.png){kind=icon}
返回
A multi-dimensional coupling model for detecting science-technology interactions within AI
.png){kind=icon}
PRE
AI
DOI：10.1007/s11192-026-05565-6.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
科学与技术（S&T）的相互作用正推动人工智能（AI）领域取得前所未有的进步。知识网络分析是识别S&T联系的主要方法，通常用于衡量S&T知识网络中节点和边的耦合关系。然而，仅关注网络静态拓扑会忽略固有的动态同步性，这使得该方法在日益复杂的S&T系统中显得尤为不足。为全面探测AI领域内的S&T相互作用，本研究引入了一个新型双视角框架，该框架融合了网络结构耦合（NSC）和时间序列耦合（TSC）。首先，构建S&T知识网络以描绘S&T知识系统的静态拓扑结构。随后，我们开发了一种针对S&T知识网络定制的网络到非线性时间序列的随机游走（RW）映射方法。最后，通过整合静态网络拓扑和动态波动序列的耦合，我们量化并评估了S&T之间的协同效应。研究以AI相关的科学出版物和专利数据为对象进行了实证分析，并在真实网络和合成网络场景中验证了我们提出方法的有效性和稳健性。
Keyword:
Science-technology interaction
Artificial intelligence
Network structure
Time series
Multidimensional coupling
期刊
IF:
3.5
论文数:
8.1K
被引数:
2.2W
机构
引用论文
An approach for detecting the commonality and specialty between scientific publications and patents.png)
SCIENTOMETRICS
SCIENTOMETRICSIF3.5
PREAI
分享收藏Delineating development trends of nanotechnology in the semiconductor industry: Focusing on the relationship between science and technology by employing structural topic modelTECHNOLOGY IN SOCIETY
TECHNOLOGY IN SOCIETYIF12.5
PREAI
分享收藏
分享收藏
查看更多内容