數(shù)的詞的參數(shù),由于國家自然科學(xué)基金資助項目的關(guān)鍵詞大部分重復(fù)出現(xiàn)頻次較少,實驗中將其設(shè)置為1;用于設(shè)置當(dāng)前詞與預(yù)測詞之間的距離的參數(shù),實驗設(shè)置為所有項目中具有最多關(guān)鍵詞的項目的關(guān)鍵詞數(shù)減去1作為參數(shù);將關(guān)鍵詞映射到向量的維度大小參數(shù)設(shè)置為100。

    3.3 交叉知識點獲取

    共詞分析是建立在理想化的理論假設(shè)基礎(chǔ)上的內(nèi)容分析方法,該方法通過統(tǒng)計一對關(guān)鍵詞同時出現(xiàn)在同一文獻(xiàn)中的次數(shù),并以此為基礎(chǔ)對詞進(jìn)行聚類分析,從而分析詞所代表的學(xué)科和主題的結(jié)構(gòu)變化[33]。文獻(xiàn)[34]認(rèn)為文獻(xiàn)的術(shù)語是作者認(rèn)真選取的;同一文獻(xiàn)中不同的術(shù)語之間的關(guān)系是被作者認(rèn)可和要求的;如果有足夠的作者對同一種關(guān)系認(rèn)可,那么這種關(guān)系所關(guān)聯(lián)的科學(xué)領(lǐng)域具有一定的意義;專業(yè)的標(biāo)引關(guān)鍵詞所描述的文獻(xiàn)內(nèi)容,是相關(guān)學(xué)科概念可以信賴的一個指標(biāo)。根據(jù)分布式假設(shè)理論,詞的含義來源于其所使用的上下文環(huán)境,在相同的上下文環(huán)境中,詞具有相同的含義?;谏鲜隼碚?,本文利用word2vec相關(guān)方法以及國家自然科學(xué)基金資助項目關(guān)鍵詞間的共現(xiàn)關(guān)系,將關(guān)鍵詞映射到低維連續(xù)向量空間,資助項目所屬的學(xué)科體系作為劃分關(guān)鍵詞所屬學(xué)科的依據(jù),獲取新的在項目中還未出現(xiàn)過的具有跨學(xué)科性質(zhì)的關(guān)鍵詞共現(xiàn),作為分析學(xué)科間潛在交叉知識點的基礎(chǔ),通過DBSCAN算法獲取不同學(xué)科之間的跨學(xué)科知識交叉點。

    國家自然科學(xué)基金資助項目關(guān)鍵詞映射到低維向量空間后,關(guān)鍵詞之間的共現(xiàn)關(guān)系大小各異,關(guān)鍵詞向量間的余弦相似度的值越大,兩個關(guān)鍵詞發(fā)生共現(xiàn)的可能性也就越大。因此,實驗在詞嵌入模型訓(xùn)練出關(guān)鍵詞向量后,計算關(guān)鍵詞之間的共現(xiàn)關(guān)系,從大于特定閾值的“實際共詞關(guān)系”和“預(yù)測共詞關(guān)系”中計算關(guān)鍵詞的PageRank值大小,提取具有分屬兩個不同學(xué)科屬性的關(guān)鍵詞組成的關(guān)鍵詞共現(xiàn)。為了更全面地呈現(xiàn)跨學(xué)科知識點,本文的實驗中設(shè)定如果關(guān)鍵詞共現(xiàn)中的一個關(guān)鍵詞同時屬于兩個不同學(xué)科,那么此關(guān)鍵詞共現(xiàn)也視為具有跨學(xué)科性質(zhì)的關(guān)鍵詞共現(xiàn),通過在具有跨學(xué)科性質(zhì)的關(guān)鍵詞共現(xiàn)中,提取出相應(yīng)關(guān)鍵詞,對這些關(guān)鍵詞的向量利用DBSCAN算法進(jìn)行聚類,將學(xué)科交叉知識點提取出來,并進(jìn)行深入地分析。

    3.4 學(xué)科間交叉知識測度

    學(xué)科交叉知識發(fā)現(xiàn)的本質(zhì),是對學(xué)科間知識流動、融合情況的研究與分析。文獻(xiàn)[35]認(rèn)為,學(xué)術(shù)文獻(xiàn)之間的引用存在馬太效應(yīng),即文獻(xiàn)的被引用概率與其已有的引用數(shù)據(jù)成正比;文獻(xiàn)[36]認(rèn)為,知識之間的流動與知識之間的知識勢差呈正相關(guān)關(guān)系,即知識之間的知識勢差越大,其間的知識流動效應(yīng)越大;文獻(xiàn)[37]從國家間知識流動的角度,認(rèn)為知識勢差能夠在一定程度上促進(jìn)兩國知識交流的增加,但如果進(jìn)一步擴大,那么將對兩國間的知識流量產(chǎn)生負(fù)影響,同時,證明了知識相似性、科學(xué)家流動量、科研合作強度和國家間關(guān)系的網(wǎng)絡(luò)位置四個變量與兩國間的知識流量的正向影響;文獻(xiàn)[38-39]認(rèn)為,知識位勢的差異為知識的轉(zhuǎn)移和擴散共享提供了動力;文獻(xiàn)[40]認(rèn)為,當(dāng)創(chuàng)新的參與者具有更高的知識互補性時,能夠增加知識共享的深度?;谏鲜鑫墨I(xiàn),從學(xué)科間知識流動的角度看,學(xué)科知識的受關(guān)注程度存在分化的現(xiàn)象,主要體現(xiàn)在知識吸引其他知識發(fā)生交流能力方面的差距,這種差距可以看作是知識之間的勢差。從熵的角度看,知識研究的人越多,則其與其他知識的交流越頻繁,熵值也越大;反之,則知識熵值也較小。與知識勢差的認(rèn)知相結(jié)合,可以認(rèn)為熵值差距大的知識之間,如果具有知識的語義相關(guān)性(關(guān)鍵詞共現(xiàn)),那么知識流動效應(yīng)、動力也會越大。從科學(xué)研究選題的角度分析,科研人員為使研究選題具有創(chuàng)新性,會去避開積累了大量的研究技術(shù)或方法的熱門選題,也會避免前期研究資料較少、科研價值有限的冷門選題。然而,如果冷門的知識與熱門的知識之間在語義上發(fā)生強烈的相關(guān)關(guān)系,那么可以認(rèn)為在兩者之間中找到了具有研究價值的學(xué)術(shù)問題,兩者之間的知識更具有互補性、驅(qū)動力和創(chuàng)新價值,更易被接受為新穎的科研選題。

    綜上所述,不同學(xué)科知識之間發(fā)生關(guān)聯(lián)關(guān)系,是促進(jìn)學(xué)科間知識發(fā)生流動的基礎(chǔ);不同學(xué)科之間的知識勢差越大,學(xué)科間知識流動效應(yīng)、動力越大;不同學(xué)科關(guān)鍵詞之間發(fā)生關(guān)聯(lián)關(guān)系的大小可認(rèn)為是知識之間語義上的相關(guān)性大小,知識語義的相關(guān)性越大,則知識之間的交流動力越大。為了對知識之間的流動趨勢進(jìn)行定量分析,本文實驗將關(guān)鍵詞的PageRank值的差值作為關(guān)鍵詞的知識勢差度量指標(biāo)(實驗中依據(jù)實際需要對PageRank值大小進(jìn)行放大),將關(guān)鍵詞間的共現(xiàn)關(guān)系大小作為知識之間的語義相關(guān)性度量指標(biāo)。將每個聚類中的關(guān)鍵詞劃分到A、B學(xué)科,聚類中A、B學(xué)科各自關(guān)鍵詞PageRank值最大的關(guān)鍵詞代表相應(yīng)學(xué)科的研究,其他關(guān)鍵詞為Pag‐eRank值大的關(guān)鍵詞提供語義環(huán)境信息,通過計算聚類中不同學(xué)科PageRank值最大的關(guān)鍵詞之間的差值的絕對值,衡量相關(guān)學(xué)科交叉知識點的勢差;通過表3所示的A、B學(xué)科關(guān)鍵詞共現(xiàn)關(guān)系大小的均值,衡量對A、B學(xué)科知識的語義相關(guān)性。將學(xué)科間知識勢差與知識語義相關(guān)性大小相乘,作為衡量學(xué)科間知識融合趨勢的指標(biāo)(論文定義為IT,interdisci‐plinary trend),IT值越大,知識融合動力及效應(yīng)越大,并產(chǎn)生更具有價值的學(xué)術(shù)研究。計算方法為

    其中,Mean()函數(shù)用于求取每個聚類中A、B學(xué)科關(guān)鍵詞共現(xiàn)關(guān)系(表3)大小的均值,RAB為學(xué)科關(guān)鍵詞共現(xiàn)關(guān)系大??;Max()函數(shù)為求取特定學(xué)科中最大關(guān)鍵詞PageRank值,PRA、PRB分別為A、B學(xué)科相關(guān)關(guān)鍵詞PageRank值。PR(K)為關(guān)鍵詞K的PageRank值;PR(Ki)為鏈接到關(guān)鍵詞K的關(guān)鍵詞Ki的PageRank值;C(Ki)為與關(guān)鍵詞Ki關(guān)聯(lián)的數(shù)量;d為阻尼系數(shù)(介于0~1,通常設(shè)置為0.85);N為關(guān)鍵詞總數(shù)。

