知识图谱视野下科技查新研究的发展分析
浅议将知识图谱融入查新工作以推动学科化服务
献报 道追 踪、 某一学科数据信 息的分析及数据挖 掘 、 科研成果 论 文 的引文分析 等多元化 发展［ ］ １， ｏ 而这 一切 的根本 前提是查新 数 据 的科学性 、 全面性 、 客观性和权威性 。如何增强查新所得相关 文献 的科 学性 和权威性呢？有作者提 出将 数据挖掘技术应用 于
构 建科 技查 新质量 可靠 性评 价指标 体 系 ； 此外 ， 存在 查新评 还 价指标必 须涵盖基本要素评价 、工作 流程及服务成果评价 和工 作效果评价三部分的观点［７ 有作者还采用了文 献调研法 ， ５］ －。 分析 了解科技查新 中每一个工作流程 的操作规 范 ，然后通过专家 咨 询， 收集 、 析每位专 家的意见 和建议 ， 分 对各个 主要影 响因素进 行分 析 、 筛选 ， 最终得 到查新报 告质量评 价体系 的各 级指标 ＿ 。 ８ ］ 有作 者还针对 查新流程 中查新受理 、 文献 检索 、 报告撰 写 、 查新
数据 提供 给科技 人员 和科研 管理 部 门据此 进行对 比分 析 和评 价， 查新报告 应体 现理想的查全率和查准率 而不遗漏关键文献 。 虽然查新 工作开展 了 ２ ０多年 ， 但还有提 升和拓展 的空 间 ， 有的 查新 人员 已开始这方面 的探索 。比如说 ， 有作者认 为 ， 查新 工作 应该 不断创新 ， 由单一 的文献检索 向研究项 目的可行 性分析 、 文
查新领域 ， 有助于提 高查新工作效率 ， 还能够通 过 Ａｒｗ ｍｉ ｒ ｓｔ ｏ ｈ等 数据挖 掘软件发掘疾病 之间或者病 因与治疗之 间的新联 系 ］ 。 而笔者则针对知识 图谱 可视 化软件应用 于查新 过程 中的可行性 进行 了一些思考 ， 不妥之处请 同行指正。
知识图谱技术的发展与应用研究
知识图谱技术的发展与应用研究近年来，随着大数据技术的兴起和互联网的高速发展，知识图谱技术成为了人工智能领域中备受关注的技术之一。
知识图谱是一种半结构化的数据存储方式，可以将不同类型的数据进行统一的管理和存储，并且可以进行关系和语义的挖掘，从而实现知识的提取、表示和共享。
本文将对知识图谱技术的发展现状和应用研究进行探讨。
一、知识图谱技术的发展历程知识图谱技术的起源可以追溯到上世纪六十年代的人工智能研究中，当时研究人员提出了“语义网”的概念，试图将互联网中存在的大量数据进行关联和语义化处理。
随着社交网络、移动互联网和物联网等新技术的出现，以及Google等搜索引擎的技术进步，知识图谱技术逐渐得以实现。
2012年，Google发布了知识图谱项目，建立了包括人物、地点、事件、组织等多个领域的知识图谱，这一成果引起了全球范围内的关注和研究。
当前，国内外的知识图谱技术研究主要分为两个方向：一是基于知识库的知识图谱构建，其主要特点是强调人工对知识进行精细构建和管理；二是基于大数据的知识图谱构建，其主要特点是通过对庞大数据的挖掘，从中提取知识，并且可以自动化地进行语义处理。
二、知识图谱技术的应用领域随着人工智能技术的发展，知识图谱技术被广泛应用于各个领域，其中最为典型的应用是搜索引擎。
