Page 96 - 《中国图书馆学报》2025年第1期
P. 96
094 Journal of Library Science in China
“模型”类实体数量最多,说明在情报学研究领域,对“模型”的研究是一大热门方向,也是创新成果较
为密集的领域,其次是“方法”和“体系”类实体,“理论”和“算法”类较少作为创新成果出现。
对桑基图两端之间的流动性分析可知,“模型”作为数量最多的创新成果实体,其创新基础来源
丰富,其中大部分源于“模型”“理论”“方法”,同“方法”和“体系”类成果的创新基础来源结构类似。
“理论”类实体的创新基础来源较为单一,主要来源于“模型”和“理论”。
图 3 基础—成果实体关系流向
(2)高频创新基础实体统计
对所有创新基础实体进行频次统计并进行降序排序,选择频次排名前 5%的创新基础实体,结果
如表 7 所示。 从统计结果发现,深度学习和机器学习所涉及方法和模型常被用来作为情报学领域研
究的创新基础,其次是一些用于行为研究的模型和方法,例如“计划行为理论”“技术接受模型”“感知
价值理论”等。
表 7 高频创新基础实体统计
序号 高频创新基础实体 序号 高频创新基础实体
1 深度学习 11 区块链技术
2 BERT 12 信息生态理论
3 机器学习 13 灾害链理论
4 扎根理论 14 BiLSTM
5 层次分析法 15 标签提取
6 计划行为理论 16 活动理论
7 技术接受模型 17 社会网络分析
8 Word2Vec 18 特征分析
9 感知价值理论 19 FIUHM 模型
10 朴素贝叶斯 20 尖点型突变理论
总第五十一卷 第二七五期 Vol. 51. No. 275
