版权所有 © 中国科技出版传媒股份有限公司 京ICP备14028887号-19
京公网安备 11010102004272号
地址:北京东黄城根北街16号 邮编:100717 Email:elib@cspm.com.cn
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......
学科信息学与数据驱动的学科知识发现发展
……………………………………………………………………………………………………………………………………………………………………………………………
生命与健康科学大数据发展现状及共享机制
……………………………………………………………………………………………………………………………………………………………………………………………
面向生物医药领域知识发现的信息组织
……………………………………………………………………………………………………………………………………………………………………………………………
生物信息学数据分析工具综述
……………………………………………………………………………………………………………………………………………………………………………………………
面向知识发现的生物医学文本挖掘
……………………………………………………………………………………………………………………………………………………………………………………………
数据驱动的生命科学知识发现框架Galaxy
……………………………………………………………………………………………………………………………………………………………………………………………
深度学习在生物医学领域的应用进展
……………………………………………………………………………………………………………………………………………………………………………………………
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
……………………………………………………………………………………………………………………………………………………………………………………………
面向知识发现的研究主题挖掘
……………………………………………………………………………………………………………………………………………………………………………………………
基于翻译模型的科研合作预测
……………………………………………………………………………………………………………………………………………………………………………………………
干细胞领域新兴技术主题的突破性预测
……………………………………………………………………………………………………………………………………………………………………………………………
数据驱动的医学领域前沿主题识别
……………………………………………………………………………………………………………………………………………………………………………………………
基于专利异构网络的中小企业潜在合作伙伴发现
……………………………………………………………………………………………………………………………………………………………………………………………
基于微信小程序的学科知识服务
……………………………………………………………………………………………………………………………………………………………………………………………