搜索引擎将搜索结果与知识图谱进行关联，使得用户得到的搜索结果更加准确和科学。
此外，知识图谱技术还在智能语音交互、自然语言处理、企业问答系统等领域得到了广泛应用。
例如，智能语音交互技术可以通过语音识别和自然语言处理将用户的语音指令转化为对知识图谱的查询，实现语音搜索等功能。
企业问答系统则可以针对企业内部知识管理，将企业内部的知识进行积累和共享，提高企业的效率和竞争力。
三、知识图谱技术的未来展望当前，知识图谱技术尚处于初步推广和尝试阶段，未来还有广阔的应用前景和发展空间。
未来，随着新技术的出现和人工智能技术的突破，知识图谱技术将更加深入人心，为各个领域的发展奠定坚实的技术基础。
知识图谱在科学研究中的应用分析
知识图谱在科学研究中的应用分析摘要：知识图谱广泛应用于各个领域，包括科学研究。
本文将讨论知识图谱在科学研究中的应用，并分析其在数据集成、专家发现、关联分析和科学知识管理等方面的优势。
通过对知识图谱应用案例的分析，本文旨在提供了解知识图谱在科学研究中应用的深入了解。
1. 引言知识图谱是一种以图为基础的知识表达和呈现方式，通过构建图结构来表示实体及其属性之间的关系。
在科学研究中，知识图谱能够有效地将分散的数据整合起来，并提供了一个可视化的方式来展示和理解复杂的本体。
2. 知识图谱在科学研究中的应用2.1 数据集成科学研究往往涉及多个领域的数据集成。
知识图谱提供了一种统一的数据模型，能够将各种数据源进行整合，将不同领域的数据连接起来。
例如，在生物医学研究中，研究者可以将医学文献、基因组数据、蛋白质互作网络等数据整合到一个知识图谱中，便于研究者对数据进行综合分析。
2.2 专家发现在科学研究中，发现领域内的专家是一项重要的任务。
通过构建一个专家知识图谱，可以将与专家相关的信息整合到一个图中，包括他们的研究领域、发表的论文、合作关系等。
研究者可以利用知识图谱来发现潜在的专家，为合作和学术推广提供便利。
2.3 关联分析知识图谱可以通过分析实体之间的关系，揭示出数据中的潜在关联和规律。
在科学研究中，这种关联分析对于发现新的关联和趋势具有重要意义。
例如，通过分析论文的引用关系，可以了解到不同研究领域的交叉点和热门研究方向。
这种关联分析可以帮助研究者更好地了解已有研究的局限性和发展方向。
2.4 科学知识管理在科学研究中，大量的科学知识需要进行有效的管理。
知识图谱提供了一种结构化的方式来组织和管理科学知识，可以将不同的知识元素连接起来，形成一个完整的知识网络。
研究者可以通过知识图谱来浏览、查询和更新科学知识，从而更好地管理和利用科学研究成果。
3. 知识图谱应用案例分析为了进一步说明知识图谱在科学研究中的应用，我们选择了几个典型案例进行分析。
基于知识图谱的信息检索技术研究
基于知识图谱的信息检索技术研究信息检索技术是由于信息量的大量增长和信息传播的迅速速度而日益受到关注和发展的一种技术。
它主要关注如何快速、准确地从海量的信息资源中找到所需的信息，为人们的生活和工作提供便捷和高效的服务。
然而，在信息检索过程中，存在着许多问题。
以传统的搜索引擎为例，其结果显示通常存在着固定的关键词匹配和模糊匹配，不能很好地解决用户的实际需求。