    4 實驗與結(jié)果分析

    4.1 實驗過程

    4.1.1 項目數(shù)據(jù)統(tǒng)計

    關(guān)鍵詞在不同的語境或?qū)W科環(huán)境下含義往往存在差別。為了更好地驗證文中模型的有效性,本文實驗選取“F06人工智能”“G0114信息系統(tǒng)與管理”“G0414信息資源管理”相應(yīng)的學(xué)科項目關(guān)鍵詞作為實驗對象(2019年公布的申請代碼數(shù)據(jù))?!癋06人工智能”隸屬于信息科學(xué)部,屬于計算機學(xué)科范疇;“G0114信息系統(tǒng)與管理”“G0414信息資源管理”隸屬于管理科學(xué)部,屬于管理學(xué)科范疇。有些高校的信息管理學(xué)院在設(shè)置相關(guān)專業(yè)時往往包含信息管理與信息系統(tǒng)、信息資源管理的方向,為了便于描述,本文將G0114、G0414對應(yīng)項目以及關(guān)鍵詞學(xué)科屬性統(tǒng)稱為“信息管理”學(xué)科,將F06對應(yīng)項目以及關(guān)鍵詞學(xué)科屬性統(tǒng)稱為“人工智能”學(xué)科。近年來,人工智能與信息管理呈現(xiàn)逐漸融合的趨勢,兩個學(xué)科資助項目的關(guān)鍵詞在語義上也有一定的相似性,從減少關(guān)鍵詞多義、同義現(xiàn)象對分析結(jié)果的影響出發(fā),本文選擇上述學(xué)科項目作為實驗對象,來驗證本文模型的合理性。在實驗中,本文使用基金資助項目中申報者選取的關(guān)鍵詞數(shù)據(jù)進(jìn)行分析,對于關(guān)鍵詞的學(xué)科屬性劃分,實驗將申報者申報“F06人工智能”項目時選取的關(guān)鍵詞劃分到人工智能學(xué)科,將申報者申報“G0114信息系統(tǒng)與管理”“G0414信息資源管理”項目時選取的關(guān)鍵詞劃分到信息管理學(xué)科,同時,如果某個關(guān)鍵詞同時出現(xiàn)于不同學(xué)科的資助項目中,那么視該關(guān)鍵詞具有跨學(xué)科性質(zhì),此類關(guān)鍵詞是將不同學(xué)科相關(guān)知識關(guān)聯(lián)的重要節(jié)點或橋梁。

    在實驗過程中,選取2012—2019年(年份為項目開始執(zhí)行年份)信息學(xué)部F06學(xué)科和管理學(xué)部G0114、G0414學(xué)科資助項目關(guān)鍵詞數(shù)據(jù),絕大部分項目關(guān)鍵詞數(shù)量在3~5個,相應(yīng)項目及關(guān)鍵詞數(shù)量分布情況如圖2所示。通過模型將項目關(guān)鍵詞映射到向量空間,在此基礎(chǔ)上選取2017—2019年資助項目的關(guān)鍵詞向量,進(jìn)行學(xué)科交叉知識發(fā)現(xiàn),在模型訓(xùn)練時,主要任務(wù)為將關(guān)鍵詞及共現(xiàn)關(guān)系映射到向量空間,由于不涉及數(shù)據(jù)分類等問題,故不存在數(shù)據(jù)樣本均衡問題。

    圖2 2012—2019年資助項目關(guān)鍵詞數(shù)分布情況

    4.1.2 關(guān)鍵詞向量化及分析

    通過skip-gram模型加負(fù)采樣優(yōu)化方法,以關(guān)鍵詞共現(xiàn)關(guān)系大小盡可能分布于大于0.9的閾值范圍為優(yōu)化目標(biāo),結(jié)合F1指標(biāo)對2012—2019年的項目關(guān)鍵詞進(jìn)行向量映射。對模型中的迭代次數(shù)參數(shù)iter和負(fù)采樣時噪聲詞數(shù)量參數(shù)negative進(jìn)行最優(yōu)選取,實驗設(shè)置iter參數(shù)范圍為[220,1180],每次增加40。negative參數(shù)范圍為[10,120],每次增加10。實驗最終參數(shù)選擇iter為900,negative為40生成最終的關(guān)鍵詞向量,2012—2019年相應(yīng)關(guān)鍵詞向量降維后,在二維空間的分布情況如圖3所示。

    圖3 2012—2019關(guān)鍵詞二維空間分布情況

    4.1.3 跨學(xué)科知識點提取

    通過對數(shù)據(jù)進(jìn)行實際分析,本研究選取關(guān)鍵詞間余弦相似度關(guān)系大于0.75閾值的關(guān)鍵詞共現(xiàn)作為學(xué)科交叉知識獲取分析的基礎(chǔ),計算關(guān)鍵詞的Pag‐eRank值,獲取具有跨學(xué)科性質(zhì)的關(guān)鍵詞共現(xiàn)。實驗使用DBSCAN算法對具有跨學(xué)科屬性的關(guān)鍵詞共現(xiàn)中的關(guān)鍵詞進(jìn)行聚類,將算法中的最小包含點數(shù)參數(shù)設(shè)置為3,掃描半徑參數(shù)設(shè)置為0.084。最后,對聚類結(jié)果進(jìn)行篩選,只保留聚類中具有兩個學(xué)科關(guān)鍵詞,且每個學(xué)科關(guān)鍵詞數(shù)量均大于等于2的關(guān)鍵詞聚類,最終獲取14個聚類結(jié)果,如表1所示(聚類結(jié)果依據(jù)第3.4節(jié)公式(1)進(jìn)行排序)。

    表1 學(xué)科交叉知識點

    4.2 實驗結(jié)果分析

    4.2.1 結(jié)果分析

    實驗中學(xué)科交叉知識點的形成是基于同時分布于不同學(xué)科的同一個關(guān)鍵詞建立,論文對同時分布于人工智能和信息管理學(xué)科中的關(guān)鍵詞數(shù)量進(jìn)行了統(tǒng)計,共獲得96個關(guān)鍵詞。相關(guān)數(shù)據(jù)通過圖1模型共獲取14個學(xué)科交叉知識點。

    以聚類1為例進(jìn)行了詳細(xì)分析。表2為該聚類中關(guān)鍵詞的學(xué)科和PageRank值信息,在計算該聚類中不同學(xué)科知識之間的知識勢差時,可以通過序號0和序號3的關(guān)鍵詞PageRank值絕對值之差獲取。表3為該聚類中預(yù)測的跨學(xué)科關(guān)鍵詞詞對的共現(xiàn)關(guān)系強度,在計算不同學(xué)科之間的知識相關(guān)度時,可通過對表中詞對關(guān)系大小求取均值獲取。最終,知識勢差與知識相關(guān)度相乘作為該聚類的IT值。圖4a為預(yù)測共現(xiàn)關(guān)系大于0.75的跨學(xué)科關(guān)鍵詞共現(xiàn)中,關(guān)鍵詞向量降維后在二維空間的分布情況,圓圈內(nèi)的點為當(dāng)前聚類簇的位置;圖4b為聚類簇中關(guān)鍵詞在二維空間的可視化結(jié)果,圓形節(jié)點關(guān)鍵詞表示該關(guān)鍵詞同時屬于兩個學(xué)科。圖5a的可視化圖中,關(guān)鍵詞節(jié)點大小依據(jù)PageRank值確定,關(guān)鍵詞節(jié)點之間關(guān)系來自表3;圖5b的詞云圖是表2的關(guān)鍵詞以及PageRank值大小可視化。在上述圖表所呈現(xiàn)的學(xué)科交叉知識中,關(guān)鍵詞“社會學(xué)習(xí)”在兩個學(xué)科中具有相同的語義信息,人工智能學(xué)科的關(guān)鍵詞為“合作演化”“移動Agent”。在人工智能領(lǐng)域,我國研究人員更多的是將“Agent”翻譯為智能體,其特性包括自治性、反應(yīng)性、主動性等,其在改善Internet應(yīng)用、開發(fā)分布式交互仿真環(huán)境等均有應(yīng)用。信息管理學(xué)科的相關(guān)關(guān)鍵詞為“用戶知識行為”“持續(xù)知識共享”“在線實踐社區(qū)”,可認(rèn)為是以“用戶知識行為”為研究主題,同時關(guān)鍵詞“在線社區(qū)”“知識共享”等賦予“用戶知識行為”更多的語義環(huán)境信息。在該聚類中,不同學(xué)科之間的知識融合,包括Agent技術(shù)應(yīng)用于,在線社區(qū)的用戶知識共享行為是合理的研究主題。例如,文獻(xiàn)[41]用多智能體模擬實驗研究不同因素對用戶分享效果的影響;文獻(xiàn)[42]采用多Agent系統(tǒng)建模方法,構(gòu)建科研合作網(wǎng)絡(luò)知識擴散仿真演化模型,分析網(wǎng)絡(luò)結(jié)構(gòu)、知識溢出效應(yīng)和個體知識創(chuàng)新能力對知識擴散的影響。從交叉學(xué)科成長的層面分析,人工智能領(lǐng)域?qū)W科Agent相關(guān)技術(shù)構(gòu)建仿真模型與信息管理學(xué)科用戶知識行為、知識共享研究相結(jié)合,為基于經(jīng)驗進(jìn)行數(shù)據(jù)分析的信息管理學(xué)科帶來了更為有效的分析手段,是人工智能學(xué)科技術(shù)融入信息管理學(xué)科社區(qū)用戶行為研究的學(xué)科交叉地帶。

