本文在数据驱动与知识整合研究视野中,依据Web of Science收录文献的学科分布数据,指出图书情报学尚不是智库和大数据研究的核心学科,进而思考图书情报学跨界拓展的有效方向。以逻辑分析法发现在DIKW概念链上统合数据智能和知识发现作...
详细信息
本文在数据驱动与知识整合研究视野中,依据Web of Science收录文献的学科分布数据,指出图书情报学尚不是智库和大数据研究的核心学科,进而思考图书情报学跨界拓展的有效方向。以逻辑分析法发现在DIKW概念链上统合数据智能和知识发现作为有效方向的合理性,提出在数据智能和知识发现交互作用下图书情报学跨界拓展三大重点:(1)面向知识发现的数据智能,(2)融通数据智能的知识发现,(3)学术评价综合应用。建议发挥图书情报学在"软科学、硬技术"分界中的核心比较优势,以数据智能和知识发现形成图书情报学跨界拓展特色方向,整合为数据—学术—创造(DAC)。图4。表1。参考文献18。
泊松自回归模型假设到达过程为期望与方差相等的泊松分布,但事实上真正的数据生成过程中的到达过程的方差既可以高于期望也可以低于期望.本文提出了基于Katz到达过程(Katz arrivals)的计数数据自回归模型(INAR-Katz:integer valued autoregressive process with Katz arrivals).并采用蒙特卡罗模拟方法(Monte Carlo simulations)比较了INAR-Katz模型在矩估计以及极大似然估计下的估计准确程度.最后采用INAR-Katz模型对患呼吸系统疾病的急诊就诊人数进行建模,结果显示INAR-Katz模型优于普通泊松模型、PAR模型,具有很好的应用前景.
暂无评论