Please wait a minute...
Advanced Search
数据分析与知识发现  2020, Vol. 4 Issue (2/3): 60-67    DOI: 10.11925/infotech.2096-3467.2019.0677
  专辑 本期目录 | 过刊浏览 | 高级检索 |
基于可视化的基金资助热点及其演化发现方法研究*
陈挺1,2,3,王海名3(),王小梅3
1中国科学院文献情报中心 北京 100190
2中国科学院大学经济与管理学院图书情报与档案管理系 北京 100190
3中国科学院科技战略咨询研究院 北京 100190
Detecting Funding Topics Evolutions with Visualization
Chen Ting1,2,3,Wang Haiming3(),Wang Xiaomei3
1National Science Library, Chinese Academy of Sciences, Beijing 100190, China
2Department of Library, Information and Archives Management, University of Chinese Academy of Sciences,Beijing 100190, China
3Institutes of Science and Development, Chinese Academy of Sciences, Beijing 100190, China
全文: PDF(2878 KB)   HTML ( 15
输出: BibTeX | EndNote (RIS)      
摘要 

【目的】 设计基于可视化的基金资助热点发现方法,用于分析科研立项重点以及发现其演化过程。【方法】 基于NASA小企业研发计划基金申请书的文本特征,绘制连续时间窗口下基金资助图谱,通过识别图谱中项目密度分布较高的区域定位资助热点,并根据两期图谱中热点位置、内容变化分析研判资助热点演变趋势。【结果】 在两个时间窗口内,可明确区分出消亡的、持续的和新兴的资助热点及其演化过程。【局限】 分析方法中涉及文本特征提取、可视化与概率密度计算等多个步骤需要多次调优,热点与演化判断分析尚未形成计算指标,无法脱离领域专家的判读。【结论】 本文提出的基于可视化图谱的基金资助热点及其演化的发现方法,可直观地反映资助机构的资助布局热点变化情况,经领域专家判读与其认知相符,或可在科研管理与决策者审视宏观科研布局中起到辅助作用。

服务
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章
陈挺
王海名
王小梅
关键词 可视化核密度基金资助热点演化    
Abstract

[Objective] This study tries to detect funding topics and their evolution based on data from NASA’s Small Business Innovation Research Program.[Methods] First, we created funding maps with two-time windows for topics of funding applications. Then, we identified areas with higher number of topics in the map. Finally, we determined the trends by comparing the changes of hotspots from the two maps.[Results] The proposed method identified the disappeared, continuous and emerging funding topics from the maps.[Limitations] The algorithm parameters and results need to be adjusted and evaluated manually.[Conclusions] The proposed method could effectively detect funding toipics and their evolution, which helps scientific management and policy decision making.

Key wordsVisualization    Kernel Density    Funding Focus    Evolution
收稿日期: 2019-06-14     
中图分类号:  P315 G35  
基金资助:*本文系中国科学院科技战略咨询研究院青年基金项目“科研项目布局分析中关键技术方法研究”(Y7X1161Q01);中国科学院文献情报领域引进优秀人才计划项目“空间科技领域战略情报分析方法研究”的研究成果之一(Y15391001)
通讯作者: 王海名     E-mail: wanghaiming@casisd.cn
引用本文:   
陈挺,王海名,王小梅. 基于可视化的基金资助热点及其演化发现方法研究*[J]. 数据分析与知识发现, 2020, 4(2/3): 60-67.
Chen Ting,Wang Haiming,Wang Xiaomei. Detecting Funding Topics Evolutions with Visualization. Data Analysis and Knowledge Discovery, DOI:10.11925/infotech.2096-3467.2019.0677.