    圖4 聚類中的關(guān)鍵詞可視化(t-SNE)

    圖5 聚類中的關(guān)鍵詞關(guān)系圖及詞云

    表2 聚類中的關(guān)鍵詞PageRank值及學(xué)科屬性

    表3 關(guān)鍵詞之間的共現(xiàn)關(guān)系

    在聚類2中,相關(guān)知識通過“動力學(xué)”進(jìn)行關(guān)聯(lián),動力學(xué)在人工智能中涉及機器人等相關(guān)概念,信息管理中涉及知識擴散的動力,該關(guān)鍵詞關(guān)聯(lián)的兩個學(xué)科知識在語義環(huán)境上相差較遠(yuǎn),其結(jié)果具有不合理性。需在后續(xù)研究中,從語義消歧的角度剔除此類學(xué)科交叉知識點,以提升模型的準(zhǔn)確性。

    在聚類3中,“互聯(lián)網(wǎng)金融”在兩個學(xué)科中具有相同的語義信息,人工智能學(xué)科的關(guān)鍵詞為“深度挖掘”“個人信用評價”,信息管理學(xué)科的關(guān)鍵詞為“風(fēng)險預(yù)測”“信用評分”“欺詐”“P2P”“網(wǎng)絡(luò)借貸”。人工智能學(xué)科中,關(guān)鍵詞“深度挖掘”“個人信用評價”可視為對用戶各種金融行為信息進(jìn)行深度挖掘,進(jìn)而進(jìn)行個人信用評價的研究。在信息管理學(xué)科中,關(guān)鍵詞傾向于互聯(lián)網(wǎng)金融中的風(fēng)險預(yù)測、信用評價、金融欺詐、借貸等方面的研究。近年來,人工智能得益于金融領(lǐng)域大量高質(zhì)量數(shù)據(jù)的累積,其方法和技術(shù)在金融信息服務(wù)領(lǐng)域中得到迅速應(yīng)用。兩個學(xué)科之間可以認(rèn)為是用戶金融行為挖掘與金融領(lǐng)域風(fēng)險預(yù)測、金融欺詐等主題進(jìn)行融合的研究。從交叉學(xué)科成長的層面分析,人工智能學(xué)科側(cè)重于用戶數(shù)據(jù)分析技術(shù),而信息管理學(xué)科側(cè)重于金融用戶信用風(fēng)險識別、預(yù)測、建模等機制、理論、體系問題的研究,目前可認(rèn)為融入智能的金融信息服務(wù)系統(tǒng)研究是兩個學(xué)科間重要的學(xué)科交叉地帶。

    在聚類4中,人工智能學(xué)科與信息管理學(xué)科相關(guān)研究通過“多模型”關(guān)鍵詞進(jìn)行知識的關(guān)聯(lián),但兩個學(xué)科的關(guān)鍵詞“多模型”在語義上具有完全不同的含義,指代的模型互不相同,此處的交叉知識點具有不合理性。與聚類2中的問題相似,需在后續(xù)研究中,從語義消歧的角度剔除此類學(xué)科交叉知識點,以提升模型的準(zhǔn)確性。

    在聚類5中,“社會影響力”在兩個學(xué)科中具有相同的語義信息,人工智能學(xué)科的關(guān)鍵詞為“社會網(wǎng)絡(luò)挖掘”“信任關(guān)系”“異構(gòu)網(wǎng)絡(luò)融合”,信息管理學(xué)科的關(guān)鍵詞為“社群經(jīng)濟”“消費畫像”“屬性圖挖掘”。信息管理學(xué)科研究主題中,社群經(jīng)濟是指社交媒體消費社群,是建立在產(chǎn)品和粉絲相互信任基礎(chǔ)之上的經(jīng)濟系統(tǒng),是目前值得關(guān)注的前沿研究問題。人工智能學(xué)科研究主題為異構(gòu)網(wǎng)絡(luò)中社會網(wǎng)絡(luò)及信任關(guān)系的挖掘。社群建立和延續(xù)的基礎(chǔ)是信任關(guān)系的建立,在研究社群經(jīng)濟發(fā)展和形成過程中,關(guān)注于多種異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)的融合,挖掘賣家與買家等主體之間信任關(guān)系的形成、演化機制與原理,對于促進(jìn)社群經(jīng)濟的發(fā)展具有重要的研究價值。從交叉學(xué)科成長的層面分析,兩個學(xué)科的融合可以認(rèn)為是通過人工智能相關(guān)用戶行為分析技術(shù),來提升社群經(jīng)濟的運行及管理效率,輔助增進(jìn)用戶之間的信任關(guān)系,進(jìn)而產(chǎn)生價值反哺,形成良性的自循環(huán)經(jīng)濟體系。在社群經(jīng)濟的研究中,融入人工智能技術(shù)作為促進(jìn)其發(fā)展的主導(dǎo)力量,其交叉屬于智能化社群經(jīng)濟平臺或系統(tǒng)的范疇。

    在聚類6中,“認(rèn)知負(fù)荷”在兩個學(xué)科中具有相同的語義信息,人工智能學(xué)科的關(guān)鍵詞為“學(xué)習(xí)情緒”“自適應(yīng)交互”“被動式腦-機接口”“腦機互適應(yīng)”,信息管理學(xué)科的關(guān)鍵詞為“從眾信息行為”“社會連接”“影響因素”。在人工智能學(xué)科的相關(guān)研究中,側(cè)重于從用戶情感、自適應(yīng)交互、腦機接口等角度進(jìn)行用戶認(rèn)知相關(guān)技術(shù)的研究。信息管理學(xué)科領(lǐng)域則側(cè)重于社會環(huán)境下人員從眾信息行為等研究。通過將人類情感(學(xué)習(xí)情緒)、腦機接口自適應(yīng)技術(shù)與社會環(huán)境下用戶行為研究相結(jié)合,可為相應(yīng)學(xué)科提供新的科學(xué)依據(jù)和方法,或為腦機接口研究提供理論依據(jù),或為社會網(wǎng)絡(luò)中的從眾信息行為研究提供技術(shù)支撐。目前,腦機接口技術(shù)、自適應(yīng)交互、人類情感(學(xué)習(xí)情緒)、人類從眾行為研究等相融合的研究領(lǐng)域,在現(xiàn)在及未來均具有重要的價值,如健康醫(yī)療、自動駕駛、虛擬現(xiàn)實等領(lǐng)域。從交叉學(xué)科成長的層面分析,兩個學(xué)科的交叉是一個融入用戶行為和認(rèn)知功能的人機交互交叉研究領(lǐng)域,是未來重要的交叉研究發(fā)展方向。

    在聚類7中,“協(xié)同進(jìn)化算法”是兩個學(xué)科中相關(guān)知識關(guān)聯(lián)的基礎(chǔ),人工智能學(xué)科的關(guān)鍵詞為“協(xié)同進(jìn)化學(xué)習(xí)模型”“信息核”“個性化推薦系統(tǒng)”,信息管理學(xué)科的關(guān)鍵詞為“服務(wù)等級協(xié)議”“雙層規(guī)劃模型”。信息管理學(xué)科中,“服務(wù)等級協(xié)議”是指針對不同的用戶制定不同的服務(wù)等級策略,“雙層規(guī)劃模型”[43]是雙層決策問題的數(shù)學(xué)模型,是一種具有雙層遞階結(jié)構(gòu)的系統(tǒng)優(yōu)化問題,上下層都具有各自的目標(biāo)函數(shù)和約束條件,具有層次性、獨立性、沖突性、優(yōu)先性、自主性、制約性和依賴性等特點,在交通領(lǐng)域、資源分配、價格制定等方面都有應(yīng)用場景,如在交通領(lǐng)域向用戶推薦合適的出行路徑等。兩個學(xué)科的學(xué)科知識交叉,可以認(rèn)為是在信息推薦領(lǐng)域的特定場景下,引入雙層規(guī)劃模型、用戶服務(wù)等級策略等理論與方法進(jìn)行相關(guān)研究。雙層規(guī)劃模型是尋求一種將各層的目標(biāo)協(xié)調(diào)至最優(yōu)的具體方案,如交通領(lǐng)域路網(wǎng)規(guī)劃兼顧建設(shè)費用與用戶出行費用、鐵路票價制定兼顧成本與市場需要因素等,其本質(zhì)是為各層提供雙方都能接受的決策方案。在信息推薦系統(tǒng)的設(shè)計中,不僅要考慮用戶的喜好,而且還要考慮推薦物品或內(nèi)容的質(zhì)量等因素進(jìn)行多個目標(biāo)的優(yōu)化推薦,從合理性上看,上述其融合是值得嘗試的研究主題。從交叉學(xué)科成長的層面分析,其是與智能信息服務(wù)相關(guān)的學(xué)科交叉研究。

