一、主成分分析在科技期刊评价中的应用（论文文献综述）
彭松,周雪春,刘海荣[1]（2021）在《基于主成分分析的中医药科技期刊综合评价》文中指出文章采用主成分分析法对中医药科技期刊进行综合评价,研究中医药科技期刊的发展状况。选择《2019版中国科技期刊引证报告（扩刊版）》中的59种中医药科技期刊为综合评价对象,筛选总被引频次、影响因子、即年指标等14种科技期刊计量指标为综合评价指标。主成分分析数据结构合理,提取前4个主成分进行综合评价,并对59种中医药科技期刊综合评价得分进行排名。为了进一步验证综合评价的客观性,选取综合评价排名前五位、后三位,以及综合评价排名较前,但知网复合影响因子较低,或者综合评价排名较后,但知网复合影响因子较高的期刊进行分析。综合评价排名是综合分析而来,并不依赖于某单一指标,指标的均衡性对综合评价结果的影响较大。中医药科技期刊综合评价的结果较为客观、准确,反映了中医药科技期刊的发展现状。
姚佳宜[2]（2021）在《学术期刊和论文的量化指标研究》文中指出学术论文是科研工作者智慧的结晶,学术期刊是学术论文的集合,是科研成果的载体和平台,担负着传播科研成果的使命和职责,因此,对科研成果及其集合进行研究和评价是很有必要的。刻画学术期刊和论文的量化指标有总被引频次、影响因子、引用和被引用半衰期等传统的基于引文的量化评价指标以及近10年热议的基于社交媒体的Twitter、Facebook、博客转载等altmetrics量化评价指标,通过这些非线性指标评价学术期刊和论文具有一定的客观公正性,是采用同行评议的定性评价方法的必要修正和补充。本文内容分为4个部分。第1部分主要介绍对学术期刊和论文的量化评价指标进行研究的目的、意义,概括描述国内和国外相关研究的情况,给出本文研究内容的章节安排。第2部分具体介绍了核主成分分析和机器学习中随机森林和支持向量机的基本原理、具体的实现步骤及相关知识。第3部分具体应用比主成分分析更适用于非线性数据的核主成分分析方法,对学术期刊的传统的期刊量化指标和基于社交媒体的学术论文的altmetrics指标数据分别进行了研究。首先,采用与已经发表的某一学术论文相同的学术期刊的量化评价指标数据,应用核主成分分析方法进行了评价,得到了比该论文中主成分分析方法更好的结果;然后,采用当下流行的基于社交媒体的学术论文的altmetrics指标数据,应用核主成分分析方法进行了评价,也得到了优于主成分分析方法的结果。第4部分应用机器学习方法中的随机森林和支持向量机方法建立了期刊评价模型。首先,利用TOPSIS法对中国科技期刊引证报告中人文社会科学期刊进行排名;然后,分别建立随机森林和支持向量机模型,再依据排名结果分别进行训练和预测,进而验证了模型的精准度。尚未发现有研究人员把这两种算法应用到期刊量化数据的评价中,亦未发现有学者应用机器学习做出期刊排名评价模型。论文最后,对全文的工作进行了总结。
袁晓文,俞立平[3]（2021）在《一种辅助专家赋权与克服自然权重学术评价方法——完全信息多重主成分分析法》文中进行了进一步梳理在学术评价中,由于评价体系指标日益增多会导致专家赋权困难,以及评价指标标准化后平均值不相等会扭曲实际权重,产生自然权重问题,从而使得评价结果根本不能体现专家权重。文章在进行理论分析的基础上,提出一种新的完全信息多重主成分分析方法来解决这个问题,并以JCR2017数学期刊为例进行了实证。研究结果表明:学术评价中专家辅助赋权与自然权重问题必须高度重视,完全信息多重主成分分析可以较好地解决这个问题,该方法的评价结果具有较好的统计学性质,需要注意的是当主成分指标分类效果较差时需要专家进行进一步讨论。
俞立平[4]（2021）在《基于神经网络的非线性学术评价指标模拟权重研究——以因子分析评价为例》文中研究说明[目的/意义]多属性评价方法在学术评价中应用广泛,其中以非线性评价方法为主,这些评价方法降低了权重的作用,使得评价指标与评价结果的关系不直观,也不利于对非线性评价方法进行评估和比较。[方法/过程]本文以因子分析为例,基于JCR2017经济学期刊数据,分别采用多元回归、岭回归、偏最小二乘法、BP神经网络计算模拟权重,以选取最优模拟权重估计方法。[结果/结论]在学术评价中有必要测度非线性评价的模拟权重; BP神经网络是计算模拟权重的最有效手段;模拟权重可以用来进行非线性学术评价方法的评估和选取;模拟权重的应用严重依赖数据。
俞立平[5]（2021）在《客观赋权法本质及在科技评价中的应用研究——以学术期刊为例》文中进行了进一步梳理客观赋权法主要有熵权法、主成分分析、因子分析、离散系数法、复相关系数法、CRITIC等,它们在科技评价中得到了广泛的应用。由于不同评价方法影响评价结果,因此对客观赋权法的本质进行分析具有重要意义。文章在对不同客观赋权法的本质进行分析的基础上,基于JCR2017经济学期刊进行了实证,并比较了不同客观赋权法的评价结果。研究表明:不同客观赋权法权重与评价结果相差很大;客观赋权评价方法的选取要慎重;主成分分析、因子分析因存在信息损失要慎重选用;复相关系数、CRITIC评价结果与其他评价方法相关度较低,要慎重选取;熵权法、离散系数法可用于同类指标评价。
