博文
您认可这些由机器提出的科研问题吗？
||
德国现代物理学家海森堡曾说：“提出正确的问题，往往等于解决问题的一半。”；著名的科学家爱因斯坦也曾说：“提出问题往往比解决问题更重要，它意味着科学的真正进步。”。下面是以2013-2022年一些情报学论文数据为基础，由计算机提出的几个我相对熟悉的领域的科研问题，大家觉得这些问题靠谱吗？有价值吗？有新意吗？
新颖度越小表示越新颖
| 序号 | 关键词 | 科研问题 | 新颖度 |
| 1 | 文本分类 | 针对目前中文领域中大量存在的跨语言数据,提出一种基于特征加权的双语模型的文本分类方法。 | 0.533301 |
| 2 | 姓名消歧 | 随着网络的快速发展,大量网络用户出现,给网民带来方便的同时也使姓名管理面临新的问题。本研究提出一种基于模糊信息融合的姓名消歧模型,用于准确地将网民加入到自己的联系人中去。 | 0.486979 |
| 3 | 实体抽取 | 对领域相关度模型进行改进,提高微博评论情感主题的自动分类和主题词实体抽取效率。 | 0.36488 |
| 4 | 合著网络 | 通过构建基于时间序列的科学合著网络,研究学科热点的主题演化规律。 | 0.489346 |
| 5 | 深度学习 | 为提高舆情分析中对情感倾向分类的准确性,文章将深度学习技术引入到舆情事件中,提出融合多任务的网络舆情情绪分类模型。 | 0.568223 |
| 6 | 知识图谱 | 针对现有方法无法同时处理多种标注模式的现状,设计一种基于多种标注模式知识图谱的专利相似度计算模型。 | 0.389550 |
| 7 | 预训练模型 | 利用大规模的专利数据,在预训练模型基础上构建专利相似度预测模型,为专利检索和分析提供参考。 | 0.458940 |
欢迎评论。如果您想了解您熟悉的其它关键词对应的问题，可以告诉我，我发给您评判。
技术支持：lingcheng technology Beijing.
https://blog.sciencenet.cn/blog-460603-1443156.html
上一篇：赠送给图情专业学生做科研的新年礼物：文献元数据解析工具
扫一扫，分享此博文