    在聚類8中,“群體推薦”在兩個學(xué)科中具有相同的語義信息,人工智能學(xué)科的關(guān)鍵詞為“興趣聚集”“群體決策”,信息管理學(xué)科的關(guān)鍵詞為“語義偏好”“信任引導(dǎo)”“多輪信息交互”。群體決策指的是對于復(fù)雜的決策問題,需要發(fā)揮集體智慧的作用,即群體成員制定決策的過程。通過對群體成員語義偏好挖掘、群體成員信任關(guān)系建模、多輪信息交互等理論體系和方法的研究,準(zhǔn)確描述群體決策研究中群體成員的群體交互行為及活動,并在此基礎(chǔ)上進(jìn)行群體興趣、群體決策等人工智能領(lǐng)域相關(guān)問題的研究具有重要的研究價值和意義。隨著人工智能相關(guān)技術(shù)的不斷發(fā)展,群體決策也體現(xiàn)出了在未來將進(jìn)一步發(fā)展的巨大價值,如卡耐基梅隆大學(xué)將自愿癥狀調(diào)查、醫(yī)生報告、實驗室統(tǒng)計數(shù)據(jù)和谷歌搜索趨勢等結(jié)合一體,實時預(yù)測新冠肺炎流行趨勢等。從交叉學(xué)科成長的層面分析,結(jié)合信息管理學(xué)科關(guān)于群體成員用戶行為研究的理論與技術(shù),進(jìn)行群體決策相關(guān)研究是人工智能領(lǐng)域重要的研究方向,兩個學(xué)科的交叉是智能信息服務(wù)決策系統(tǒng)的研究。

    在聚類9中,“模型檢測”是將兩個學(xué)科中相關(guān)知識關(guān)聯(lián)的基礎(chǔ)。模型檢測是一種用于檢測系統(tǒng)狀態(tài)時序邏輯關(guān)系正確性及可靠性的自動驗證方法,可以揭示系統(tǒng)狀態(tài)轉(zhuǎn)移的時序邏輯規(guī)律[44]。人工智能學(xué)科的關(guān)鍵詞為“策略推理”“全局博弈策略”,信息管理學(xué)科的關(guān)鍵詞為“時序邏輯”“負(fù)面情感”“應(yīng)急響應(yīng)”。其中,“全局博弈策略”是一種博弈系統(tǒng),策略表示與推理是其構(gòu)建的關(guān)鍵。信息管理學(xué)科研究主題為對突發(fā)事件分析相關(guān)人員負(fù)面情感變化的規(guī)律,進(jìn)行應(yīng)急響應(yīng)策略制定的研究。從兩個學(xué)科的研究主題看,兩者均有揭示系統(tǒng)狀態(tài)轉(zhuǎn)移的時序邏輯規(guī)律問題的研究,具有語義環(huán)境的相似性。目前,有相關(guān)文獻(xiàn)就“情感”與“博弈”結(jié)合進(jìn)行相關(guān)研究,如文獻(xiàn)[45]就情感計算與博弈理論相結(jié)合,進(jìn)行情感演化的預(yù)測方法的研究。從交叉學(xué)科成長的層面分析,將博弈理論、用戶情感分析和推理與突發(fā)事件中用戶情感演化機制及原理的研究相結(jié)合,是突發(fā)事件應(yīng)急響應(yīng)理論方法與人工智能策略推理相融合的研究方向,兩個學(xué)科的交叉是智能應(yīng)急響應(yīng)信息服務(wù)系統(tǒng)的研究。

    在聚類10中,“數(shù)據(jù)包絡(luò)分析”在兩個學(xué)科中具有相同的語義信息,人工智能學(xué)科的關(guān)鍵詞為“能效分析”“預(yù)測建模”“復(fù)雜化工過程”,信息管理學(xué)科的關(guān)鍵詞為“移動信息技術(shù)”“用戶適應(yīng)性”“組織績效”。兩個學(xué)科的知識通過“數(shù)據(jù)包絡(luò)分析”方法進(jìn)行關(guān)聯(lián),數(shù)據(jù)包絡(luò)分析方法[46]是根據(jù)多項投入指標(biāo)和產(chǎn)出指標(biāo),利用線性規(guī)劃的方法,對具有可比性的同類型單位進(jìn)行相對有效性評價的一種數(shù)量分析方法。人工智能相關(guān)內(nèi)容是在復(fù)雜化工過程中,進(jìn)行能效分析以及對能效預(yù)測的研究。信息管理相關(guān)研究為針對移動信息技術(shù)構(gòu)建用戶適應(yīng)性策略,提升組織績效。兩者之間的研究領(lǐng)域相差較遠(yuǎn),但其合理性值得探討,從某些角度分析,其交叉具有一定意義,如企業(yè)人員對移動信息技術(shù)的適應(yīng)性的預(yù)測與建模、從用戶適應(yīng)性角度對企業(yè)的績效進(jìn)行分析及預(yù)測等。從交叉學(xué)科成長的層面分析,該交叉主題屬于用戶技術(shù)適應(yīng)性及組織績效預(yù)測相關(guān)的研究。

    在聚類11中,“云計算安全”在兩個學(xué)科中具有相同的語義信息。人工智能學(xué)科的關(guān)鍵詞為“信息安全技術(shù)”“生物密鑰”,信息管理學(xué)科的關(guān)鍵詞為“技術(shù)采納”“云存儲服務(wù)”“采納行為”。兩者之間的知識交叉點是基于生物密鑰的信息安全技術(shù)(包括不斷優(yōu)化的新型高強度生物密鑰技術(shù))應(yīng)用于云存儲相關(guān)服務(wù),在用戶采納、技術(shù)風(fēng)險等方面相關(guān)問題的研究?;谏锩荑€的信息安全技術(shù)與用戶采納技術(shù)行為方面的原理及理論研究相結(jié)合,具有重要的現(xiàn)實研究價值及意義,可以完善豐富基于生物密鑰的信息安全技術(shù)的理論基礎(chǔ)。從交叉學(xué)科成長的層面分析,該學(xué)科交叉知識點是關(guān)于云存儲技術(shù)安全領(lǐng)域用戶技術(shù)采納行為的研究。

    在聚類12中,“微博輿情”在兩個學(xué)科中具有相同的語義信息,人工智能學(xué)的科關(guān)鍵詞為“傳播控制”“可信評估”,信息管理學(xué)科的關(guān)鍵詞為“信息窄化”“信息溝”。人工智能學(xué)科的研究主題主要集中于信息傳播的控制技術(shù)、信息的可信性評價技術(shù)方面的研究。信息管理學(xué)科中,“信息溝”理論認(rèn)為,新傳播技術(shù)的采用帶來的利益對所有社會成員并非均等,既有信息富裕階層具有信息獲得的優(yōu)勢,新技術(shù)不斷出現(xiàn),新的信息溝不斷形成[47]?!靶畔⒄笔侵赣捎谛畔⑦^濾機制的影響,個人獲取的知識會沉溺于固有的范圍,使人的知識陷入狹窄的認(rèn)知中[48]。在“信息溝”“信息窄化”等問題中,通過信息傳播控制、信息可信性評價等方法、技術(shù)或算法進(jìn)行相關(guān)問題的治理、干預(yù)、策略制定等,具有一定契合性及研究意義。從交叉學(xué)科成長的層面進(jìn)行分析,可以認(rèn)為是人工智能領(lǐng)域信息傳播控制相關(guān)算法、技術(shù)與信息傳播中相關(guān)問題優(yōu)化的交叉研究,兩個學(xué)科的交叉是人工智能技術(shù)優(yōu)化信息服務(wù),進(jìn)而消減用戶信息認(rèn)知副作用的研究。

    在聚類13中,“網(wǎng)絡(luò)分析”在兩個學(xué)科中具有相近的語義信息,即網(wǎng)絡(luò)科學(xué)中的網(wǎng)絡(luò)分析相關(guān)概念。人工智能學(xué)科的關(guān)鍵詞為“模式學(xué)習(xí)”“軌跡預(yù)測”,信息管理學(xué)科的關(guān)鍵詞為“中心度”“小世界網(wǎng)絡(luò)”。上述研究主題可以理解為網(wǎng)絡(luò)科學(xué)中的理論知識與模式學(xué)習(xí)、軌跡預(yù)測相融合的學(xué)科交叉研究。在目前的相關(guān)學(xué)術(shù)研究中,軌跡預(yù)測作為人工智能領(lǐng)域重要的研究方向,將軌跡數(shù)據(jù)以網(wǎng)絡(luò)的方式進(jìn)行組織,從復(fù)雜網(wǎng)絡(luò)理論的角度,結(jié)合機器學(xué)習(xí)相關(guān)技術(shù),開展軌跡預(yù)測方面的研究是值得關(guān)注及深入探究的學(xué)科交叉研究方向。從交叉學(xué)科成長的層面分析,該學(xué)科交叉知識點屬于網(wǎng)絡(luò)科學(xué)理論與機器學(xué)習(xí)軌跡預(yù)測相融合的智能信息服務(wù)學(xué)科交叉研究,歷來具有重要的研究價值與意義。

