Please wait a minute...
Advanced Search
数据分析与知识发现
  本期目录 | 过刊浏览 | 高级检索 |
基于文献的知识发现新近研究综述
代冰,胡正银
(中国科学院成都文献情报中心 成都 610041)
(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)
A review of recent studies on literature-based discovery
Dai Bing,Hu Zhengyin
(Chengdu Library and Information Center, Chinese Academy of Sciences, Chengdu 610041, China)
(Department of Library, Information and Archives Management, School of Economics and Management, University of Chinese Academy of Sciences, Beijing 100190, China)
全文: PDF (1008 KB)  
输出: BibTeX | EndNote (RIS)      
摘要 

[目的]对基于文献的知识发现(Literature-based discovery,LBD)近十年的文献进行综述,有助于学界了解该主题的新近研究进展、发展趋势与面临挑战。[文献范围]使用“literature based discovery”、“literature AND knowledge discovery”、“文献知识发现”、“文献 AND 知识挖掘”在Web of Science、CNKI和百度学术中检索,限定文献发表时间为2010年-2020年,共筛选出72篇代表性文献进行述评。[方法]从研究对象、方法技术、结果评估与典型应用四个方面对文献进行归纳梳理,并总结LBD的发展趋势与面临挑战。[结果]研究发现LBD发展呈现出研究对象复杂化、分析方法智能化、发现结果丰富化与应用服务实践化的趋势;LBD在多源异构数据融合、知识发现可解释性、结果有效性评估、多领域专家协同方面面临重大挑战。[局限]本文主要基于文献对LBD新近进展进行综述,对LBD工具系统及产业界应用覆盖不够。[结论]作为情报学、信息学、数据科学的交叉研究领域,LBD对挖掘跨学科领域隐性知识与提供高质量学科化知识服务具有重要意义,但距离真正实现支持潜在的科学新发现还存在诸多挑战。

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
关键词 基于文献的知识发现文献挖掘知识发现知识图谱情报研究     
Abstract

[Objective] This paper investigates the literatures of literature-based discovery (LBD) in the recent ten years, which will help the researchers better understand the new research progress, development trend and challenges on this topic. [Coverage] Using "literature based discovery", "literature and knowledge discovery" in Chinese and English to search in the databases of web of science, CNKI and Baidu academic, the publication year is limited from 2010 to 2020, and 72 representative literatures are selected for review. [Methods] Firstly, this paper summarized the literatures from four aspects: research objects, methods and techniques, result evaluation and typical applications, and after that the future development trend and challenges of LBD are summarized. [Results] The research objects of LBD tend to be more complicated, the analysis methods and techniques tend to be more intelligent, the discovery results are more enriched, and more LBD applications appear. LBD also faces some challenges in multi-source heterogeneous data fusion, interpretability of knowledge discovery, effectiveness evaluation of results, and collaboration of multi-disciplinary experts. [Limitations] This paper mainly reviews the recent development of LBD based on literatures, and it is not enough to cover the LBD tools or systems and industry applications. [Conclusions] As an interdisciplinary research field of information science, informatics and data science, LBD is of great significance for mining interdisciplinary knowledge and providing high-quality subject knowledge services. However, there are still some challenges to support potential scientific discoveries.

Key words Literature-based discovery    Literature mining    Knowledge discovery    Knowledge graph    Information research
     出版日期: 2020-12-21
ZTFLH:  TP393,G250  
引用本文:   
代冰, 胡正银. 基于文献的知识发现新近研究综述 [J]. 数据分析与知识发现, 10.11925/infotech.2096-3467.2020.1155.
Dai Bing, Hu Zhengyin. A review of recent studies on literature-based discovery . Data Analysis and Knowledge Discovery, 0, (): 1-.
链接本文:  
http://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/10.11925/infotech.2096-3467.2020.1155      或      http://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/Y0/V/I/1
[1] 邵琦,牟冬梅,王萍,靳春妍. 基于语义的突发公共卫生事件网络舆情主题发现研究*[J]. 数据分析与知识发现, 2020, 4(9): 68-80.
[2] 梁野,李小元,许航,胡伊然. CLOpin:一种面向舆情分析与预警领域的跨语言知识图谱架构*[J]. 数据分析与知识发现, 2020, 4(6): 1-14.
[3] 吕华揆,洪亮,马费成. 金融股权知识图谱构建与应用*[J]. 数据分析与知识发现, 2020, 4(5): 27-37.
[4] 胡正银,刘蕾蕾,代冰,覃筱楚. 基于领域知识图谱的生命医学学科知识发现探析*[J]. 数据分析与知识发现, 2020, 4(11): 1-14.
[5] 王毅,沈喆,姚毅凡,成颖. 领域事件图谱构建方法综述*[J]. 数据分析与知识发现, 2020, 4(10): 1-13.
[6] 李家全,李宝安,游新冬,吕学强. 基于专利知识图谱的专利术语相似度计算研究*[J]. 数据分析与知识发现, 2020, 4(10): 104-112.
[7] 胡佳慧,方安,赵琬清,杨晨柳,任慧玲. 面向知识发现的中文电子病历标注方法研究 *[J]. 数据分析与知识发现, 2019, 3(7): 123-132.
[8] 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.
[9] 丁晟春,侯琳琳,王颖. 基于电商数据的产品知识图谱构建研究*[J]. 数据分析与知识发现, 2019, 3(3): 45-56.
[10] 吴菊华,王煜,黎明,蔡少云. 基于加权知识网络的在线健康社区用户知识发现*[J]. 数据分析与知识发现, 2019, 3(2): 108-117.
[11] 杨磊,王子润,侯贵生. 基于Q-LDA主题模型的网络健康社区主题挖掘研究 *[J]. 数据分析与知识发现, 2019, 3(11): 52-59.
[12] 王颖,钱力,谢靖,常志军,孔贝贝. 科技大数据知识图谱构建模型与方法研究*[J]. 数据分析与知识发现, 2019, 3(1): 15-26.
[13] 胡吉颖,谢靖,钱力,付常雷. 基于知识图谱的科技大数据知识发现平台建设*[J]. 数据分析与知识发现, 2019, 3(1): 55-62.
[14] 王欣, 冯文刚. 在线极端主义和激进化监测技术综述*[J]. 数据分析与知识发现, 2018, 2(10): 2-8.
[15] 张志强, 范少萍, 陈秀娟. 面向精准医学知识发现的生物医学信息学发展*[J]. 数据分析与知识发现, 2018, 2(1): 1-8.
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