栾嘉[6]（2020）在《我国医学期刊临床研究论文质量影响因素及其控制对策研究》文中研究指明经过几十年高速经济发展,中国开始拓展国家发展战略,把卫生工作作为重中之重。《健康中国2030规划纲要》的发布标志着我国卫生与健康改革发展进入新阶段,并对我国临床医学的发展创新提出了新要求。科学的医学研究成果是临床决策的指南,也是国家制定卫生政策的依据。作为记载、传播医学科技信息的主要载体,医学科技期刊承载着为各类医疗卫生决策提供证据的重任。然而,我国至今处于临床医学研究证据的“进口国”地位,多年来我国的临床指南主要参照欧美国家的指南或研究结果;我国的临床医学研究的学术影响力与欧美国家相比总体处于较低的水平,中文医学期刊发表的临床研究论文的质量一直未能获得国际业界的广泛认可。针对于此,本研究旨在对我国医学期刊近年发表的临床研究论文的质量进行综合评价;深入查找并证实我国临床研究论文质量的影响因素;聚焦医学期刊编辑部,探讨我国临床研究论文整体质量控制对策。首先,从论文质量及其影响因素概念内涵的描述出发,梳理文献,结合专家访谈,对“临床研究论文质量”以及“影响因素”的关联关系进行分析,进一步界定“临床研究论文质量”“质量评价”与“质量影响因素”的概念并丰富其内涵。其次,采用“滚雪球法”抽取中文医学期刊近年发表的临床研究论文229篇,以研究注册率、伦理审查率、前瞻性研究患者知情同意等数据评价其伦理;以该篇论文发表之前国内同类研究论文篇数评估其创新性;以“国际医学报告清单”评估其报告质量;“Cochrane偏倚风险工具”评估其方法学质量并评价其证据强度。结果显示:中文医学期刊近年发表了大量单中心（97.38%）、小样本（单组≤100例占77.3%）、纯阳性结果（99.22%）、高重复性（国内同类研究>10篇占37.11%）、低质量（报告率≤50%占85.15%,高偏倚风险论文占44.10%）的临床研究论文;研究注册率（3.06%）和伦理审查率（16.95%）均低;研究的真实性和严谨性均不可考。再次,结合文献研究、专家访谈、田野调查等方式募集、筛选中文医学期刊临床研究论文质量的影响因素。自行设计问卷,对纳入评估的229篇临床研究论文的作者、编辑部行问卷调查,运用结构方程模型（SEM）构建临床研究论文质量影响因素的理论模型,模型显示:作者因素方面,专业阶层（学历、职称）对论文质量的直接影响较弱,而作者科学思维、科研方法学水平、对论文质量有较强的正向影响。机构环境方面,科研政策和组织监管均对论文质量有正向影响;科研资源既能直接对论文质量发挥正向影响,也能通过作用于科研政策和组织监管间接影响论文质量。编辑部（编辑）因素方面,编辑的专业能力、期刊管理水平、审稿人水平均对论文质量有正向影响;格式标准化要求对论文质量有负向影响。最后,采用析因设计证实以上可能因素对临床研究论文质量的影响,结果显示:在作者与研究机构相关的23项可能影响因素里仅伦理审查1项与论文综合质量相关（χ2=11.075,P=0.010）;在编辑部与编辑相关的18项可能因素中,编辑是否具有医学专业背景（χ2=21.533,P=0.000）、医学编辑的统计学水平（t=2.221,P=0.028）、编辑工作时间和精力用于版面形式消耗（t=-3.064,P=0.002）与期刊是否为核心期刊（χ2=4.714,P=0.034）等4项与论文质量显着相关。研究证明:期刊编辑部及编辑相关因素是国内医学期刊临床研究论文质量的主要影响因素。根据本研究结果,为控制我国医学临床研究论文质量,针对我国医学期刊编辑部管理构架提出:医学编辑必须具有医学相关专业背景,按照发展要求满足医学编辑数量并进行功能性分工,向学术型方向培养医学编辑等举措建议。针对编辑部审定稿流程提出:中文医学期刊亟待统一临床研究论文录用的基本标准,严格实行临床研究注册制度,复核研究的伦理审查,加强临床研究国际规范、评价工具以及报告清单的认知普及,注明利益冲突以及允许发表阴性结果等举措建议。针对医学编辑的职能拓展提出:医学编辑应在执行论文发表准入标准的同时做好作者教育,并为审稿人提供详细的审稿标准及必要的相关培训等举措建议。从而令中文医学期刊能够严把临床研究论文质量“出口”关,真正服务于“健康中国”。