    在聚類14中,“平臺演化”在兩個學(xué)科中具有相近的語義信息,即電子商務(wù)領(lǐng)域消費平臺的演化。人工智能學(xué)科的關(guān)鍵詞為“社交服務(wù)平臺”“復(fù)雜消費行為”“社交影響力”“用戶興趣建?!保畔⒐芾韺W(xué)科的關(guān)鍵詞為“平臺績效”“電商平臺”“平臺商業(yè)生態(tài)系統(tǒng)”“復(fù)雜適應(yīng)”。人工智能學(xué)科研究主題是社交電子商務(wù)中關(guān)于社交用戶消費等行為方面的研究。信息管理學(xué)科中研究主題是與復(fù)雜適應(yīng)理論相結(jié)合,進(jìn)行電商平臺生態(tài)系統(tǒng)平臺績效的相關(guān)研究。“復(fù)雜適應(yīng)”來源于復(fù)雜適應(yīng)系統(tǒng)理論[49],其思想是系統(tǒng)中的成員能夠與環(huán)境及其他主體進(jìn)行交互作用,在這種持續(xù)不斷的交互作用中,不斷的學(xué)習(xí)或積累經(jīng)驗,并根據(jù)學(xué)到的經(jīng)驗改變自身的結(jié)構(gòu)和行為方式。社交與電子商務(wù)的融合,為電子商務(wù)的發(fā)展帶來了新的活力,如拼多多、小紅書等平臺,是電子商務(wù)平臺的一種表現(xiàn)形式,其核心在于對社交用戶價值的挖掘以及其平臺商業(yè)生態(tài)系統(tǒng)的不斷完善。在社交電商平臺用戶復(fù)雜消費行為挖掘建模的基礎(chǔ)上,研究社交電商平臺生態(tài)系統(tǒng)、績效等之間的影響機理,對于促進(jìn)社交電商平臺的健康發(fā)展具有重要研究價值。從交叉學(xué)科成長的層面分析,該研究屬于智能電子商務(wù)服務(wù)系統(tǒng)相關(guān)的研究。

    經(jīng)過對上述結(jié)果的解析,兩個學(xué)科領(lǐng)域的交叉研究主要側(cè)重人工智能技術(shù)與用戶行為、認(rèn)知、模型、情感以及信息獲取等方面的交叉,其知識交叉大部分具有重要的研究價值和意義。雖然關(guān)鍵詞的語義差異和語義環(huán)境會導(dǎo)致聚類結(jié)果出現(xiàn)偏差,如關(guān)鍵詞“動力學(xué)”“多模型”等,但大多數(shù)聚類結(jié)果具有較好的可解釋性,因此,認(rèn)為上述模型具有一定的合理性和有效性。

    4.2.2 結(jié)果評價

    從模型的合理性角度分析。當(dāng)關(guān)鍵詞共現(xiàn)于同一項目中時,其必定具有語義上的相關(guān)性,通過上文中模型將關(guān)鍵詞映射到向量空間后,關(guān)鍵詞在向量空間中因語義相關(guān)而距離相近,形成特定的研究主題,其理論上具有合理性。聚類結(jié)果的出現(xiàn)主要依賴分布于兩個不同學(xué)科的同一個關(guān)鍵詞,將不同學(xué)科之間的知識關(guān)聯(lián)起來。通過對同時出現(xiàn)于兩個學(xué)科的關(guān)鍵詞進(jìn)行統(tǒng)計共獲取96個,通過圖1所示模型共計獲取表1所示14個學(xué)科交叉知識點,共有82個關(guān)鍵詞關(guān)聯(lián)的知識點經(jīng)過圖1模型后被過濾掉。經(jīng)過對數(shù)據(jù)和模型進(jìn)行分析后認(rèn)為,一是模型在設(shè)計時,將聚類結(jié)果中某學(xué)科關(guān)鍵詞只有1個的聚類進(jìn)行剔除,主要原因為相關(guān)領(lǐng)域?qū)<艺J(rèn)為某學(xué)科只有1個關(guān)鍵詞的聚類提供的該學(xué)科語義信息過少,不能支撐該聚類為學(xué)科交叉知識點;二是受語料庫提供的關(guān)鍵詞間關(guān)系影響,關(guān)鍵詞映射到向量空間后,具有2個學(xué)科屬性的關(guān)鍵詞,與其他學(xué)科關(guān)鍵詞共現(xiàn)關(guān)系強度低于模型中設(shè)置的閾值,無法圍繞此類關(guān)鍵詞形成有效聚類。從模型的合理性角度分析,可認(rèn)為圖1模型是有效的。

    從聚類結(jié)果的合理性角度分析。從表1聚類結(jié)果可知,上述結(jié)果的合理性是建立在連接不同項目的相同關(guān)鍵詞具有語義信息或語境信息相似的基礎(chǔ)上,如果相同的關(guān)鍵詞連接兩個不同學(xué)科的知識點在語義信息或語境信息差別較大時,即關(guān)鍵詞的多義性,那么會造成關(guān)聯(lián)的學(xué)科交叉知識差異性較大。本研究初期隨機選擇兩個學(xué)科資助項目數(shù)據(jù)進(jìn)行分析,嘗試將本文圖1所示模型應(yīng)用于學(xué)科之間學(xué)科交叉知識的發(fā)現(xiàn),但將兩個學(xué)科之間的知識進(jìn)行關(guān)聯(lián)的許多關(guān)鍵詞在語義或語境上相差巨大,造成具有可解釋性的交叉知識點相對較少,而無法體現(xiàn)出模型的合理性。因此,現(xiàn)有實驗選擇人工智能學(xué)科相關(guān)項目和信息管理學(xué)科相關(guān)項目進(jìn)行研究,雖然同樣受到關(guān)鍵詞歧義的影響,但是當(dāng)兩個學(xué)科語義環(huán)境較為接近時,絕大部分結(jié)果獲得了較好的可解釋性。針對上述問題,本文認(rèn)為需要在后續(xù)研究中,對關(guān)聯(lián)不同學(xué)科的關(guān)鍵詞進(jìn)行消歧處理,從而在模型中過濾掉在不同學(xué)科語義相差較大的關(guān)鍵詞,形成的學(xué)科交叉知識點,進(jìn)而提升聚類結(jié)果的合理性和準(zhǔn)確性,目前已有文獻(xiàn)對跨學(xué)科術(shù)語歧義問題[50]、科學(xué)領(lǐng)域的語義詞移問題[51]進(jìn)行研究。結(jié)合第4.2.1節(jié)對表1聚類結(jié)果的分析,本文認(rèn)為模型最終提取的聚類結(jié)果合理、有效,在一定程度上揭示了兩個學(xué)科之間的學(xué)科交叉熱點,并研判未來學(xué)科間潛在的交叉學(xué)科形成。

    從交叉學(xué)科發(fā)展的角度分析。從表1的聚類結(jié)果可知,文中模型提取的重要學(xué)科交叉知識包括:智能體(agent)理論與社區(qū)用戶知識共享行為;人工智能用戶行為挖掘與金融風(fēng)險預(yù)測、欺詐識別;異構(gòu)社會網(wǎng)絡(luò)中用戶挖掘與社群經(jīng)濟的研究;自適應(yīng)交互、腦機接口技術(shù)與用戶信息行為相關(guān)的認(rèn)知研究;群體行為的挖掘與語義信息結(jié)合的研究;全局博弈策略與群體情感演化的應(yīng)急響應(yīng)研究;云存儲生物密鑰技術(shù)和用戶技術(shù)接受以及采納行為的研究;信息的傳播控制技術(shù)與信息社會問題的研究;復(fù)雜網(wǎng)絡(luò)理論與軌跡預(yù)測相關(guān)的研究;社交電商平臺用戶行為挖掘與電商生態(tài)系統(tǒng)績效相關(guān)的研究等。人工智能與信息管理兩個學(xué)科的交叉研究中,人工智能領(lǐng)域側(cè)重于技術(shù)方法的研究,信息管理領(lǐng)域則側(cè)重于理論、機制、機理等方面的研究,兩者之間的融合地帶,如金融風(fēng)險識別、社群經(jīng)濟、腦機交互、群體決策、情感演化、用戶技術(shù)采納、信息傳播控制、軌跡預(yù)測等,均可看作未來的前沿學(xué)科交叉及發(fā)展方向。兩個學(xué)科的交叉主要集中于將人工智能技術(shù)與用戶行為(如信息共享、信息獲取、采納、情感、認(rèn)知等)相融合,在更廣泛的領(lǐng)域提供高效的智能信息服務(wù),這種融合也與人工智能和信息管理兩個學(xué)科的學(xué)科特點有著密切的關(guān)系。從交叉學(xué)科成長的角度,應(yīng)側(cè)重于資助人工智能技術(shù)、用戶行為、用戶認(rèn)知等結(jié)合的智能信息服務(wù)研究,促進(jìn)其在更廣泛的智能信息服務(wù)領(lǐng)域得到應(yīng)用,如金融、電子商務(wù)、智能交通、決策支持、人機交互等,進(jìn)而圍繞智能信息服務(wù)形成相關(guān)的交叉學(xué)科研究領(lǐng)域。本文模型雖然受到關(guān)鍵詞歧義的影響,但絕大部分的分析結(jié)果具有一定的合理性和研究前瞻價值,為啟迪相關(guān)研究人員拓展研究思路,開展學(xué)科交叉相關(guān)研究具有參考價值。

