学科信息学与学科知识发现是一个情报学、信息学与数据科学的前沿交叉领域。本书是中国科学院成都文献情报中心在该领域多年科研成果与服务工作的结晶与升华。本书分理论篇、数据篇、技术篇与应用篇,共14章。理论篇系统阐述了学科信息学与学科知识发现的背景内涵、学科体系、数据工具、关键应用及发展展望。数据篇与技术篇介绍了生物医学、生命健康学科典型数据平台、分析工具、知识挖掘技术与知识发现框架以及与深度学习技术结合。应用篇介绍了若干学科知识发现典型应用,包括基础研究与技术创新关联分析、研究主题挖掘、科研合作预测、新兴技术主题突破性预测、前沿主题识别、潜在合作伙伴发现以及移动端学科知识服务。
样章试读
目录
- 目录
前言
一、理论篇
第1章 学科信息学与数据驱动的学科知识发现发展 3
1.1 学科信息学发展概述 4
1.2 学科信息学关键问题研究 11
1.3 代表性学科信息学领域——生物医学信息学 18
1.4 政策领域大数据分析——政策信息学 26
1.5 数据密集型科学范式下学科信息学发展的重大意义 39
1.6 学科信息学发展展望 42
参考文献 45
二、数据篇
第2章 生命与健康科学大数据发展现状及共享机制 55
2.1 生命与健康科学大数据总体概况 55
2.2 生命与健康科学大数据建设进展 56
2.3 生命与健康科学大数据开放共享 60
2.4 总结与展望 66
参考文献 66
第3章 面向生物医药领域知识发现的信息组织 68
3.1 引言 68
3.2 国内外研究现状 69
3.3 知识发现平台信息组织分析 73
3.4 总结与思考 79
参考文献 79
三、技术篇
第4章 生物信息学数据分析工具综述 85
4.1 引言 85
4.2 生物信息学研究内容与方法 86
4.3 常用分析工具介绍 88
4.4 结语 107
参考文献 108
第5章 面向知识发现的生物医学文本挖掘 113
5.1 引言 113
5.2 生物医学领域本体UMLS 114
5.3 生物医学领域文本挖掘工具 123
5.4 生物医学文本挖掘应用 132
5.5 结论 137
参考文献 137
第6章 数据驱动的生命科学知识发现框架Galaxy 141
6.1 引言 141
6.2 Galaxy介绍 142
6.3 核心功能 147
6.4 应用 151
6.5 发展趋势 154
6.6 总结 156
参考文献 157
第7章 深度学习在生物医学领域的应用进展 158
7.1 引言 158
7.2 进展分析 160
7.3 结论 166
7.4 展望 167
参考文献 167
四、应用篇
第8章 数据驱动的合成生物学领域基础研究与技术创新关联分析 173
8.1 引言 173
8.2 国内外相关研究综述 175
8.3 研究方法 177
8.4 结果与讨论 182
8.5 结语 193
参考文献 194
第9章 面向知识发现的研究主题挖掘 198
9.1 研究现状 198
9.2 研究方法流程 199
9.3 实证研究 206
9.4 小结 221
参考文献 222
第10章 基于翻译模型的科研合作预测 224
10.1 引言 224
10.2 相关研究 225
10.3 基于翻译的科研合作网络表示 230
10.4 科研合作网络结构特征学习 236
10.5 实证研究 241
10.6 结语 244
参考文献 245
第11章 干细胞领域新兴技术主题的突破性预测 248
11.1 引言 248
11.2 研究现状 249
11.3 基于引文曲线拟合分析的新兴技术主题的突破性预测方法 252
11.4 实证分析 256
11.5 讨论与结论 271
参考文献 272
第12章 数据驱动的医学领域前沿主题识别 284
12.1 概念界定 284
12.2 前沿主题识别方法研究现状 285
12.3 医学领域前沿主题特征及识别方法 289
12.4 领域选择 294
12.5 实验过程与结果解读 297
12.6 结语 301
参考文献 302
第13章 基于专利异构网络的中小企业潜在合作伙伴发现 305
13.1 引言 305
13.2 国内外相关研究现状306
13.3 基于PathSelClus算法的异构信息网络聚类 312
13.4 石墨烯领域实证研究 320
13.5 小结 332
参考文献 333
第14章 基于微信小程序的学科知识服务 336
14.1 引言 336
14.2 泛在化学科知识服务方式与微信小程序介绍(徐源等,2020)337
14.3 学科知识服务微信小程序的服务内容 340
14.4 学科知识服务微信小程序的服务模式 341
14.5 案例实践——“干细胞助手”微信小程序 344
14.6 技术实现 348
参考文献 358