俞立平[7]（2021）在《基于神经网络的非线性学术评价方法选择研究》文中指出针对学术评价中多属性评价方法和组合评价方法众多,从而导致学术评价结果众多,评价公信力下降问题,优选多属性评价方法成为解决问题的较好途径。线性多属性评价相对成熟,非线性多属性评价的选取是首要问题,基于BP人工神经网络,以非线性多属性评价值作为输出,评价指标作为输入,通过训练人工神经网络,可以得到评价指标权重,进而和评价值评价指标的相关系数进行比较,通过检验非线性多属性评价方法的逻辑一致性来进行评价方法的选取。以JCR2017数学期刊为例,分别采用主成分分析、因子分析、TOPSIS进行评价,然后再基于BP人工神经网络模型进行选取。研究结果表明:非线性多属性评价方法的选择问题是学术评价的基础问题;BP人工神经网络可以用来辅助进行非线性评价方法的选取;采用BP人工神经网络辅助选取非线性评价方法必须具备一定的适用条件。
周梦璇[8]（2020）在《基于Altmetrics的期刊影响力多维评价研究》文中提出学术期刊评价是学术交流和科学发展中的重要课题,做好学术期刊评价工作能够帮助规范期刊自身的权威性,提升质量和方便学者获取成果有着重要意义。随着Web2.0环境下学术网络化的快速发展,学术期刊影响力的产生和传播发生了改变,学术交流的途径不在局限于传统的文献传递,学者开始在Twitter、Facebook、微博等社交媒体上进行学术交流。影响因子、被引频次等一直用来评价学术成果的评价指标近年来也受到了越来越多的质疑,传统指标已不能全面、及时地评价期刊影响力。在这种情境下Altmetrics的提出引起了学术界的广泛研究,不少学者在研究Altmetrics指标特征的过程中发现其不具有普适性,不同学术期刊指标存在一定差异。另外目前有关Altmetric在期刊影响力评价上的研究主要是通过构建基于Altmetrics的指标模型与传统指标模型进行对比来讨论新型Altmetrics指标模型的评价视角和适用性,少有学者将Altmetrics指标与引文指标相结合构建评价体系。作者试图从多角度出发,在以往研究基础上融合“知识转化”指标、“社会影响力”指标和“学术影响力”指标共同构建期刊影响力综合模型。并以Wo S学科分类为基础选取JCR各大类中13门学科影响因子Top10的期刊为评价对象,通过指标覆盖情况对“知识转化”、“社会影响力”指标进行筛除,对所有保留指标进行相关性分析、信度和效度分析、筛选各类学科期刊的底层指标。然后采用指标融合的方法将测度三种不同影响力的指标相结合,利用SPSS进行因子分析配置指标权重,构建期刊影响力评价指标模型从而确定各学科期刊的综合影响力评分,并与AAS和SJR值做一致性检验,探索综合影响力指标模型在不同领域的适用性。研究发现以往期刊评价指标所衡量的学术影响力并不相同,评价结果不一定同步,将测度三种不同影响力的指标有效结合能够以更加客观的方式去构建多角度的、较为全面的指标体系对期刊的综合影响力进行评价。且不同领域之间存在保留指标以及指标权重的差异性,通过这些指标能够反映出的学科特征,为合理利用指标进行富有学科特色的期刊评价提供借鉴。
杜杏叶[9]（2019）在《学术论文关键指标智能化评价研究》文中指出以学术论文为载体的科研成果是国家知识创新的重要组成部分,对学术论文进行科学评价是进行知识创新绩效评价的前提。目前,科研成果评价主要以专家匿名的方式进行评审,这种方式受专家自身学术知识水平和学科领域范围等限制,其评审的结果有一定的局限性,可能使得一些优质科研成果被遗漏或迟滞发表,也可能使另一些学术价值相对不高的成果发表在重要的学术期刊上。这将给科学研究的发展带来比较严重的后果,对国家创新能力发展带来负向作用。当前,学术界科研作假等学术不端现象屡有出现,催生了全社会对科研成果尤其是学术论文进行科学评价的迫切需求。因此本研究以人工智能等理论与技术为基础,并结合学术论文评价理论与实践,构建了学术论文智能评价的关键指标,提出智能化评价方法,以期将学术成果评价从主要依靠人工评价转向智能化评价,克服纯粹依靠专家匿名评审的不足。在对当前学术论文评价相关研究进行梳理和分析的基础之上,本文将主要从以下五个方面进行深入研究。（1）构建学术论文评价关键指标体系。在对学术论文深入分析的基础上,采用扎根理论方法对专家评价意见进行编码分析,通过对五个主范畴的研究和比较分析,系统梳理了主范畴与学术论文评审因素之间的关系,构建出结构层次清晰的学术论文评价关键指标。采用主成分分析方法确定指标权重,进一步完善了学术论文评价关键指标体系。（2）建立学术论文智能化评价框架。在传统学术论文评审流程基础上,将大数据、人工智能和其他信息技术融入到学术论文智能化评价的过程,将智能化框架分为三个主要模块:一是自动规范性检查模块;二是专家评价系统模块;三是编辑部处理模块。该智能化评价框架有望将基于智能化评价的学术论文评价理论与方法形成可供学术界实际应用的流程,在实施科学评价的同时,推动学术论文的规范化写作,提高学术论文的写作质量,并最终促进科学研究成果更好地传播与交流。（3）提出学术论文选题新颖性智能化评价方法。