返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:

  • 正版 基于关系融合的专利网络结构分析研究 杨冠灿 李纲 刘彤 科
  • 新华书店旗下自营,正版全新
    • 作者: 杨冠灿 李纲 刘彤著 | 杨冠灿 李纲 刘彤编 | 杨冠灿 李纲 刘彤译 | 杨冠灿 李纲 刘彤绘
    • 出版社: 上海科学技术文献出版社
    • 出版时间:2018-04-01
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    美阅书店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品参数
    • 作者: 杨冠灿 李纲 刘彤著| 杨冠灿 李纲 刘彤编| 杨冠灿 李纲 刘彤译| 杨冠灿 李纲 刘彤绘
    • 出版社:上海科学技术文献出版社
    • 出版时间:2018-04-01
    • 版次:1
    • 字数:249千字
    • 页数:259
    • 开本:24开
    • ISBN:9787518957354
    • 版权提供:上海科学技术文献出版社
    • 作者:杨冠灿 李纲 刘彤
    • 著:杨冠灿 李纲 刘彤
    • 装帧:平装-胶订
    • 印次:暂无
    • 定价:78.00
    • ISBN:9787518957354
    • 出版社:科学技术文献出版社
    • 开本:24开
    • 印刷时间:暂无
    • 语种:中文
    • 出版时间:2018-04-01
    • 页数:259
    • 外部编号:9642871
    • 版次:1
    • 成品尺寸:暂无


    目录

    第1章绪论
    1.1问题的提出
    1.2研究意义
    1.3术语及概念
    第2章当前专利信息分析面临的挑战
    2.1专利信息的特点
    2.2专利信息分析的可能性
    2.3专利信息分析面临的挑战
    2.3.1源数据的缺陷
    2.3.2数据架构的局限
    2.3.3网络表示的局限
    2.3.4分析方法的局限
    第3章专利信息分析进展
    3.1指标分析的进展
    3.1.1专利引文相关指标的演进
    3.1.2专利价值相关指标的演进
    3.2针对单一关系的网络分析
    3.2.1专利引用关系网络分析的进展
    3.2.2专利合作关系网络分析的进展
    3.2.3专利共词关系网络分析的进展
    3.2.4专利隶属关系网络分析的进展
    3.2.5专利衍生关系网络分析的进展
    3.3多视角观察下的网络分析
    3.3.1论文集合分析框架
    3.3.2元网络分析框架
    3.3.3学术网络分析框架
    第4章专利数据的网络表示
    4.1基础网络表示
    4.1.1数据的网络表示
    4.1.23种网络类型的表示
    4.2网络表示扩展
    4.2.1有向网络的转化
    4.2.2二模网络的共现
    4.2.3多重关系网络
    4.2.4多层次网络
    4.2.5节点属性表示
    4.2.6二元关系协变量表示
    4.2.7独立时序网络数据
    4.3专利信息集合的网络表示
    4.3.1专利信息集合
    4.3.2专利信息集合中的实体
    4.3.3专利信息集合中的关系
    4.4局部结构的网络表示
    4.4.1基础网络局部结构
    4.4.2专利引用关系形成的解释框架
    4.5小结
    第5章专利数据的网络测量
    5.1基础网络测量
    5.1.1基础网络测量指标
    5.1.2专利引文与论文引文的网络拓扑结构差异
    5.1.3案例研究:拓扑结构分析
    5.2网络中心度测量
    5.2.1度中心度
    5.2.2接近中心度
    5.2.3中介中心度
    5.2.4特征向量中心度
    5.3相似性测量
    5.3.1结构等价相似性
    5.3.2正则等价相似性
    5.4网络子群测量
    5.4.1子群与k-核
    5.4.2模块度
    5.4.3聚类与社团发现
    第6章专利数据的关系融合
    6.1复杂专利数据的关系视角
    6.2关系融合的原则
    6.3关系融合的阶段
    6.4网络表示融合
    6.4.1矩阵集成表示方法
    6.4.2核融合表示方法
    6.4.3超邻接矩阵表示方法
    6.4.4张量表示方法
    6.4.5随机图的网络配置表示方法
    6.5关系融合中的相关性
    6.5.1网络层间节点度的相关性
    6.5.2网络层间的关系重叠
    6.5.3网络层间多关系连接模式
    6.6关系融合下的社群发现
    6.6.1基于模块度优化的社群发现
    6.6.2基于聚类一致性的社群发现
    6.6.3基于张量分解的社群发现
    6.7关系融合的评价方法
    6.7.1外部验证度量
    6.7.2内部验证度量
    第7章企业技术竞争优势综合评价模型研究
    7.1研究背景
    7.2文献综述
    7.2.1企业技术竞争优势的概念
    7.2.2网络视角下企业技术竞争优势的评价
    7.3多重关系视角下的企业技术竞争优势综合评价模型
    7.3.1建立以企业为中心的多重关系
    7.3.2多重关系的矩阵构建
    7.3.3企业技术竞争优势综合评价模型
    7.4企业技术竞争优势综合评价模型——以Wi-Fi专利为例
    7.4.1Wi-Fi技术介绍
    7.4.2数据来源及数据处理
    7.4.3Wi-Fi技术网络描述性统计
    7.4.4Wi-Fi技术网络的中心度分布与图形观察
    7.4.5模型验证及结论
    第8章基于专利综合引用网络的专利价值评价研究
    8.1研究背景
    8.1.1研究动因
    8.1.2网络构建
    8.1.3筛选与整合
    8.1.4专利价值评价效果的验证
    8.2综合引用网络构建
    8.2.1引用网络的基本类型
    8.2.2引用网络的关系代数转化
    8.2.3专利多重引用关系集合
    8.2.4专利多重引用网络的筛选
    8.2.5专利综合引用网络的构建
    8.3专利价值评价实证
    8.3.1数据采集
    8.3.2数据处理
    8.3.3描述性统计
    8.3.4入度分布特征
    8.3.5图形观察
    8.3.6引用时滞分布
    8.3.7专利价值评价效果比较
    8.4小结
    第9章基于正则均衡方法的技术前沿分析
    9.1研究背景
    9.1.1技术前沿分析理论
    9.1.2技术前沿问题研究的不足
    9.1.3研究前沿问题的多重关系视角观察
    9.1.4角色与地位分析方法
    9.2多重专利分类号网络的构建
    9.2.1网络构建过程
    9.2.2基础关系网络构建过程
    9.2.3专利分类号网络构建过程
    9.2.4多重专利分类号网络构建过程
    9.2.5正则均衡定义
    9.2.6CATREGE算法
    9.3实证研究
    9.3.1数据采集
    9.3.2数据处理
    9.3.3网络的描述性统计
    9.3.4多重关系图例
    9.3.5正则均衡分析
    9.4小结
    第10章基于指数随机图模型的专利引用关系形成分析
    10.1研究背景
    10.2专利引用关系形成与ERGM
    10.2.1影响专利引用关系形成的机制
    10.2.2影响机制到网络局部构造
    10.3数据来源与探索
    10.3.1数据来源
    10.3.2数据探索
    10.4结果分析
    10.4.1参数估计
    10.4.2模型诊断
    10.4.3拟合优度评价
    10.4.4模型解释
    10.5小结
    第11章基于关系融合的专利网络演化特征与动态分析
    11.1研究背景
    11.1.1专利网络分析相关研究
    11.1.2动态网络分析(DNA)进展
    11.2基于DNA的专利网络结构分析
    11.2.1数据集的构建
    11.2.2多重关系专利网络的构建
    11.2.3多重关系专利网络整体演化情况分析
    11.2.4多重关系专利网络关键成员分析
    11.2.5多重关系专利网络子群分析
    11.3小结
    第12章总结与展望