此外，由于传统搜索引擎的算法不断升级和优化，其结果也越来越被“人为”的干扰和影响，以致于搜索结果的可信性和精准性受到了一定的影响。
为解决这些问题，越来越多的学者开始研究如何基于知识图谱，提高信息检索技术的精准性和有效性。
那么，什么是知识图谱呢？知识图谱是基于语义网络技术和大数据分析技术建立起来的一张图表。
它可以在大数据的基础上，通过大数据分析和挖掘技术，提取和整理各种事物之间的关系，从而让机器更好地理解这些事物之间的联系。
例如，通过对于医疗领域的数据挖掘，可以建立一张以疾病、药品、症状等为节点的知识图谱。
知识图谱的建立不仅可以使机器更好地把握事物间的内在关系，而且可以使其“智能化”，具备对于查询的精准性和效率。
基于知识图谱的信息检索技术在如何快速、准确地找到用户的所需信息上取得了很大的优势。
在基于知识图谱的信息检索技术中，可以对于纯文本文档和结构化数据进行建模分析，在自然语言处理和语义解析上进行处理，使得机器能够准确地理解和分析文本或者数据的意义，并将其转化为符合用户需求的查询结果。
例如，在基于知识图谱建立的酒店查询系统中，机器可以通过对于酒店、地点、价格、房间类型等信息的分析和整理，建立一张酒店信息的知识图谱。
在这张图谱上，机器可以通过对于用户查询的关键字的语义解析，快速准确地返回符合用户需求的酒店结果，同时，也可以将这些结果按照用户需求的不同维度进行展示。
在基于知识图谱的信息检索技术的研究中，还存在着很多技术难点需要攻克。
这些难点包括如何对于不同类型的数据进行建模分析，以及如何打破“语言的壁垒”，使得机器能够准确地理解和分析各种自然语言。
知识图谱技术的发展现状与未来趋势
知识图谱技术的发展现状与未来趋势在当今大数据时代，我们正面临着海量信息的挑战。
从搜索引擎到智能语音助手，我们渴望从这些信息中找到准确、有用的知识。
然而，传统的搜索方法往往无法满足我们的需求。
因此，知识图谱技术应运而生。
它是一种以图形结构来模型化和组织知识的技术，已经在许多领域取得了重大进展，如自然语言处理、智能问答和智能推荐等。
一、知识图谱技术的发展现状1. 知识表示知识图谱的核心在于如何有效地表示知识。
传统的关系型数据库和多数基于文本的方法难以处理大规模的复杂关系。
因此，图结构逐渐成为知识图谱表示的主流方式。
其中，最有代表性的是Facebook的“Open Graph”和Google的“Knowledge Graph”。
2. 知识抽取知识图谱的构建需要从海量文本中抽取和获取知识。
自然语言处理等技术使得从文本中抽取实体、关系和属性等知识成为可能。
例如，命名实体识别、关系抽取和实体链接等方法被广泛应用于知识图谱的建设。
3. 知识融合和推理知识图谱的价值在于对知识进行推理和融合，以生成新的知识。
例如，给定“父亲是男性”的事实，通过推理可以得到“父亲是男性且必须是成年人”。
传统的逻辑推理和统计推理方法用于知识图谱的推理和融合，但仍然存在挑战，例如不完备性和一致性。
二、知识图谱技术的未来趋势1. 图神经网络的发展图神经网络（Graph Neural Networks）是近年来兴起的一种深度学习方法，专门用于处理图结构数据。
