检索结果-南通市图书馆

SwCS: Section-Wise Content Similarity Approach to Exploit scientific big data

Computers, Materials & Continua 2021年第4期67卷 877-894页

作者： Kashif Irshad Muhammad Tanvir Afzal Sanam Shahla Rizvi Abdul Shahid Rabia Riaz Tae-Sun Chung Department of Computer Science Capital University of Science and TechnologyIslamabadPakistan Department of Computer Science NAMAL InstituteMianwali42250Pakistan Raptor Interactive(Pty)Ltd. Eco BoulevardWitch Hazel AveCenturion0157South Africa Institute of Computing Kohat University of Science and TechnologyPakistan Department of CS&IT University of Azad Jammu and KashmirMuzaffarabad13100Pakistan Department of Artificial Intelligence Ajou UniversityKorea

The growing collection of scientific data in various web repositories is referred to as scientific big data,as it fulfills the four“V’s”of big data—volume,variety,velocity,and veracity.This phenomenon has created new opportunities for startups;for instance,the extraction of pertinent research papers from enormous knowledge repositories using certain innovative methods has become an important task for researchers and entrepreneurs.Traditionally,the content of the papers are compared to list the relevant papers from a repository.The conventional method results in a long list of papers that is often impossible to interpret productively.Therefore,the need for a novel approach that intelligently utilizes the available data is imminent.Moreover,the primary element of the scientific knowledge base is a research article,which consists of various logical sections such as the Abstract,Introduction,Related Work,Methodology,Results,and Conclusion.Thus,this study utilizes these logical sections of research articles,because they hold significant potential in finding relevant papers.In this study,comprehensive experiments were performed to determine the role of the logical sections-based terms indexing method in improving the quality of results(i.e.,retrieving relevant papers).Therefore,we proposed,implemented,and evaluated the logical sections-based content comparisons method to address the research objective with a standard method of indexing terms.The section-based approach outperformed the standard content-based approach in identifying relevant documents from all classified topics of computer science.Overall,the proposed approach extracted 14%more relevant results from the entire dataset.As the experimental results suggested that employing a finer content similarity technique improved the quality of results,the proposed approach has led the foundation of knowledge-based startups.

关键词： scientific big data ACM classification term indexing content similarity cosine similarity

来源：

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

big Earth data:A new frontier in Earth and information sciences

引用

big Earth data 2017年第1期1卷 4-20页

作者： Huadong Guo Institute of remote Sensing and Digital Earth Chinese academy of SciencesBeijingChina

big data is a revolutionary innovation that has allowed the development of many new methods in scientific research.This new way of thinking has encouraged the pursuit of new discoveries.big data occupies the strategic high ground in the era of knowledge economies and also constitutes a new national and global strategic resource.“big Earth data”,derived from,but not limited to,Earth observation has macro-level capabilities that enable rapid and accurate monitoring of the Earth,and is becoming a new frontier contributing to the advancement of Earth science and significant scientific discoveries.Within the context of the development of big data,this paper analyzes the characteristics of scientific big data and recognizes its great potential for development,particularly with regard to the role that big Earth data can play in promoting the development of Earth science.On this basis,the paper outlines the big Earth data Science Engineering Project(CASEarth)of the Chinese Academy of Sciences Strategic Priority Research Program.big data is at the forefront of the integration of geoscience,information science,and space science and technology,and it is expected that big Earth data will provide new prospects for the development of Earth science.

关键词： big data scientific big data big Earth data Earth observation geoscience scientific discoveries decision support

来源：

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

学科服务3.0模式研究与实践

引用

图书馆学情报学 2023年第1期

作者：刘宇史继强徐英祺陆颖

[目的/意义]研究提出学科服务3.0模式，为科学大数据环境下学科馆员团队创新发展提供可借鉴的理论模型和实践参考。[方法/过程]面向科学大数据环境下科学研究新范式新形势，分析学科馆员代际演进趋势，从“创新组织方式”“提高能力素... 详细信息

[目的/意义]研究提出学科服务3.0模式，为科学大数据环境下学科馆员团队创新发展提供可借鉴的理论模型和实践参考。[方法/过程]面向科学大数据环境下科学研究新范式新形势，分析学科馆员代际演进趋势，从“创新组织方式”“提高能力素质”“转变工作方式”“拓展服务内容”“提升服务层次”“完善目标追求”6个维度设计新型组织服务模式，建立“矩阵式+网状式”学科服务团队“双协同”协作体系，创新组织方式，按照“能力专业化”“工作精准化”提高能力素质，根据“团队协同化”“过程嵌入化”“合作有温度”“品牌高价值”转变工作方式，围绕“四重对象”、沿着科技创新产业链拓展服务内容、提升服务层次，支撑科技管理与决策。在此基础上，以中国科学院某研究所为例开展实证研究。[结果/结论]本研究所构建的学科服务3.0模式在当前科学大数据环境发展下，能有效提升学科服务建设效果，为学科用户提供更好的研究服务与决策支撑。

关键词：学科服务3.0 科学大数据组织服务模式协同机制能力体系 Subject service 3.0 scientific big data Organization and service model Collaboration mechanism Ability system

来源：人大复印报刊资料评论

在线全文

人大复印报刊资料

学校读者我要写书评

暂无评论

科学大数据时代数字图书馆的新定位与新挑战

引用

图书馆学情报学 2020年第5期

作者：杨宁张志强

“第十六届数字图书馆前沿问题高级研讨班”于2019年10月在成都召开，研讨班的主题是“数据科学、数据管理与数据应用”，来自国内外80余家高校和科研机构的260余名图书馆员、科研人员及师生等，围绕国内外数字图书馆在科学数据管理与... 详细信息

“第十六届数字图书馆前沿问题高级研讨班”于2019年10月在成都召开，研讨班的主题是“数据科学、数据管理与数据应用”，来自国内外80余家高校和科研机构的260余名图书馆员、科研人员及师生等，围绕国内外数字图书馆在科学数据管理与服务领域研究与服务实践的最新进展和前沿动态等展开了深入交流和讨论，展示了数字图书馆在开放科学和科学大数据时代的新定位、新使命和新发展。文章从开放科学背景下科学大数据领域的发展态势、数字图书馆在科学大数据领域的定位与挑战、新技术对图书馆业务体系的深刻变革和影响等三个方面，讨论和分析了数字图书馆的发展现状以及未来的发展情景，特别是指出了未来图书馆(文献情报机构)将成为以数据知识生态系统的管理和服务为核心的“集成化跨界知识管理与服务咨询机构”的大方向。

关键词：数字图书馆开放科学科学大数据数字图书馆前沿问题高级研讨班　　Digital library Open science scientific big data Advanced Digital Library Seminar

来源：人大复印报刊资料评论

在线全文

人大复印报刊资料

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：