构建了学术论文选题新颖度识别与评价流程。进而提出了选题新颖性智能化评价过程,通过构建研究热点地图、特征向量分析及新颖性判断实现选题新颖性指标的智能化评价。最后采用实证研究的方法验证了该方法的可行性。（4）提出学术论文内容创新性智能化评价方法。在学术论文内容分析的基础上,构建了学术论文知识元本体模型,提出了知识元抽取规则,利用Word2Vec和朴素贝叶斯（Naive Bayes）方法对学术论文理论与方法创新进行分类,采用SVM模型构建知识元抽取规则库。在学术论文知识元库构建基础上,提出学术论文研究问题创新性、理论创新性、方法创新性、结论创新性智能化评价的基本方法,构建学术论文创新性智能化评价过程,最后采用实证验证了方法的可行性。（5）提出学术论文引文科学性智能化评价方法。分析引文层次,构建引文评价维度。提出基于引文的学术论文智能化评价思路和步骤,包括高相关学术论文识别、目标文章引用类型识别等内容,构建引文评价模型。通过实证研究验证评价模型和方法的可行性,并对引文评价模型进行修正。本文基于智能化评价的研究视角,运用人工智能的相关理论与方法,构建学术论文评价框架,突破了传统学术论文基于有限同行的评价模式,克服了专家评议的主观性弊端,同时提升了学术论文评价的效率和质量。在理论层面,通过建立学术论文关键指标及其智能化评价框架,将人工智能理论、技术和方法融入了学术论文评价体系,完善和深化了学术论文智能化评价的理论与方法体系。在实践层面,构建了学术论文智能化评价框架,通过实证研究探讨了选题新颖度、内容创新性和引文科学性三个主要指标的智能化评价过程。本研究建立了可供学术界实际应用的论文智能化评价流程,能够引导学术论文写作规范化,促进科学研究成果高效传播与交流,提升科学成果评价的质量和效率,进而推动国家科技创新成果评价的发展。未来将建立智能化综合评价系统,实现学术论文的创新性、科学性、价值性等的评价和自动评审意见的撰写,以推动大数据与人工智能技术在学术评价领域的深度应用。
张玉娇[10]（2019）在《基于循证的中药性效数据挖掘方法评价研究》文中研究指明目的:通过对国内数据挖掘方法在中药性效研究中应用的文献进行收集整理,采用循证方法对中药性效数据挖掘的文献进行统计分析,并将中药性效数据挖掘方法的比较结果直观化和客观化,以期为数据挖掘方法在中医药信息挖掘中的应用提供借鉴和启示。方法:电子检索CNKI（中国知网学术文献总库）、VIP（维普中文科技期刊全文数据库）、WanfangData（中国万方数据文献总库）,检索时间范围为建库至2017年9月9日,检索词为主成分分析法、因子分析法、贝叶斯网络等52种数据挖掘方法的不同表述以及中药性效、中药药性、中药功效,检索语言限定为中文,将检索到的文献导入NoteExpress软件中建立文献数据库,对数据挖掘名称进行规范化,并通过数理统计方法分别对纳入文献的基本特征、应用趋势规律、应用内容分布及应用到的数据挖掘软件和基本功能进行归纳总结。根据预先设定好的纳入排除标准对文献进行筛选,再根据设计好的数据提取表格提取基本数据及重要信息,文献筛选和数据提取均由两人独立平行进行,对存在争议的数据则寻求第三方协助判定。并采用Excel 2016和Stata 15.0软件对提取的资料进行分析和系统评价,采用比值比OR（odd ratio,OR）值作为效应指标,对数据挖掘方法在中药寒热药性判别中的应用效果进行评估,并分别使用随机效应模型和固定效应模型进行敏感性分析。通过数理统计方法对数据挖掘方法在单味中药功效预测和中药复方功效预测中的应用效果进行分析,明确研究类型及研究对象,根据设定好的纳入标准和排除标准对文献进行筛选,并根据设计好的数据提取表格提取信息,文献筛选和数据提取均由两人独立平行进行,对存在争议的数据则寻求第三方协助判定。分别对相关文献的数据挖掘方法、建模依据、预测有效率等内容进行统计分析。结果:数据挖掘方法在中药性效挖掘中的应用数量最多的为关联规则、聚类分析、主成分分析等,且从2000年到2018年数据挖掘在中药性效研究领域发布的文献数量呈逐年递增趋势,尤其是2015年之后增长速度尤快,文献质量也不断提升,涉及方面也愈加广泛。中药寒热药性判别方面,经Meta分析,“支持向量机”和“回归判别分析”预测效果比较,总预测准确率为（OR=1.74,95%CI:1.132.68）;“支持向量机”和“主成分线性判别分析”比较组合并OR值为1.47>1,95%CI（0.95,2.25）,P=0.081>0.05。“支持向量机”和“最小二乘法判别分析”比较组合并OR值为1.15>1,95%CI（0.75,1.77）,P=0.512>0.05);“回归判别分析”和“主成分线性判别分析”比较组合并OR值为1..19>1,95%CI（0.77,1.83）,P=0.440>0.05;“回归判别分析”和“最小二乘法判别分析”合并OR值为1.51>1,95%CI（0.982.32）,P=0.063>0.05;“主成分线性判别分析”和“最小二乘法判别分析”合并OR值为1.27>1,95%CI（0.83,1.95）,P=0.275>0.05,剩余两组因异质性较大放弃合成。