图神经网络可以处理节点特征和图拓扑结构，用于节点分类、关系预测等任务。
随着图神经网络的发展，相信它将在知识图谱技术中发挥更加重要的作用。
2. 语义理解与知识推理当前的知识图谱技术大多是基于浅层语义的，对于复杂的语义理解和知识推理仍然存在挑战。
未来的研究应该更加注重深入理解语义和逻辑，以便更好地进行知识推理和生成高质量的知识。
3. 多模态知识图谱传统的知识图谱主要基于文本数据，但未来的知识图谱将更加注重多模态数据的融合，如图像、音频和视频等。
知识图谱技术的研究与应用前景
知识图谱技术的研究与应用前景随着人工智能技术的不断发展，知识图谱技术也逐渐走入大众的视野。
知识图谱作为人工智能的重要组成部分，可以为企业、政府等机构提供精准的数据分析和决策支持。
本文将从知识图谱技术的基本概念、研究现状、应用场景和未来发展等几个方面，探讨知识图谱技术的研究与应用前景。
一、知识图谱技术的基本概念知识图谱是一种以图谱（Graph）方式呈现的知识表示形式。
它用一组实体、概念和关系来描述现实世界中的事物及它们之间的关系，包括人、地点、事件、产品等较大范围的实体。
在知识图谱中，实体作为图像节点，定义相应的属性和关系作为边（Edge）链接节点。
实体、属性和关系分别使用URI和命名空间表示。
通过对实体之间的关系进行抽象和组织，可以搭建出一个庞大、复杂的知识图谱体系，这种体系可以用来推断和发现新的关联，弥补知识的局限性。
二、知识图谱技术的研究现状目前，国内外都有很多机构和企业在知识图谱技术的研究与应用方面取得了显著的成果。
国外最具代表性的是Google的知识图谱（Google Knowledge Graph），这是一个拥有数十亿实体、数百亿关系的庞大知识库。
Google Knowledge Graph不仅与搜索引擎技术深度融合，还广泛应用于语音识别、智能机器人、自然语言处理和人工智能等领域。
国内，百度知识图谱则是目前最系统和完整的知识图谱体系之一，它包括了包括人物、电影、图书、地点、自然界、品牌、公司等众多领域的信息。
此外，国内外很多高校和科研机构也在开展知识图谱技术的研究，其中不乏国内的清华大学、上海交通大学等知名高校。
三、知识图谱技术的应用场景1. 搜寻引擎：百度、谷歌等搜寻引擎公司已经使用知识图谱来改进搜索引擎功能，提高搜索结果的准确性和交互性。
2. 医疗领域：知识图谱也可用于医疗领域和生物医学研究中，帮助医生和研究人员在众多疾病和药物之间的关系中找出相关性。
3. 零售和物流：企业可以使用知识图谱来优化供应链和物流管理，提高产品的准确性、交付时间和效率。
知识图谱技术的应用前景与发展方向
知识图谱技术的应用前景与发展方向知识图谱技术是一种新兴的信息处理方法，能够将数据和知识整合成一个统一且易于理解的语义网络，是实现人工智能和大数据分析的重要工具之一。
随着大数据时代的到来，知识图谱技术在众多领域得到了广泛运用，已经成为人工智能和大数据领域发展的前沿技术之一，具有广阔的应用前景和发展方向。
一、知识图谱技术的基础及应用知识图谱技术是基于语义表示的，它可以将不同类型的数据进行关联，将这些数据组织成为有语义的网络，利用一系列的关系来对数据进行描述和处理。