链接本文:  
http://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/10.11925/infotech.2096-3467.2019.0677
图1  项目资助热点发现流程
图2  NASA 针对小企业研发资助项目的可视化图谱
图3  NASA SBIR 资助项目可视化图谱与资助热点变化
2000-2008财年 2009-2017财年
簇号 项目数量 研究内容 簇号 项目数量 研究内容
1-1 24 数据挖掘、决策系统软件工具 2-1 105 用于航空航天系统的软件工具开发(人机交互系统、可视化分析工具、无人机系统命令与控制,空管系统规划、运行和控制,决策支持系统等)
1-2 25 用于航空航天系统的软件工具开发(人机交互系统、可视化分析工具、航空管理系统等)
1-3 74 纳米材料、复合材料等多种材料及其航空航天应用 2-2 31 纳米材料、复合材料等多种材料及其航空航天应用
1-5 67 航空器空气动力学算法、建模和仿真工具(声学、气动弹性力学、CFD工具、旋翼机建模、燃烧等) 2-4 31 航空器空气动力学算法、建模和仿真工具(声学、气动弹性、湍流等)
表1  持续资助热点
簇号 项目数量 研究内容
1-4 31 基于MEMS的空间望远镜可变形镜面技术
1-6 58 基于HgCdTe、AlGaN、GaAs等材料的探测及成像半导体光电器件
1-7 29 高性能锂离子电池及其纳米复合电极、电解液材料开发
1-9 28 用于航天器各系统的监视及检测技术
表2  消亡的资助热点(2000-2008财年)
簇号 项目数量 研究内容
2-3 86 用于空间极端环境的电子器件
2-6 71 用于采样返回等太阳系探测任务的新型推进器技术
2-7 56 大型太阳能阵列部署结构
表3  新兴资助热点(2009-2017财年)
[1] 王小梅, 李国鹏, 陈挺 . 中国与世界主要科技强国的科学资助分析:基于科学结构图谱2010-2015[J]. 中国科学基金, 2018,32(4):424-433.
( Wang Xiaomei, Li Guopeng, Chen Ting . Scientific Funding of Scientific Prowess Nations: Analysis Based on the Science Map 2010-2015[J]. Bulletin of National Natural Science Foundation of China, 2018,32(4):424-433.)
[2] 杜建, 唐小利 . 美国国立卫生研究院与中国国家自然科学基金资助艾滋病细分领域分析[J]. 中国预防医学杂志, 2012,13(9):718-722.
( Du Jian, Tang Xiaoli . Analysis of the AIDS Segment by the National Institutes of Health and the National Natural Science Foundation of China[J]. Chinese Preventive Medicine, 2012,13(9):718-722.)
[3] 申艳军, 杨更社, 唐丽云 , 等. 2006-2015年“寒区岩土力学与工程”领域国家自然科学基金资助情况统计及发展趋势浅析[J]. 冰川冻土, 2015,37(5):1294-1303.
( Shen Yanjun, Yang Gengshe, Tang Liyun , et al. Development Trend and Statistics of the Field of Geotechnical Mechanics and Engineering in Cold Regions Funded by NSFC During 2006-2015[J]. Journal of Glaciology and Geocryology, 2015,37(5):1294-1303.)
[4] 邓方, 宋苏, 刘克 , 等. 国家自然科学基金自动化领域数据分析与研究热点变化[J]. 自动化学报, 2018,44(2):377-384.
( Deng Fang, Song Su, Liu Ke , et al. Data and Research Hotspot Analyses of National Natural Science Foundation of China in Automation Field[J]. Acta Automatica Sinica, 2018,44(2):377-384.)
[5] Park J, Blume-Kohout M, Krestel R , et al. Analyzing NIH Funding Patterns over Time with Statistical Text Analysis [C]// Proceedings of the 30th AAAI Conference on Artificial Intelligence. 2016.
[6] Pellicano E, Dinsmore A, Charman T . What Should Autism Research Focus upon? Community Views and Priorities from the United Kingdom[J]. Autism, 2014,18(7):756-770.
[7] Schwedt T J, Shapiro R E . Funding of Research on Headache Disorders by the National Institutes of Health[J]. Headache, 2009,49(2):162-169.
[8] 陈挺, 李国鹏, 王小梅 . 基于t-SNE降维的科学基金资助项目可视化方法研究[J]. 数据分析与知识发现, 2018,2(8):1-9.
( Chen Ting, Li Guopeng, Wang Xiaomei . Visualizing Appropriation of Research Funding with t-SNE Algorithm[J]. Data Analysis and Knowledge Discovery, 2018,2(8):1-9. )
[9] van der Maaten L, Hinton G . Visualizing Data Using t-SNE[J]. Journal of Machine Learning Research, 2008,9:2579-2605.
[10] Zhong G Q, Cheriet M . Large Margin Low Rank Tensor Analysis[J]. Neural Computation, 2014,26(4):761-780.
[11] Li W T, Cerise J E, Yang Y N , et al. Application of t-SNE to Human Genetic Data[J]. Journal of Bioinformatics and Computational Biology, 2017,15(4):1750017.