数据挖掘在功效预测方面常用到的数据挖掘方法有神经网络和贝叶斯网络,目前发现神经网络已被用于单味中药功效预测和复方功效预测中,贝叶斯网络只应用于了单味中药功效预测。功效预测常用的建模依据通常为药理指标、归经、功效、主治、剂量等,目前文献报道中所建的模型预测率均较高。结论:目前已有较多数据挖掘方法投入中药性效研究应用中,预测准确率较高,在该研究领域中适用性较强。已报道的研究主要集中在寒热药性判别方面,支持向量机在寒热药性判别应用中应用结果比较突出,其他统计到的可进行比较的数据挖掘方法在此方面应用效果的比较结果相当,均无明显差异。目前报道的中药功效预测方面的研究相对较少,主要应用的挖掘方法为贝叶斯网络和神经网络,预测准确率均较高;其中神经网络对于单味中药功效预测和中药复方功效预测均适用,成为目前功效预测研究中首要选择的数据挖掘方法。由于此类研究数量不足,无法形成比较,随着证据的增多,研究将呈现出更多更为可靠的比较结果。
二、主成分分析在科技期刊评价中的应用（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、主成分分析在科技期刊评价中的应用（论文提纲范文）
（2）学术期刊和论文的量化指标研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪言 |
| 一、研究目的和意义 |
| 二、国内国外研究现状 |
| 三、本文主要内容 |
| 第二章 核主成分分析和机器学习理论 |
| 一、核主成分分析(KPCA)理论基础 |
| (一)核主成分原理 |
| (二)核函数 |
| 二、机器学习理论 |
| (一)随机森林 |
| (二)决策树 |
| (三)随机森林优缺点 |
| 三、支持向量机理论 |
| (一)支持向量机概念 |
| (二)线性可分支持向量机 |
| (三)非线性支持向量机和核函数 |
| 第三章 基于核主成分分析(KPCA)的量化评价指标数据分析 |
| 一、基于核主成分分析(KPCA)的学术期刊量化评价 |
| (一)基于KPCA的学术期刊量化指标评价 |
| (二)KPCA与PCA结果比较 |
| 二、基于核主成分分析的学术论文的altmetrics指标分析 |
| (一)数据来源和获取 |
| (二)数据预处理 |
| (三)高斯核函数下的评价结果 |
| (四)多项式核函数下的结果 |
| (五)KPCA与PCA结果比较 |
| 第四章 随机森林和支持向量机模型建立 |
| 一、数据处理与排名建立 |
| 二、随机森林模型建立 |
| 三、支持向量机模型建立 |
| 结论与展望 |
| 参考文献 |
| 致谢 |
| 个人简历及在校期间研究成果和发表论文 |
（3）一种辅助专家赋权与克服自然权重学术评价方法——完全信息多重主成分分析法（论文提纲范文）
| 1 概述 |
| 2 文献综述 |
| 3 完全信息多重主成分分析的原理 |
| 3.1 自然权重与主客观权重的关系 |
| 3.2 降维与基础评价方法的选择 |
| 3.3 主成分分析评价与自然权重的关系 |
| 3.4 评价的主观属性 |
| 3.5 完全信息多重主成分分析评价的原理 |
| 4 研究数据 |
| 5 实证结果 |
| 5.1 第一轮主成分分析 |
| 5.2 第二轮主成分分析 |
| 5.3 指标赋权 |
| 5.4 评价结果比较 |
| 5.5 完全信息多重主成分分析评价结果的统计特征分析 |
| 6 研究结论 |
| 1)完全信息多重主成分分析评价可以辅助专家赋权与克服自然权重。 |
| 2)完全信息多重主成分分析评价结果具有较好的统计意义。 |
| 3)采用主成分进行评价指标分类可能需要专家进一步讨论。 |
（4）基于神经网络的非线性学术评价指标模拟权重研究——以因子分析评价为例（论文提纲范文）
| 1 文献综述 |
| 2 研究方法 |
| 2.1 研究框架 |
| 2.2 传统模拟权重估计方法简介 |
| 2.3 人工神经网络模型 |
| 2.4 期刊评价人工神经网络模型 |
| 3 研究数据与实证结果 |
| 3.1 研究数据 |
| 3.2 因子分析评价 |
| 3.3 基于回归分析计算学术评价指标模拟权重 |
| 3.4 人工神经网络模拟权重估计 |
| 3.5 几个问题的讨论 |
| 4 研究结论 |
| 4.1 在学术评价中有必要测度非线性评价方法的模拟权重 |
| 4.2 BP神经网络是估计学术评价指标模拟权重的最有效手段 |
