1) co-word
共词
1.
In this paper,based on the current situation of co-word analysis,the author tries to discuss the influences and the functions of articles attributes in the analysis and finds that no one considers the influences of the articles attributes upon co-word analysis.
本文在分析共词研究现状的基础上,对论文属性在分析中的影响、作用进行了探讨,发现目前共词分析方法中没有考虑论文属性对共词分析所产生的影响问题,进而构建基于论文属性的加权共词分析模型。
2.
This articles used co-word visualization to analyze the subject and domain and chose human gen.
本文以人类基因组领域为例,将共词可视化应用到学科领域分析上。
2) co-occurrence term
共现词汇
1.
The effect of co-occurrence terms on reranking the relevant documents in information retrieval systems was studied in this paper.
为了探讨共现词对检索系统排序相关性的影响,提出一种新的共现词汇算法——FDC。
3) co-word analysis
共词分析
1.
In this paper,based on the current situation of co-word analysis,the author tries to discuss the influences and the functions of articles attributes in the analysis and finds that no one considers the influences of the articles attributes upon co-word analysis.
本文在分析共词研究现状的基础上,对论文属性在分析中的影响、作用进行了探讨,发现目前共词分析方法中没有考虑论文属性对共词分析所产生的影响问题,进而构建基于论文属性的加权共词分析模型。
2.
First of all,based on Web of Science,this paper analyzes the distribution of co-word analysis method research papersoverseas,and educes productive authors,countries,institutions,journals and so on.
采用文献计量方法分析了国内外共词分析论文的研究特点。
3.
By the use of SPSS software, this paper gives a co-word analysis of the articles on digital information resources issued in the periodicals in recent 10 years and collected by CNKI database.
本文利用SPSS软件,对CNKI数据库中近10年以来数字信息资源领域发表的期刊论文进行共词分析,并借助多元统计学方法中的因子分析法和系统聚类法,研究各主题词间的关系,探讨了国内数字信息资源的研究现状与热点。
4) term co-occurrence
词共现
1.
This paper brings forward a method of auto-construction of concept map based on term co-occurrence technique.
提出了一种利用词共现技术自动构建概念图的方法,首先进行词条选择,并计算词条之间的关联强度生成关系矩阵;接着,从关系矩阵中挖掘概念图;最后,利用可视化技术动态展示概念图。
2.
Frequent bigrams are identified based on term co-occurrence information,from which n-grams are obtained.
然后,根据词共现信息来发现文档集中的频繁2元组,再将2元组扩展为n元组,对所有元组进行去冗余、重要性排序,从而获得候选聚类标签。
3.
It took advantage of the term co-occurrence model to combine the term pairs with high co-occurrence’sdegree together to restructure the mined rules into struc- tured classification rules with semantic information of text data, and then using them to build classifier.
该方法利用词共现模型,在已挖掘的分类规则基础上,将具有高共现程度的词对组合在一起进行规则重构,形成了有结构的带有文本语义信息的分类规则,再利用它们对新文本进行分类。
5) co-word network
共词网络
1.
Utilizes the social network analysis to classify the co-word network.
采用可视化手段对国际科学学与科学计量学领域中六种核心期刊的高频关键词的共词网络进行了分析,利用社会网络分析的方法对共词网络进行聚类。
2.
Utilize the social network analysis to classify the co-word network.
采用可视化手段对国际科学学与科学计量学领域中六种期刊的高频关键词的共词网络进行了分析,利用社会网络分析的方法对共词网络进行聚类,研究表明科学、技术和创新活动的研究是科学学与科学计量学的主题。
3.
After a review of cognitive map,mapping knowledge domains and co-word analysis method,the paper proposes a new research method named co-word network.
通过回顾认知地图、科学知识领域绘图与共词分析三个领域的发展历史,本文提出了共词网络方法,并以此为基础分析了科学知识体系的网络结构和知识单元的增长模式。
6) word co-occurrence graph
词共现图
1.
The method,based on word frequency statistics utilizes text subject information based on word co-occurrence graph and linkage information of differen.
在对现有主题词抽取方法深入研究的基础上,提出了一种基于词共现图的文档主题词自动抽取方法;该方法以基于词频统计方法为基础,利用在词共现图形成的主题信息以及不同主题间的连接特征信息自动地提取文档中的主题词,旨在找出一些非高频词且又对主题贡献大的词。
补充资料：不共中不共变
【不共中不共变】
谓如眼等五根，唯自己第八识中最初一念，托父母遗体时变现，名不共；出胎之后，唯自己受用，复名不共。如眼识，惟依眼根而发；乃至身识，唯依身根而发，不相混杂，是为不共中不共变。
谓如眼等五根，唯自己第八识中最初一念，托父母遗体时变现，名不共；出胎之后，唯自己受用，复名不共。如眼识，惟依眼根而发；乃至身识，唯依身根而发，不相混杂，是为不共中不共变。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条