    從學(xué)科交叉結(jié)果的評價角度分析。本文制定的聚類結(jié)果排序公式,雖然受語料庫關(guān)鍵詞收集范圍等因素的影響,很難從研究價值上進(jìn)行衡量或評價,但是本文認(rèn)為知識勢差相差越懸殊,知識語義相關(guān)度越大,其融合趨勢更具有驅(qū)動性和創(chuàng)新性,上文公式的定義具有一定的合理性和價值。上述模型的結(jié)果是建立在已有數(shù)據(jù)的共現(xiàn)關(guān)系基礎(chǔ)之上,隨著新的資助項目的不斷融入,相對較弱的共現(xiàn)關(guān)系可能會逐漸增強,被過濾掉的跨學(xué)科知識點會得到呈現(xiàn),因此,在后續(xù)研究中,需要不斷擴充語料庫,賦予關(guān)鍵詞更多語義關(guān)聯(lián)信息。由于本文選定了特定的具有一定語義相通性的不同學(xué)科進(jìn)行分析,聚類結(jié)果能夠通過已有數(shù)據(jù)較好地呈現(xiàn)出新的研究知識點,然而在更加復(fù)雜的語義環(huán)境下,需要針對特定的問題進(jìn)一步做深入研究和探索。同時,后續(xù)研究還需融入知識出現(xiàn)的時間等因素,完善學(xué)科知識交叉評價方法。

    5 總結(jié)與展望

    通過對實驗結(jié)果進(jìn)行分析以及對學(xué)科專家進(jìn)行訪談,本文認(rèn)為通過詞嵌入的方法進(jìn)行關(guān)鍵詞的詞向量映射,進(jìn)而發(fā)現(xiàn)學(xué)科交叉知識點,不僅可以完成關(guān)鍵詞在共現(xiàn)網(wǎng)絡(luò)中的重要性評價,還可以對學(xué)科關(guān)鍵詞之間的共現(xiàn)關(guān)系大小進(jìn)行量化,便于開展相關(guān)學(xué)科交叉分析及評價。模型獲取的最終結(jié)果也證明了本文思路的可行性,為學(xué)科交叉知識發(fā)現(xiàn)與評價提供了一種新的思路。但該模型也需要在后續(xù)通過更多的工作進(jìn)行優(yōu)化提升,主要包括以下幾個方面:①從知識工程的角度,對學(xué)科知識進(jìn)行管理和利用。知識圖譜是識別、發(fā)現(xiàn)和推斷數(shù)據(jù)中事物之間關(guān)系的可計算模型,在輔助語言理解、數(shù)據(jù)分析等方面發(fā)揮越來越重要的作用。通過知識圖譜技術(shù),從知識工程的角度對科研數(shù)據(jù)進(jìn)行知識抽取、消歧、組織、管理和利用,可以在最大程度上提升數(shù)據(jù)的質(zhì)量和分析效果。②學(xué)科知識分類體系的研究。學(xué)科交叉識別的一個重要挑戰(zhàn)是識別和界定相關(guān)研究對象的學(xué)科屬性,為基金項目相關(guān)知識實體等賦予合適的學(xué)科信息,是學(xué)科交叉研究的先決條件。關(guān)于知識實體學(xué)科屬性的劃分方法,一種是將論文和出版物按照學(xué)科分類體系歸屬到不同的學(xué)科門類下,另外一種方式是通過文獻(xiàn)的引文分析、文本分析形成聚類,從而探究學(xué)科的結(jié)構(gòu)[9]。將基金資助項目以及相應(yīng)知識劃分到合適的學(xué)科體系開展相關(guān)研究,是提升學(xué)科交叉識別質(zhì)量的重要方向。③學(xué)科關(guān)鍵詞歧義問題的研究。在學(xué)科交叉知識發(fā)現(xiàn)中,學(xué)科中代表成果主題的一些關(guān)鍵詞在不同的學(xué)科背景或上下文語義環(huán)境中存在多義(polyse‐my)現(xiàn)象,或者不同的關(guān)鍵詞代表同一個研究主題或語義的同義(synonym)現(xiàn)象。多義現(xiàn)象或同義現(xiàn)象在進(jìn)行學(xué)科交叉研究時,都會在一定程度上會阻礙學(xué)科交叉知識識別的準(zhǔn)確性。消除詞語歧義的研究,除了要通過相關(guān)技術(shù)的提升改進(jìn)準(zhǔn)確率外,還要構(gòu)建更多的與關(guān)鍵詞關(guān)聯(lián)的實體和關(guān)系信息,豐富特定詞語在特定環(huán)境下的含義,從而提升了知識消歧的效果。④鏈接預(yù)測與交叉評價的研究。預(yù)測是通過已有的知識去預(yù)測未知的知識的過程,是人類認(rèn)知世界的重要途徑。學(xué)科交叉發(fā)生的因素各種各樣,目前的方法通常是通過對學(xué)科交叉知識演變的過程進(jìn)行分析,從而發(fā)現(xiàn)學(xué)科交叉演變等,但也有相關(guān)研究[52]從預(yù)測的角度對學(xué)科未來的交叉方向進(jìn)行分析。近年來,圖神經(jīng)網(wǎng)絡(luò)通過處理圖結(jié)構(gòu)的數(shù)據(jù)以及捕捉圖中節(jié)點之間的鄰近關(guān)系,從而實現(xiàn)了節(jié)點之間關(guān)系的推理與預(yù)測,并取得了較好的效果。學(xué)科間知識的交叉研究,除了通過鏈接預(yù)測的方法進(jìn)行研究外,還需對學(xué)科交叉發(fā)生的內(nèi)層原因進(jìn)行分析,如文獻(xiàn)[53-54]從動力學(xué)角度進(jìn)行理論解析等。⑤從交叉知識發(fā)現(xiàn),到交叉學(xué)科成長的研究。從本文模型發(fā)現(xiàn)的學(xué)科交叉結(jié)果合理性來看,其在一定程度上可以體現(xiàn)目前人工智能與信息管理學(xué)科之間的學(xué)科交叉研究情況;從交叉知識點的研究內(nèi)容也可以看出,兩者之間的潛在交叉學(xué)科可以看作智能信息服務(wù)相關(guān)的研究。但是,目前的模型對交叉知識的提取是一種相對靜態(tài)的模型,還需引入學(xué)科知識動態(tài)演變的角度對交叉學(xué)科形成進(jìn)行分析,如時間因素融入學(xué)科交叉知識的發(fā)現(xiàn)。