| 4.3 模拟权重可以用来进行非线性学术评价方法的评估和选取 |
| 4.4 模拟权重的应用严重依赖数据 |
（5）客观赋权法本质及在科技评价中的应用研究——以学术期刊为例（论文提纲范文）
| 1 理论与方法 |
| 1.1 几种客观评价法的原理分析 |
| 1)主成分分析与因子分析的本质分析。 |
| 第一,并不是所有科技评价都能采用主成分分析和因子分析。 |
| 第二,因子分析需要评价指标服从正态分布。 |
| 第三,主成分分析与因子分析均存在信息损失。 |
| 第四,主成分分析和因子分析指标含义清晰。 |
| 第五,方差贡献率本质上是某类评价指标数量多少的反映。 |
| 第六,主成分分析与因子分析本质上属于等权重。 |
| 2)熵权法与离散系数的本质分析。 |
| 3)复相关系数法的本质。 |
| 4)CRITIC法的本质。 |
| 1.2 不同客观评价法本质的对比分析 |
| 1.3 不同客观评价法的进一步讨论 |
| 1.4 研究数据 |
| 2 实证研究结果 |
| 2.1 评价权重比较 |
| 2.2 不同客观赋权法评价结果比较 |
| 3 研究结论 |
（6）我国医学期刊临床研究论文质量影响因素及其控制对策研究（论文提纲范文）
| 缩略词表 |
| 英文摘要 |
| 中文摘要 |
| 第1章 前言 |
| 1.1 研究背景 |
| 1.2 研究现状述评 |
| 1.3 研究目的与意义 |
| 1.4 研究内容 |
| 1.5 研究方法与技术路线 |
| 第2章 临床研究论文质量控制相关理论研究 |
| 2.1 临床研究的定义 |
| 2.2 临床研究论文质量评价概念辨析 |
| 2.3 临床研究论文质量概念辨析 |
| 2.4 本研究涉及临床研究论文质量概念及其评价方式 |
| 2.5 临床研究论文质量控制的概念辨析 |
| 2.6 小结 |
| 第3章 中文医学期刊临床研究论文质量现况的抽样调查 |
| 3.1 研究目的 |
| 3.2 研究方法 |
| 3.3 研究结果 |
| 3.4 讨论 |
| 3.5 小结 |
| 第4章 我国临床研究论文质量及其影响因素的质性访谈 |
| 4.1 访谈目的 |
| 4.2 访谈设计 |
| 4.3 访谈结果分析 |
| 4.4 小结 |
| 第5章 中文医学期刊临床研究论文质量影响因素的实证研究 |
| 5.1 研究目的 |
| 5.2 研究方法 |
| 5.3 研究结果 |
| 5.4 讨论 |
| 5.5 小结 |
| 第6章 我国临床研究论文质量影响因素结构方程模型建立及作用机理阐释 |
| 6.1 临床研究论文质量影响因素的问卷调查 |
| 6.2 临床研究论文质量影响因素探索性因子分析 |
| 6.3 临床研究论文质量影响因素验证性因子分析 |
| 6.4 临床研究论文质量影响因素的模型构建及修正 |
| 6.5 修正后结构方程模型的路径系数分析 |
| 6.6 临床研究论文质量影响因素关系及机理探讨 |
| 6.7 小结 |
| 第7章 研究结论与对策 |
| 7.1 研究结论 |
| 7.2 我国医学期刊临床研究论文质量控制对策 |
| 7.3 本研究的创新点 |
| 7.4 本研究的局限性 |
| 7.5 展望 |
| 参考文献 |
| 文献综述 临床研究论文质量影响因素及控制措施 |
| 参考文献 |
| 附录 |
| 攻读博士学位期间的研究成果 |
| 致谢 |
（7）基于神经网络的非线性学术评价方法选择研究（论文提纲范文）
| 1 研究背景 |
| 2 文献综述 |
| 3 研究方法与研究框架 |
| 3.1 多属性评价方法选择方法的四个前提条件 |
| 3.2 BP人工神经网络简介 |
| 3.3 BP人工神经网络进行评价方法选择原理 |
| 3.4 研究框架 |
| 4 研究数据与实证研究结果 |
| 4.1 研究数据 |
| 4.2 三种评价方法评价 |
| 4.3 BP人工神经网络权重与相关系数拟合检验 |
| 1)主成分分析评价检验。 |
| 2)因子分析评价检验。 |
| 3)TOPSIS评价检验。 |
| 4.4 非线性评价方法选取的进一步讨论 |
| 5 研究结论 |
（8）基于Altmetrics的期刊影响力多维评价研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的与意义 |
| 1.2.1 研究目的 |
| 1.2.2 研究意义 |
| 1.3 国内外研究现状 |
| 1.3.1 Altmetrics的研究 |
| 1.3.2 基于Altmetrics的学术影响力评价研究 |
| 1.3.3 发展动态分析 |
| 1.4 研究方法与技术路线 |
| 1.4.1 研究方法 |
| 1.4.2 技术路线 |
