2014年BP神经网络优化网络科技文献共享评价体系方法

该篇论文《BP神经网络优化网络科技文献共享评价体系》发表于2014年太原科技大学学报，作者冯世杰、谭瑛和王艳。研究的核心内容围绕网络科技文献共享的评价问题展开，首先构建了一个初步的评价指标结构，针对文献共享的特性，选取了一系列关键指标，如信息量、获取效率、平台可用性等。 论文对指标体系优化的主流评价方法进行了深入研究和综述，比较了各种方法如德尔菲法和主成分法的优点和局限性。这些传统方法依赖于专家经验和有限的数据，可能导致评价结果的主观性和不稳定性。作者认为，BP神经网络作为一种先进的优化工具，其非线性拟合和联想记忆功能使其在处理复杂问题，如评价体系优化方面具有显著优势。 BP神经网络方法在此论文中被应用，通过对初选指标体系的训练，自动学习和调整各个指标的权重，这有助于揭示每个指标在整体评价体系中的重要性。这种方法能有效减少人为因素的影响，提高评价体系的科学性和合理性。论文最终的目标是通过BP神经网络优化，改进原有指标体系，使之更适应网络科技文献共享的实际需求。 关键词包括BP神经网络、指标体系、指标权重、优化和文献共享，表明了论文的研究焦点集中在将BP神经网络技术应用于科技文献评价领域，是对现有评价方法的一种创新尝试。研究背景是随着知识经济的发展，科技信息爆炸性增长，如何高效利用网络科技文献共享平台成为亟待解决的问题。 这篇文章探讨了如何通过BP神经网络技术改进网络科技文献共享的评价标准，以期提升文献共享平台的效率和有效性，这对于推动科技信息的传播和知识共享具有重要意义。