    猜你喜歡
    交叉語義聚類
    語言與語義
    “六法”巧解分式方程
    基于DBSACN聚類算法的XML文檔聚類
    電子測試(2017年15期)2017-12-18 07:19:27
    連一連
    “上”與“下”語義的不對稱性及其認(rèn)知闡釋
    基于改進(jìn)的遺傳算法的模糊聚類算法
    基于Fast-ICA的Wigner-Ville分布交叉項消除方法
    計算機工程(2015年8期)2015-07-03 12:19:54
    一種層次初始的聚類個數(shù)自適應(yīng)的聚類方法研究
    認(rèn)知范疇模糊與語義模糊
    雙線性時頻分布交叉項提取及損傷識別應(yīng)用
    69av精品久久久久久| 人人妻人人爽人人添夜夜欢视频 | 亚洲第一区二区三区不卡| 嫩草影院精品99| 国产亚洲最大av| 国产免费又黄又爽又色| 亚洲内射少妇av| 亚洲欧洲日产国产| 大码成人一级视频| 麻豆乱淫一区二区| 成人高潮视频无遮挡免费网站| 国产精品嫩草影院av在线观看| 一级二级三级毛片免费看| 18禁裸乳无遮挡免费网站照片| 色婷婷久久久亚洲欧美| 少妇被粗大猛烈的视频| 99久国产av精品国产电影| 日本熟妇午夜| 欧美精品国产亚洲| 亚洲国产精品成人综合色| 国产精品一区二区三区四区免费观看| 男人舔奶头视频| 欧美国产精品一级二级三级 | av.在线天堂| 极品教师在线视频| 一级二级三级毛片免费看| 欧美亚洲 丝袜 人妻 在线| 亚洲国产精品成人久久小说| 久久久久九九精品影院| 99热这里只有是精品在线观看| 欧美国产精品一级二级三级 | 大片免费播放器 马上看| 18禁在线播放成人免费| 国产亚洲最大av| 自拍欧美九色日韩亚洲蝌蚪91 | 一级毛片黄色毛片免费观看视频| 亚洲欧洲国产日韩| 中文在线观看免费www的网站| 亚洲精品乱码久久久v下载方式| 人妻系列 视频| 亚洲,一卡二卡三卡| 中文字幕制服av| 午夜亚洲福利在线播放| 人妻 亚洲 视频| 91久久精品国产一区二区三区| 久久国产乱子免费精品| 国产永久视频网站| 国产精品一区二区在线观看99| 看免费成人av毛片| 在线观看一区二区三区激情| 国产精品麻豆人妻色哟哟久久| 日本一本二区三区精品| 免费人成在线观看视频色| 国产淫语在线视频| 欧美成人精品欧美一级黄| 国产亚洲一区二区精品| 免费看av在线观看网站| 久久久久精品性色| a级毛片免费高清观看在线播放| 久久久久性生活片| 高清日韩中文字幕在线| 亚洲人成网站高清观看| 国产熟女欧美一区二区| 欧美日韩亚洲高清精品| 欧美亚洲 丝袜 人妻 在线| www.色视频.com| 蜜桃亚洲精品一区二区三区| 国产v大片淫在线免费观看| 各种免费的搞黄视频| 在线观看一区二区三区激情| 国产乱来视频区| 建设人人有责人人尽责人人享有的 | 只有这里有精品99| 久久国产乱子免费精品| 爱豆传媒免费全集在线观看| 午夜亚洲福利在线播放| 欧美日韩国产mv在线观看视频 | 丝袜脚勾引网站| 一级av片app| 国产淫语在线视频| 国产成人精品久久久久久| 精品人妻视频免费看| 久久99热这里只有精品18| 丰满乱子伦码专区| 舔av片在线| 男女国产视频网站| 日本av手机在线免费观看| 能在线免费看毛片的网站| 日韩一区二区三区影片| 最近最新中文字幕大全电影3| 成人午夜精彩视频在线观看| 国产av码专区亚洲av| 欧美亚洲 丝袜 人妻 在线| 高清日韩中文字幕在线| 在线观看免费高清a一片| 国语对白做爰xxxⅹ性视频网站| 午夜激情福利司机影院| 男女那种视频在线观看| 国产精品一区二区三区四区免费观看| 国产爱豆传媒在线观看| 各种免费的搞黄视频| 久久99热这里只频精品6学生| 亚洲最大成人手机在线| 99热全是精品| 欧美97在线视频| 伊人久久精品亚洲午夜| 日韩av在线免费看完整版不卡| 美女主播在线视频| 嫩草影院精品99| 婷婷色综合www| 欧美丝袜亚洲另类| 新久久久久国产一级毛片| 国产伦理片在线播放av一区| 男的添女的下面高潮视频| 最新中文字幕久久久久| 欧美一区二区亚洲| 国产成人aa在线观看| 亚洲精品一区蜜桃| 黄色配什么色好看| 久久99精品国语久久久| 五月玫瑰六月丁香| 国产成人免费无遮挡视频| 国产淫片久久久久久久久| 亚洲国产成人一精品久久久| 麻豆成人av视频| 欧美三级亚洲精品| 夜夜看夜夜爽夜夜摸| 少妇人妻一区二区三区视频| 舔av片在线| 春色校园在线视频观看| 欧美成人精品欧美一级黄| 80岁老熟妇乱子伦牲交| 国产精品一区二区性色av| 亚洲av成人精品一二三区| 精品一区在线观看国产| 国内精品宾馆在线| 国产高清三级在线| 熟女电影av网| 国产一区二区在线观看日韩| 国产精品精品国产色婷婷| 禁无遮挡网站| 亚洲不卡免费看| 人人妻人人看人人澡| 精品国产露脸久久av麻豆| 黄片wwwwww| 色哟哟·www| 性色avwww在线观看| 如何舔出高潮| 可以在线观看毛片的网站| www.av在线官网国产| 亚洲一区二区三区欧美精品 | 国产精品成人在线| 听说在线观看完整版免费高清| 禁无遮挡网站| 少妇熟女欧美另类| 国产成人a区在线观看| h日本视频在线播放| 一区二区三区精品91| 又大又黄又爽视频免费| 观看美女的网站| 狂野欧美激情性bbbbbb| 国产色婷婷99| 天堂中文最新版在线下载 | av国产免费在线观看| 色哟哟·www| 久久久久网色| 国产探花在线观看一区二区| 在线天堂最新版资源| 久久99蜜桃精品久久| 国产精品人妻久久久影院| 91久久精品国产一区二区成人| 国产亚洲一区二区精品| 王馨瑶露胸无遮挡在线观看| 美女高潮的动态| 国产午夜精品一二区理论片| 久久久亚洲精品成人影院| 精品一区二区免费观看| 最后的刺客免费高清国语| 国产v大片淫在线免费观看| 夜夜爽夜夜爽视频| 在线天堂最新版资源| 国产黄频视频在线观看| 国产精品无大码| 特级一级黄色大片| 久久久久久久国产电影| 免费黄色在线免费观看| 国产精品久久久久久av不卡| 高清欧美精品videossex| 免费黄色在线免费观看| 最近手机中文字幕大全| av女优亚洲男人天堂| 又爽又黄无遮挡网站| 国产乱人偷精品视频| 国产视频内射| 欧美成人精品欧美一级黄| 涩涩av久久男人的天堂| 午夜视频国产福利| 久久久久久久久久成人| 黄色一级大片看看| 肉色欧美久久久久久久蜜桃 | 国产黄色免费在线视频| 白带黄色成豆腐渣| 久久久久久九九精品二区国产| 99久久中文字幕三级久久日本| 女人十人毛片免费观看3o分钟| 超碰97精品在线观看| 国产又色又爽无遮挡免| 国产高潮美女av| 国产欧美另类精品又又久久亚洲欧美| 一区二区三区免费毛片| 晚上一个人看的免费电影| 亚洲欧美成人精品一区二区| 尤物成人国产欧美一区二区三区| 国产精品国产av在线观看| 色网站视频免费| 久久久久久九九精品二区国产| 精品人妻视频免费看| 嫩草影院精品99| 亚洲人与动物交配视频| 国产成人午夜福利电影在线观看| 97人妻精品一区二区三区麻豆| 最近中文字幕高清免费大全6| 欧美成人精品欧美一级黄| 国产毛片a区久久久久| 亚州av有码| 美女高潮的动态| 日本-黄色视频高清免费观看| 成人漫画全彩无遮挡| 国产精品99久久99久久久不卡 | 亚洲经典国产精华液单| 精品国产露脸久久av麻豆| 国产成人午夜福利电影在线观看| 欧美激情久久久久久爽电影| 国产精品人妻久久久久久| av福利片在线观看| 日韩一本色道免费dvd| 国产乱人视频| 国内揄拍国产精品人妻在线| 99热网站在线观看| 老师上课跳d突然被开到最大视频| 欧美老熟妇乱子伦牲交| 伦理电影大哥的女人| 亚洲精品,欧美精品| 777米奇影视久久| 欧美激情在线99| 国模一区二区三区四区视频| 日本猛色少妇xxxxx猛交久久| 免费看a级黄色片| 日日啪夜夜撸| 免费看av在线观看网站| 久久国内精品自在自线图片| 亚洲av免费高清在线观看| 男人和女人高潮做爰伦理| 超碰97精品在线观看| 又黄又爽又刺激的免费视频.