| 1.5 创新点 |
| 第2章 基于Almertrics的期刊影响力综合评价模型 |
| 2.1 学术期刊影响力及其评价 |
| 2.1.1 学术期刊影响力 |
| 2.1.2 学术期刊影响力评价 |
| 2.2 Altmetrics |
| 2.2.1 Altmetrics的含义 |
| 2.2.2 Altmetric工具 |
| 2.2.3 Altmetrics的优势与局限 |
| 2.3 基于Altmetrics的期刊影响力评价模型 |
| 2.4 本章小结 |
| 第3章 基于Altmetrics的学术期刊影响力综合评价关键方法 |
| 3.1 指标体系的选择 |
| 3.1.1 Altmetrics指标选择 |
| 3.1.2 传统指标的选择 |
| 3.2 指标融合方法 |
| 3.2.1 指标覆盖率筛选 |
| 3.2.2 指标相关性分析 |
| 3.2.3 信度效度分析 |
| 3.2.4 主成分分析 |
| 3.3 期刊影响力计算方法 |
| 3.4 指标差异性分析 |
| 3.5 本章小结 |
| 第4章 实证研究 |
| 4.1 数据的采集 |
| 4.1.1 学科的选择 |
| 4.1.2 期刊的选择 |
| 4.1.3 数据获取 |
| 4.2 指标处理 |
| 4.2.1 评价指标的初步筛选 |
| 4.2.2 相似性分析 |
| 4.2.3 主成分分析 |
| 4.3 指标和权重的确定 |
| 4.4 本章小结 |
| 第5章 评价模型的学科差异性分析 |
| 5.1 各学科保留的指标 |
| 5.2 各学科的指标类别 |
| 5.3 结果分析 |
| 5.3.1 指标覆盖率的学科差异 |
| 5.3.2 指标类别差异 |
| 5.3.3 指标影响力差异 |
| 5.3.4 指标权值及检验差异 |
| 5.4 本章小结 |
| 第6章 结论和展望 |
| 6.1 研究结论 |
| 6.2 研究局限和展望 |
| 参考文献 |
| 致谢 |
（9）学术论文关键指标智能化评价研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 研究意义 |
| 1.3 国内外研究现状综述 |
| 1.3.1 国内学术论文评价研究 |
| 1.3.2 国外学术论文评价研究 |
| 1.3.3 相关研究述评 |
| 1.4 研究内容与方法 |
| 1.5 研究创新点 |
| 1.6 研究技术路线 |
| 第2章 相关概念与理论基础 |
| 2.1 学术论文 |
| 2.1.1 学术论文的内涵、结构与要素 |
| 2.1.2 学术论文与知识生产 |
| 2.1.3 学术论文与知识创新 |
| 2.2 学术论文评价 |
| 2.2.1 学术论文评价涵义 |
| 2.2.2 学术论文评价方法 |
| 2.2.3 学术论文评价关键指标 |
| 2.3 学术论文智能化评价 |
| 2.3.1 学术论文智能化评价内涵 |
| 2.3.2 学术论文智能化评价过程 |
| 2.4 扎根理论 |
| 2.5 知识元理论 |
| 2.5.1 知识元概念 |
| 2.5.2 知识元分类与描述 |
| 2.5.3 知识元的抽取与应用 |
| 2.6 本章小结 |
| 第3章 人工智能技术及相关方法 |
| 3.1 机器学习 |
| 3.2 专家系统 |
| 3.3 文本分析 |
| 3.4 LDA主题识别模型 |
| 3.5 知识图谱 |
| 3.6 本章小结 |
| 第4章 学术论文关键指标分析及智能化评价框架 |
| 4.1 学术论文评价关键指标解析 |
| 4.2 专家评价意见数据分析 |
| 4.3 关键指标体系构建 |
| 4.4 学术论文智能化评价框架 |
| 4.5 智能化评价指标提取 |
| 4.6 本章小结 |
| 第5章 学术论文选题新颖性智能化评价 |
| 5.1 选题新颖性智能化评价概述 |
| 5.2 学术论文选题新颖度识别与判断流程 |
| 5.3 选题新颖性智能化评价过程 |
| 5.4 选题新颖性智能化评价实例研究 |
| 5.5 本章小结 |
| 第6章 学术论文内容创新性智能化评价 |
| 6.1 内容创新性智能化评价概述 |
| 6.2 学术论文知识元本体 |
| 6.3 学术论文知识元抽取 |
| 6.4 学术论文创新智能化评价过程 |
| 6.5 学术论文创新智能化评价实证检验 |
| 6.6 本章小结 |
| 第7章 学术论文引文科学性智能化评价 |
| 7.1 引文指标智能化评价概述 |
| 7.2 引文评价层次 |
| 7.2.1 引用层面 |
| 7.2.2 引用评价 |
| 7.3 基于引文的智能化评价过程 |
| 7.3.1 评价思路 |
| 7.3.2 评价步骤 |
| 7.4 构建引文智能化评价指标模型 |