知识图谱技术可以表达包括元数据和实际数据在内的各种知识，同时通过复杂的推理系统来自动处理各种复杂的数据。
知识图谱技术的应用广泛，包括搜索引擎优化、语义搜索、自然语言处理、广告推荐、推荐系统、智能家居等。
比如，在搜索引擎方面，知识图谱技术可以帮助搜索引擎更好地理解用户的查询意图，从而提高搜索结果的质量。
在自然语言处理方面，通过建立知识图谱，可以将自然语言文本转换为结构化的数据，从而方便文本的分析和理解。
在广告推荐方面，通过知识图谱技术可以更好地理解用户的兴趣爱好，从而推荐符合用户需求的广告信息。
二、知识图谱技术的发展趋势1. 提高知识图谱的准确性知识图谱的准确性是保证知识图谱技术应用的基础。
未来的研究应该着重于提高知识图谱本身的准确性，通过新增数据、提高算法等措施来避免出现错误和不准确的信息。
同时，大数据的增加，将会使得知识图谱变得更加复杂，需要更加高效的算法来完善知识图谱的建立和提高准确性。
2. 将知识图谱应用于更多领域知识图谱技术已经在多个领域得到了应用，但未来可以将知识图谱技术进一步拓展应用领域。
比如，在城市规划、金融投资、医疗等领域，都可以借助知识图谱技术来进行分析和决策，并且可以将不同领域领域中建立的知识图谱整合起来，构建更加全面、准确的知识图谱。
3. 建立开放生态系统知识图谱技术是一个相对独立的研究领域，同时，随着数据的增加和知识图谱应用范围的拓展，需要建立一个开放的生态系统，让更多的研究者开发和应用知识图谱技术。
知识图谱技术的应用前景与发展趋势
知识图谱技术的应用前景与发展趋势随着人工智能的发展，知识图谱技术越来越受到人们的关注。
知识图谱是一种用于描述世界上各种事物及其关系的语义网络，其中包含了实体、属性、事件等多种知识元素，并提供了丰富的语义关系，使得计算机能够更好地理解和利用这些知识。
本文将探讨知识图谱技术的应用前景与发展趋势。
一、知识图谱技术的应用前景1.智能搜索随着知识图谱技术的不断完善，搜索引擎也会变得越来越智能化。
目前，搜索引擎的检索结果主要是基于关键词的匹配，但是这种方式存在很多弊端，比如结果不够精准、难以满足用户多样化的需求等。
有了知识图谱技术，搜索引擎可以更好地理解用户的查询意图，根据知识图谱中的实体、属性、关系等知识元素提供更加精准的结果。
比如，当用户搜索“北京市”时，搜索引擎可以根据知识图谱中的地理信息，提供包括北京市的位置、景点、天气等相关信息，使得用户可以更加方便地获取所需的信息。
2.人机交互知识图谱技术的应用还可以改善人机交互的体验。
传统的人机交互主要是基于人的指令，用户需要精确输入指令才能获取所需的信息。
而有了知识图谱技术，人机交互可以更加自然、智能、友好。
它可以通过语义理解和推理，使得计算机更好地理解用户的需求，从而提供更加贴近用户需求、自然流畅的服务。
比如，当用户通过语音输入“给我推荐一家评分不错的中餐厅”，人机交互系统可以根据知识图谱中的餐厅评分、菜品口味等属性关系，提供最符合用户需求的推荐。
3.知识管理知识图谱技术还可以改善企业的知识管理。
