基于自适应特征选择的科研论文跨学科性测度方法研究

摘要

[目的/意义]跨学科研究能够通过知识整合和渗透,创造性地解决自然环境和人类社会中的复杂问题。随着跨学科研究成果的大量增长,跨学科性测度评估变得越来越有必要,如何构建有效的跨学科性测度方法,实现对论文跨学科性综合全面的测度是亟待解决的问题。[方法/过程]本研究首先基于跨学科研究的内涵和特点,从学科属性、知识网络拓扑结构和知识整合文本内容3个维度提取科研论文跨学科性特征指标,并给出特征指标的计算方法;其次,对跨学科性特征指标进行自适应计算,构建一种基于机器学习的跨学科性测度方法;最后,以植物纳米生物技术领域为例进行实证研究,对领域中高跨学科性的论文进行识别和筛选。[结果/结论]本文提出的自适应特征选择能够对跨学科性相关特征指标进行有效筛选,提升结果的可靠性,实现全面、深入的科研论文跨学科性测度。该测度方法避免了定性评估可能会出现的主观性缺陷以及不同测度指标可能出现相互矛盾结果的问题,为跨学科性测度提供新的思路与方向。