     

    本书认为当前信息分析所面临的4种挑战,即当前在源数据、数据架构、网络表示方法、分析方法上的不足了信息分析在解决实际分析情景过程中所发挥的作用。进而提出可以采用多视角观察获得对复杂信息的多关系网络,并将这些关系网络进行有机融合实现对网络结构的深层分析。该方法由3个阶段构成,即针对复杂数据的多视角观察、关系融合方法、网络测量方法,其中核心的是前两个阶段。

    针对复杂数据的多视角观察是关系融合方法的逻辑起点,当前针对信息的网络分析主要是单一维度的观察,这种分析方法会忽视与其他关系之间的依赖关系,造成“盲人摸象”的后果;而通过多视角观察则可以弥补单一视角带来的缺失,获得对复杂信息更完整的认知。然而,要将多视角观察方法引入信息分析,还需要有一套系统的分析框架,否则,多视角观察的结果如果仅仅是孤立呈现则无法发挥其应有的作用。本书在相关研究的基础上首先提出一种基于信息集合的表示方法,该表示方法以3种基本实体(权人、文献、技术领域)为实体,通过关系代数转化(共现关系转化、间接关系转化、衍生关系转化等)实现了对3种基本实体多重关系的全面展现。另外,随着当前网络统计模型(尤其是随机网络模型)的发展,也可以通过仿真来对代表模型之间依赖关系的关系模式的网络配置进行统计推断,从而获得从局部结构特征的总体认知。

    在关系融合方法方面,本书系统阐述了关系融合的原则、阶段、网络表示形式及融合过程中需要注意的几个问题,如相关性问题、社群发现及评价问题。这些回顾过程对于未来进一步扩展信息分析的深度具有较好的参考作用。

     

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购