随着企业业务的复杂化和多元化，企业需要管理更多的知识和信息。
传统的知识管理方式存在很多弊端，比如管理效率低、信息质量难以保证等。
而有了知识图谱技术，企业可以更加高效地管理知识，快速发现知识之间的关联，并进行更加智能的推理和分析。
比如，在零售业中，知识图谱可以帮助企业更好地管理商品属性、价格、销量等信息，从而提供更加精准和个性化的服务。
二、知识图谱技术的发展趋势1.多模态数据融合知识图谱技术的发展趋势之一是多模态数据融合。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
查新 ” ，并 采用 “ 精确”检索方式 ，进行检索 ，检索 时间
为 ２ １ 年 ８月 ２ ０１ ０１ ３，共检索到论文 ４８篇 ，去除通讯 、简 ６
讯 、征文等无关文 献 ，并结合题 名 、关键 词和摘要 去除不 是 “ 科技 查新 ”论 文 ，挑 选 出 ３８篇 作 为本 文 的数 据源 ， ８ 导 出题 名 、作 者 、作者 单 位 、关 键 词 、摘 要 、刊名 、年 、
论文发表都有滞后期 ，所以可以预测 ２ １ 年 的查 新核心论 ０ １
文还有增长空 间。
收 稿 日期 ：２ １ —０ —０ ０２ ４ ５ 作者简介 ：周玉芳 （９７一） １７ ，女 ，馆员 ，理学硕士 ，研究方向 ：信息咨询和科技查新 ，发表论文 ５ 。 篇
［ 关键词］科技查新 ；文献计量方法 ；关键 词共现
Ｄ ：０．９９ ｊｉ ｎ １０ ０ ２ ．０ ２ ０ ．０ ｏＩ１ ３ ６ ／． ｓ ．０ ８— ８ １２ １ ．６ ０ ６ Ｓ
［ 中图分类号］Ｇ ５ ［ ２０ 文献标识码］Ａ ［ 文章编号］１０ —０２ ２ １ ）０ ０２ ０ ０８ ８ １（ ２ ６— ０５— ４ ０
刊年期 为 １９ ０ １ 年 ，来 源类别 为核心期 刊 ，以 “ ９０—２ １ 主题
＝
论文数量呈快 速增 长趋势 ；１９ ９８—２Ｏ Ｏ２年第 二 阶段 ，论文 数量呈缓慢下 降趋势 ，２０ —２ １ 第三 阶段 ，论文 数量 ０ ３ ０ ０年
呈稳步增长趋势 ，从 ２０ 年 的 １ ０３ ３篇核心到 ２ １ 的 ３ 篇 ０ ０年 ５ 核心 ，２ １ 年核心 为 １ 篇 ，由于统计到 ２１ 年 ８月 ，一般 ０ １ ８ ０１
１ 数 据 采集和 研究 方法
本文选 择 Ｃ Ｋ 的 《 ＮＩ 中国学术 期刊 网络 出版 总库》作
查新研究发展趋 势大致 可 以分为 ３个 阶段 。１９ ９０—１９ ９７年 第一阶段 ，从 １９ ９０年 的 ２篇核心 到 １９ ９７年 的 ３ Ｏ篇核 心 ，
为统计源。检索条件确 定为 ：在 “ 息科 技”专辑 中 ，期 信
我 国的科技查新工作最早可 以追溯 到 １８ ，至今已 ９５年 有 ２ 年 的历史。科技查新对提 高我 国科技管理水平 和科研 ７
基金信息 ，利用 Ｅ Ｃ Ｌ０３进行 统计分析 ，结 合社会 网络 Ｘ Ｅ ２０
分析法进行 内容分析 。
课题专家评审质量发挥 了重要 作用 。２ ７年来 ，有关科 技查 新工作的学术研究不 断深入 Ｌ Ｊ １ 。本文运 用文 献计量学 方 法和关键词共现分析法对 １９ ０ １ 年 ８月时期 的科 技查 ９０—２ １ 新 研究论文进行统计 和分析 ，研究 了我 国科技 查新研究 的