| 国产精品不卡视频一区二区| 一级毛片aaaaaa免费看小| 国产伦精品一区二区三区四那| 天天一区二区日本电影三级| 亚洲成色77777| 亚洲av国产av综合av卡| 国产精品av视频在线免费观看| 亚洲欧洲国产日韩| 欧美性感艳星| 国产淫片久久久久久久久| 国产91av在线免费观看| 国产伦精品一区二区三区四那| 日韩成人伦理影院| 久久久久网色| 久久久久久久国产电影| 亚洲av不卡在线观看| 高清在线视频一区二区三区| 欧美老熟妇乱子伦牲交| 全区人妻精品视频| 亚洲精品,欧美精品| 国产亚洲91精品色在线| 亚洲最大成人av| 国产高清国产精品国产三级 | 精品熟女少妇av免费看| 亚洲欧美精品专区久久| 有码 亚洲区| 性色avwww在线观看| 免费看av在线观看网站| 亚洲丝袜综合中文字幕| 只有这里有精品99| 午夜福利视频1000在线观看| 亚洲av中文字字幕乱码综合| 欧美日韩在线观看h| 亚洲婷婷狠狠爱综合网| 赤兔流量卡办理| 蜜臀久久99精品久久宅男| 亚洲av.av天堂| 青春草亚洲视频在线观看| 男插女下体视频免费在线播放| 永久免费av网站大全| 日韩国内少妇激情av| 三级男女做爰猛烈吃奶摸视频| 精品国产露脸久久av麻豆| 国产精品一区二区性色av| av播播在线观看一区| 麻豆国产97在线/欧美| av国产久精品久网站免费入址| 国产69精品久久久久777片| 午夜免费男女啪啪视频观看| 国产毛片a区久久久久| av播播在线观看一区| 激情五月婷婷亚洲| 热99国产精品久久久久久7| 久久久久久久国产电影| 国产成人一区二区在线| 搞女人的毛片| 边亲边吃奶的免费视频| 欧美性感艳星| 内地一区二区视频在线| 欧美日韩综合久久久久久| 国产精品三级大全| 丝瓜视频免费看黄片| 午夜福利网站1000一区二区三区| 一级二级三级毛片免费看| 国产久久久一区二区三区| 精品人妻偷拍中文字幕| 美女xxoo啪啪120秒动态图| av线在线观看网站| 亚洲精品亚洲一区二区| 国产免费视频播放在线视频| 日韩电影二区| 亚洲精品成人久久久久久| 99久久精品国产国产毛片| 在线播放无遮挡| 菩萨蛮人人尽说江南好唐韦庄| 男插女下体视频免费在线播放| 联通29元200g的流量卡| 欧美日韩在线观看h| 久久久精品欧美日韩精品| 在线播放无遮挡| 国产毛片a区久久久久| 久久精品国产自在天天线| 国产精品久久久久久精品古装| 在线天堂最新版资源| 欧美xxxx黑人xx丫x性爽| 岛国毛片在线播放| 69av精品久久久久久| 亚洲欧美日韩东京热| 久久久久久国产a免费观看| 18禁动态无遮挡网站| 成人亚洲欧美一区二区av| 日日撸夜夜添| 美女内射精品一级片tv| 国产在线一区二区三区精| 国产男女超爽视频在线观看| 亚洲内射少妇av| 极品教师在线视频| 黄色配什么色好看| 99久久中文字幕三级久久日本| 亚洲欧美日韩另类电影网站 | 狂野欧美激情性bbbbbb| 看十八女毛片水多多多| 久久久国产一区二区| 国产欧美日韩一区二区三区在线 | 自拍欧美九色日韩亚洲蝌蚪91 | 欧美少妇被猛烈插入视频| 久久精品国产亚洲av天美| 国产乱人视频| av国产久精品久网站免费入址| 中国美白少妇内射xxxbb| 啦啦啦在线观看免费高清www| 一级av片app| 交换朋友夫妻互换小说| 91精品伊人久久大香线蕉| 午夜视频国产福利| 精品一区二区免费观看| 超碰97精品在线观看| 欧美精品人与动牲交sv欧美| 亚洲国产最新在线播放| 少妇高潮的动态图| 久久久精品欧美日韩精品| 国产日韩欧美在线精品| 日韩伦理黄色片| 干丝袜人妻中文字幕| 日韩av不卡免费在线播放| 好男人视频免费观看在线| 免费看光身美女| 99九九线精品视频在线观看视频| a级一级毛片免费在线观看| 99久久中文字幕三级久久日本| 国产精品久久久久久精品古装| 91久久精品电影网| 好男人视频免费观看在线| 国产欧美亚洲国产| 国产男女内射视频| 丝瓜视频免费看黄片| 日产精品乱码卡一卡2卡三| 老司机影院成人| 免费av不卡在线播放| 三级国产精品欧美在线观看| 全区人妻精品视频| 少妇丰满av| 在线免费十八禁| 男人狂女人下面高潮的视频| 不卡视频在线观看欧美| 久久久久精品久久久久真实原创| 精品午夜福利在线看| 视频区图区小说| 久久午夜福利片| 精品视频人人做人人爽| 亚洲精品亚洲一区二区| 国产精品女同一区二区软件| 老女人水多毛片| 日日撸夜夜添| 韩国高清视频一区二区三区| 成人毛片60女人毛片免费| 丝袜美腿在线中文| 亚洲精华国产精华液的使用体验| 亚洲av免费在线观看| 久久久久久久国产电影| 只有这里有精品99| 麻豆成人午夜福利视频| 国产熟女欧美一区二区| 日韩成人av中文字幕在线观看| 日韩电影二区| 精品国产三级普通话版| 国产精品国产三级国产专区5o| 欧美xxⅹ黑人| 日本av手机在线免费观看| 亚洲精品中文字幕在线视频 | 身体一侧抽搐| 91久久精品国产一区二区三区| 免费看av在线观看网站| 精品人妻偷拍中文字幕| 一区二区三区免费毛片| 在线播放无遮挡| 日本与韩国留学比较| 亚洲精品国产av成人精品| 男女无遮挡免费网站观看| 亚洲精品成人久久久久久| 国产精品久久久久久精品电影小说 | 国产爽快片一区二区三区| 欧美亚洲 丝袜 人妻 在线| av女优亚洲男人天堂| 国产精品久久久久久久电影| 亚洲精品影视一区二区三区av| 在线a可以看的网站| 日本一二三区视频观看| 精品人妻偷拍中文字幕| 嘟嘟电影网在线观看| 国产爱豆传媒在线观看| 热99国产精品久久久久久7| 免费观看av网站的网址| 亚洲av免费高清在线观看| 人妻夜夜爽99麻豆av| 一级毛片我不卡| 人体艺术视频欧美日本| 一二三四中文在线观看免费高清| 少妇的逼水好多| freevideosex欧美| 国产免费视频播放在线视频| av线在线观看网站| 亚洲人成网站在线观看播放| 又爽又黄无遮挡网站| 黄色日韩在线| 青青草视频在线视频观看| 人妻 亚洲 视频| 又大又黄又爽视频免费| 亚洲伊人久久精品综合| 午夜福利视频1000在线观看| 91精品一卡2卡3卡4卡| 高清日韩中文字幕在线| 美女视频免费永久观看网站| 三级男女做爰猛烈吃奶摸视频| 69av精品久久久久久| 91狼人影院| 搡老乐熟女国产| 80岁老熟妇乱子伦牲交| 2018国产大陆天天弄谢| 日韩视频在线欧美| 五月玫瑰六月丁香| av在线老鸭窝| 99久久中文字幕三级久久日本| 亚洲精品一区蜜桃| 亚洲熟女精品中文字幕| 久久精品久久久久久久性| 亚洲av中文av极速乱| 在线观看免费高清a一片| 人妻一区二区av| av在线天堂中文字幕| 亚洲丝袜综合中文字幕| 色吧在线观看| 国产在线一区二区三区精| 亚洲av成人精品一二三区| 韩国高清视频一区二区三区| 91久久精品电影网| 免费观看的影片在线观看| 伦精品一区二区三区| 亚洲欧洲日产国产| 大又大粗又爽又黄少妇毛片口| 七月丁香在线播放| 亚洲图色成人| 欧美日韩视频精品一区| av女优亚洲男人天堂| av天堂中文字幕网| 在线观看免费高清a一片| 国产精品一区二区三区四区免费观看| 午夜亚洲福利在线播放| 中国美白少妇内射xxxbb| 精品一区在线观看国产| av专区在线播放| a级毛片免费高清观看在线播放| a级一级毛片免费在线观看| 亚洲,一卡二卡三卡| 国产免费福利视频在线观看| 免费看av在线观看网站| 日韩三级伦理在线观看| 伦精品一区二区三区| 日韩免费高清中文字幕av| 国产精品国产三级专区第一集| 直男gayav资源| 欧美另类一区| 波野结衣二区三区在线| 少妇 在线观看| 草草在线视频免费看| 精品久久久久久久人妻蜜臀av| 少妇猛男粗大的猛烈进出视频 | av国产久精品久网站免费入址| 日韩一本色道免费dvd| 亚洲人成网站在线播| 中文精品一卡2卡3卡4更新| 欧美+日韩+精品| 美女cb高潮喷水在线观看| 2022亚洲国产成人精品| 中文在线观看免费www的网站| 嫩草影院精品99| 大陆偷拍与自拍| 狂野欧美白嫩少妇大欣赏| 草草在线视频免费看| 少妇的逼水好多| 亚洲婷婷狠狠爱综合网| 午夜福利在线在线| 国产乱人偷精品视频| 嫩草影院精品99| 国产熟女欧美一区二区| 女人被狂操c到高潮| 色吧在线观看| 特级一级黄色大片| 中文乱码字字幕精品一区二区三区| 日本午夜av视频| 在线观看一区二区三区激情| 免费观看性生交大片5| 两个人的视频大全免费| 99热这里只有精品一区| 男女边吃奶边做爰视频| 欧美最新免费一区二区三区| 三级国产精品片| 一本色道久久久久久精品综合| 欧美人与善性xxx| 色婷婷久久久亚洲欧美| 精品国产乱码久久久久久小说| 日韩一区二区视频免费看| av卡一久久| 国产黄色免费在线视频| 最近最新中文字幕大全电影3| 在线观看美女被高潮喷水网站| 亚洲国产高清在线一区二区三| 亚洲精品中文字幕在线视频 | av网站免费在线观看视频| 午夜精品国产一区二区电影 | 在线观看一区二区三区激情| 国产av国产精品国产| 午夜福利网站1000一区二区三区| 成年av动漫网址| 国产视频首页在线观看| 你懂的网址亚洲精品在线观看| 国产精品久久久久久精品古装| 国产成人精品婷婷| 国产黄片美女视频| 青春草国产在线视频| 蜜桃久久精品国产亚洲av| 国产黄a三级三级三级人| 免费av不卡在线播放| 日本黄色片子视频| 国产成人精品婷婷| 成人亚洲精品一区在线观看 | videos熟女内射| 噜噜噜噜噜久久久久久91| 久久精品国产亚洲av涩爱| 好男人视频免费观看在线| 国产成人精品久久久久久| 97精品久久久久久久久久精品| 亚洲真实伦在线观看| 狠狠精品人妻久久久久久综合| 亚洲欧美成人综合另类久久久| 在线观看人妻少妇| 久久久久久久久大av| 欧美97在线视频| 夫妻午夜视频| 内射极品少妇av片p| 一区二区三区免费毛片| 国产女主播在线喷水免费视频网站| 建设人人有责人人尽责人人享有的 | 国产综合懂色| 色哟哟·www| 国产伦在线观看视频一区| 少妇猛男粗大的猛烈进出视频 | 亚洲最大成人手机在线| av在线蜜桃| 狂野欧美白嫩少妇大欣赏| av免费观看日本| 内地一区二区视频在线| 在线观看一区二区三区| av在线老鸭窝| 精品久久国产蜜桃| 国产午夜精品一二区理论片| av在线天堂中文字幕| 亚洲经典国产精华液单| 97热精品久久久久久| 中文天堂在线官网|