| 7.5 引文指标智能化评价实例检验 |
| 7.5.1 数据收集 |
| 7.5.2 结果分析 |
| 7.5.3 指标验证 |
| 7.6 引文评价指标模型及计算的修订 |
| 7.7 本章小结 |
| 第8章 研究结论与展望 |
| 8.1 研究结论 |
| 8.2 研究局限性及展望 |
| 8.2.1 研究局限性 |
| 8.2.2 研究展望 |
| 参考文献 |
| 附录 |
| 作者简介与主要研究成果 |
| 致谢 |
（10）基于循证的中药性效数据挖掘方法评价研究（论文提纲范文）
| 致谢 |
| 中文摘要 |
| abstract |
| 注释表 |
| 引言 |
| 1 中药性效数据挖掘方法与循证科学的概述 |
| 1.1 常用中药性效数据挖掘方法的研究现状 |
| 1.2 常用中药性效数据挖掘方法 |
| 1.2.1 支持向量机 |
| 1.2.2 回归判别分析 |
| 1.2.3 主成分线性判别分析 |
| 1.2.4 偏最小二乘法判别分析 |
| 1.2.5 随机森林模型 |
| 1.2.6 线性判别分析 |
| 1.2.7 人工神经网络 |
| 1.3 中药性效数据挖掘方法的联合应用 |
| 1.3.1 主成分分析与人工神经网络的联用 |
| 1.3.2 粗糙集与支持向量机的联用 |
| 1.3.3 主成分分析与支持向量机的联用 |
| 1.4 循证科学及其应用简介 |
| 1.5 研究目的和意义 |
| 2 数据挖掘在中药性效方面应用分布规律研究 |
| 2.1 文献资料 |
| 2.1.1 资料来源 |
| 2.1.2 检索方法 |
| 2.1.3 检索策略的确定 |
| 2.1.4 挖掘方法名称的规范 |
| 2.2 分析方法 |
| 2.3 研究结果 |
| 2.3.1 纳入文献的特征 |
| 2.3.2 应用趋势分析 |
| 2.3.3 应用内容分布 |
| 2.3.4 其他应用分布 |
| 本章小结 |
| 3 数据挖掘方法在中药寒热药性判别方面的系统评价 |
| 3.1 文献纳入标准 |
| 3.1.1 研究对象 |
| 3.1.2 研究类型 |
| 3.2 评价的结局指标 |
| 3.3 文献排除标准 |
| 3.4 文献的检索策略 |
| 3.5 系统评价方法 |
| 3.5.1 资料提取 |
| 3.5.2 质量评价 |
| 3.5.3 统计方法 |
| 3.6 软件优化 |
| 3.7 系统评价结果 |
| 3.7.1 文献检索结果 |
| 3.7.2 文献研究特征 |
| 3.7.3 文献质量评价 |
| 3.7.4 数据挖掘方法在中药寒热药性判别方面的Meta分析结果 |
| 3.8 敏感性分析 |
| 本章小结 |
| 4 中药功效预测数据挖掘方法的系统评价 |
| 4.1 文献纳入标准 |
| 4.1.1 研究类型 |
| 4.1.2 研究对象 |
| 4.2 文献排除标准 |
| 4.3 评价的结局指标 |
| 4.4 系统评价结果 |
| 4.4.1 单味中药功效预测数据挖掘方法的评价结果分析 |
| 4.4.2 中药复方功效预测数据挖掘方法的评价结果分析 |
| 本章小结 |
| 5 讨论与展望 |
| 5.1 讨论 |
| 5.2 结论 |
| 5.3 展望 |
| 参考文献 |
| 附录:攻读硕士学位期间取得的学术成果 |
| 个人简介 |
| 答辩委员会名单 |
四、主成分分析在科技期刊评价中的应用（论文参考文献）
- [1]基于主成分分析的中医药科技期刊综合评价[J]. 彭松,周雪春,刘海荣. 出版与印刷, 2021(03)
- [2]学术期刊和论文的量化指标研究[D]. 姚佳宜. 沈阳师范大学, 2021(12)
- [3]一种辅助专家赋权与克服自然权重学术评价方法——完全信息多重主成分分析法[J]. 袁晓文,俞立平. 情报理论与实践, 2021(10)
- [4]基于神经网络的非线性学术评价指标模拟权重研究——以因子分析评价为例[J]. 俞立平. 现代情报, 2021(04)
- [5]客观赋权法本质及在科技评价中的应用研究——以学术期刊为例[J]. 俞立平. 情报理论与实践, 2021(02)
- [6]我国医学期刊临床研究论文质量影响因素及其控制对策研究[D]. 栾嘉. 中国人民解放军陆军军医大学, 2020
- [7]基于神经网络的非线性学术评价方法选择研究[J]. 俞立平. 情报理论与实践, 2021(01)
- [8]基于Altmetrics的期刊影响力多维评价研究[D]. 周梦璇. 武汉纺织大学, 2020(02)
- [9]学术论文关键指标智能化评价研究[D]. 杜杏叶. 吉林大学, 2019(02)
- [10]基于循证的中药性效数据挖掘方法评价研究[D]. 张玉娇. 江西中医药大学, 2019(02)