现代情报2022，Vol.42Issue(9)：37-48,142,13.DOI:10.3969/j.issn.1008-0821.2022.09.004
基于LSTM模型与加权链路预测的学科新兴主题成长性识别研究
Identifying Growth of Discipline Topics Using LSTM and Weighted Link Prediction
摘要
关键词
学科新兴主题/成长性/识别/加权链路预测/LSTM分类
社会科学引用本文复制引用
段庆锋,陈红,刘东霞,闫绪娴,张红兵..基于LSTM模型与加权链路预测的学科新兴主题成长性识别研究[J].现代情报,2022,42(9):37-48,142,13.基金项目
教育部人文社会科学项目"基于学术社交媒体的学科新兴趋势识别研究"(项目编号:20YJA870005) （项目编号:20YJA870005）
教育部人文社会科学项目"学术资源配置公平、效率与影响因素研究:学者、大学与区域的多层嵌入"(项目编号:19YJAZH052) （项目编号:19YJAZH052）
国家社会科学基金项目"供给侧改革背景下提升资源型企业经济韧性的关键要素、效应评估与实现路径研究"(项目编号:20BGL100) （项目编号:20BGL100）
山西省高等学校教学改革创新项目"面向财经院校的创业基础课程建设研究"(项目编号:J2019107) （项目编号:J2019107）
山西省研究生教改研究课题"'新文科'背景下财经院校研究生双创教育模式研究"(项目编号:2019011). （项目编号:2019011）