周玉芳
（ 州大 学 图书馆 ，江 苏 苏 州 ２５ ０ ） 苏 １０ ６
［ 摘 要］采用文献计量方 法和关键词共现 分析 法，对被 中国学术期 刊全文数据库收 录的核 心期刊上发 表的查新研 究论 文
按发表时 间、作者、高频 关键词和研究 内容进行统计分析。研 究近 ２ 年来科技查新研 究领域的现状、发展 、热点和趋势 。 １
现状和发展 ，重点分析了科技查新的研究内容和热点 。
２ 统计 结果和 分析
２ １ 论 文发 表 时间分 布 ．
论文 的数量反映 了学科 的研究 水平 、活跃 性和 发展程 度。以论文发表时 间为横轴 ，论文 篇数为 竖轴 ，绘 制论文
分布 图 ，３８篇查 新 论 文 分 布 如 图 １ ８ 所示 。 由 图 １ 见 ，２ 年 来 ，查 新 研 究 论 文 呈 曲 线 式 增 长 ， 可 １
ｔ ｅ ａ ｒｓ ａ ｃ ｔｔｓ ｒ ｖ ｌ ｅ ｅ ｒ ｈ ｓ ｕ ．ｄ ｖ ｌｐ ｎ ｄ ｆｔ ｒ Ｉ ｉｃ ｓ ｅ ｉ ａ ｅ ｅｏ ｍｅ ｔ ｎ ａ ｕ ｅ ａ ｅ ｄｓ ｕｓ ｄ． ｕ
［ ｅ ｏｄ］ｓｉ ｅ ｏｅｙｒｒ ｖ ；ｂ ｌｍ ｔｃ；ｃ —ｗ ｒ ａａ ｓ Ｋ ｙｗ ｒｓ ｃ —ｔｈｎｖｌ ｔｅａ ｉｉ ｅ ｉ ｏ ｏ ｎｌ ｉ ｔ ｔ ｅｉ ｌ ｂｏ ｒｓ ｄ ｙｓ
Ａｎ ｌｓｓｏ ｖ ｌｐ ｅ ｔｏ ｃ — ｔｃ ｖ ｌ ｔｉｖ ｌ ａｙ ｉ ｆＤｅ ｅｏ ｍ ｎ ｆＳ ｉ ｅ ｈ Ｎｏ ｅｔ Ｒｅｒｅ ａ ｙ Ｒｅ ｅ ｒ ｈ ｆｏ ｈ ｒ ｐ ｃｉｅ ｏ ｓ ａ ｃ ｒ ｍ ｔ ｅＰｅ ｓ ｅ ｔｖ ｆＫｎｏ ｅ ｇ ｐ ｃｒ ｍ ｗｌｄ ｅＳ ｅ ｔｕ
Ｚ ｏ ｆｎ ｈ ｕ Ｙｕａ ｇ
（ ｉ ａ ，Ｓｏｈｗ Ｕ ｉ ｒ ｔ，Ｓ ｚｏ １０ ６ ｈｎ ） Ｌｂ ｏｃｏ ｎｖ ｓ ｒｙ ｅｉ ｙ ｕｈｕ２５ ０ ，Ｃ ｉ ａ
［ ｓ Ａｂ ］Ｔｅｐｐｒ ａｉ ｎｔｅ ｉｉ ｅｉ ｎ Ｏ ｏ ｎｌｉ ｏ ｃｍ ｎ ｆｃ—ｔ ｈｎｖｌ ｔｅａ ｏ ｅ ｈ ａｅ ｒｅ ｏ ｂｏ ｔｃ ａｄＣ —ｗｒ ａａ ｓ ｄ ｕ ｅｔｏ ｉ ｅ ｏｅｙｒｒ ｖｌ ｎｔ ｃ ｒｓ ｈ ｂ ｌｍ ｒｓ ｄ ｙｓ ｏ ｆ ｓ ｓ ｃ ｔ ｅｉ ｈ
２１ ０２年 ６ 月 第３ 第６ ２卷 期
・
现 代 情 报
Ｊ ｕ ｌ ｆ ｄ ｍ ｆｒ ｔ ｎ ｏ ｍａ ｅ Ｉ ｏｍａ ｏ ｏ Ｍｏ ｎ ｉ
Ｊｎ ， ２ １ ｕｅ ０２
Ｖ０ ．２ Ｎｏ． １３ ６
理 论 探 索 ・
知识 图谱 视 野 下科 技 查 新研 究 的 发展 分 析
ｃ ｒ ｊ ｌ ￣ ｏ Ｃ Ｋ ．Ｔ ｅｄ ｔｂ ｔ ｎ ｔ ｅ ｕ ｏ ｏ Ｌ ｅ Ｏｍａ ｆ Ｎ Ｉ ｈ ｓ ｉ ｉ ｓ ｉ ，ａ ｔ ｍ，ｋｙ ｏ ｓ ｄｒ ｅｒｈｔ ｉ ｒ ａ ａ ｚ ．Ｔ ｅｓ —ｔ ｈｎ ｖｌ — ｉｒ ｕ ｏ ｏ ｍ ｆ ｈ ｅｗ ｒ ｓ ａ ｐ ｓ ｅ ｎ ｌ ｅ ｈ ｉ ｅ ｏ ｅ ｒ ｄ ａ ｅ ｃ ｏ ｃａ ｙ ｄ ｎ ｃ ｃ ｙ ｔ ｅ