[12] Pezzotti N, Lelieveldt B P F, van der Maaten L , et al. Approximated and User Steerable tSNE for Progressive Visual Analytics[J]. IEEE Transactions on Visualization and Computer Graphics, 2017,23(7):1739-1752.
[13] Liu S S, Bremer P T, Thiagarajan J J , et al. Visual Exploration of Semantic Relationships in Neural Word Embeddings[J]. IEEE Transactions on Visualization and Computer Graphics, 2018,24(1):553-562.
[14] Xu X Y, Yan Z, Xu S L . Estimating Wind Speed Probability Distribution by Diffusion-Based Kernel Density Method[J]. Electric Power Systems Research, 2015,121:28-37.
[15] Xia Z X, Yan J . Kernel Density Estimation of Traffic Accidents in a Network Space[J]. Computers, Environment and Urban Systems, 2008,32(5):396-406.
[16] Anderson T K . Kernel Density Estimation and K-means Clustering to Profile Road Accident Hotspots[J]. Accident Analysis and Prevention, 2009,41(3):359-364.
[17] Dehnad K . Density Estimation for Statistics and Data Analysis[J]. Technometrics, 1987,29(4):495-495.
[1] 李旭晖,于滔,李婷,李逸文,顾进广. 一种面向演化的模式元数据描述机制*[J]. 数据分析与知识发现, 2020, 4(1): 76-88.
[2] 侯剑华,刘盼. 专利技术系统演化的技术熵测度模型与实证研究 *[J]. 数据分析与知识发现, 2019, 3(8): 21-29.
[3] 关鹏,王曰芬,傅柱. 基于LDA的主题语义演化分析方法研究 * ——以锂离子电池领域为例[J]. 数据分析与知识发现, 2019, 3(7): 61-72.
[4] 杨海慈,王军. 宋代学术师承知识图谱的构建与可视化[J]. 数据分析与知识发现, 2019, 3(6): 109-116.
[5] 杨亚楠,赵文辉,张健,谭珅,张贝贝. 基于多视图协同的政策文本可视化研究*[J]. 数据分析与知识发现, 2019, 3(6): 30-41.
[6] 刘建华,张智雄,张琴. 基于多维政策实体及其关系的科技政策演化路径揭示方法研究*[J]. 数据分析与知识发现, 2019, 3(5): 57-67.
[7] 朱光,刘虎,杜欣蒙. 隐私忧虑背景下的移动医疗APP使用意愿研究*——基于三方博弈的视角[J]. 数据分析与知识发现, 2019, 3(5): 93-106.
[8] 吴江,刘冠君,胡仙. 在线医疗健康研究的系统综述: 研究热点、主题演化和研究方法*[J]. 数据分析与知识发现, 2019, 3(4): 2-12.
[9] 安璐,梁艳平. 突发公共卫生事件微博话题与用户行为选择研究*[J]. 数据分析与知识发现, 2019, 3(4): 33-41.
[10] 李想,钱晓东. 商品在线评价对消费趋同影响研究*[J]. 数据分析与知识发现, 2019, 3(3): 102-111.
[11] 吴志强,祝忠明,刘巍,王思丽. CSpace知识分析与可视化功能扩展研究与实践*[J]. 数据分析与知识发现, 2019, 3(3): 112-119.
[12] 张佩瑶,刘东苏. 基于词向量和BTM的短文本话题演化分析*[J]. 数据分析与知识发现, 2019, 3(3): 95-101.
[13] 汪鸿沁泠,巴志超,李纲. 微信群会话话题强度计算及演化分析*[J]. 数据分析与知识发现, 2019, 3(2): 33-42.
[14] 李纲,陈思菁,毛进,谷岩松. 自然灾害事件微博热点话题的时空对比分析 *[J]. 数据分析与知识发现, 2019, 3(11): 1-15.
[15] 陈挺,李国鹏,王小梅. 基于t-SNE降维的科学基金资助项目可视化方法研究*[J]. 数据分析与知识发现, 2018, 2(8): 1-9.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
版权所有 © 2015 《数据分析与知识发现》编辑部
地址:北京市海淀区中关村北四环西路33号 邮编:100190
电话/传真:(010)82626611-6626,82624938
E-mail:jishu@mail.las.ac.cn