{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{-“日期-部件”：[[2022,6,24]]，“日期-时间”：“2022-06-24T15:26:35Z”，“时间戳”：1656084395335}，“参考-计数”：65，“出版商”：“Springer Science and Business Media LLC”，“问题”：“3”，“许可证”：[{“开始”：{:“日期-零件”：[[2013,4,12]]，“时间”：“2013-04-12T00:00:00Z”，“时间戳”：136572480000}，“内容-版本”：“tdm”，“delay-in-days”：0，“URL”：“http://www.springer.com/tdm”}]，“内容域”：{“域”：[]，“crossmark-restriction”：false}，”short-container-title“：[”Int.J.Mach.Learn.&Cyber.“]，”published-print“：{”date-parts“：[[2014,6]]}，13-0164-6“，”type“：”journal-article“，”created“：{“日期-部分”：[[2013,4,11]]，“日期-时间”：“2013-04-11T04:19:04Z”，“时间戳”：1365653944000}，“页面”：“339-367”，“源”：“Crossref”，“is-referenced-by-count”：8，“标题”：[“基于边距的特征选择算法的比较分析”]，“前缀”：“10.1007”，《卷》：“5”，“作者”：[{“给定”：“潘”，“家族”：“魏”，“序列”：“第一”，“从属关系”：[]}，{“给定”：“裴军”，“家庭”：“马”，“序列”：“附加”，“从属”：[]}，{“给定”：“清华”，“家族”：“胡”，“顺序”：“额外”，“隶属”：[]}，}“给定的”：“小红”，“家人”：“苏”，“排序”：“添加”，“附属”：[]}，“published-online”：{“date-parts”：[[2013,4,12]]}，“reference”：[{“key”：“164_CR1”，“doi-asserted-by”：“crossref”，”first page“：”131“，”doi“：”10.1016\/S1088-467X（97）00008-5“，”volume“：“1”，“author”：“M Dash”，“year”：“1997”，“unstructured”：“Dash M，Liu H（1997）分类特征选择。Intell Data Anal 1:131\u2013156“，“journal-title”：“Intell Data-Anal”}，{“键”：“164_CR2”，“doi-asserted-by”：“crossref”，“unstructured”：“Dash M，Choi K，Scheuermann P，Liu H（2002）聚类特征选择\u2014a过滤器解决方案。In：第二届数据挖掘国际会议论文集，pp 115\u2013122”，“doi”：“10.1109\/ICDM.2002.1183893”}，{“key”：“164_CR3”，“doi-asserted-by”：：“Tong DL，Mintram R（2010）遗传算法神经网络（GANN）：应用于特征选择的神经网络激活函数和遗传算法搜索深度的研究。Int J Mach Learn Cybern 1（1\u20134）：75-87”，“DOI”：“10.1007\\s13042-010-0004-x”}，{“key”：“164_CR4”，“DOI断言由”：“crossref”，“非结构化”：“Boehm O，Hardoon DR，Manevitz LM（2011）通过一类神经网络通过遗传算法特征选择对大脑活动的认知状态进行分类。国际机器学习网络2（3）：125\u2013134”，“DOI”：“10.1007\/s13042-011-0030-3”}，{“key”：“164_CR5”，“DOI-asserted-by”：“crossref”，《非结构化》：“Sharma A，Imoto S，Miyano S，Sharma V（2012）基于零空间的基因表达数据特征选择方法。Int J Mach Learn Cybern 3（4）：269\u2013276“，”DOI“：”10.1007\/s13042-011-0061-9“}，{“key”：“164_CR6”，“DOI-asserted-by”：“crossref”，“first page”：”212“，”DOI“：“10.1016\/J.jag.2009.02.001”，“volume”：：“11”，“author”：“M Pal”，“year”：“2009”，“unstructured”：“Pal M（2009）基于Margin的高光谱数据特征选择。Int J Appl Earth Observ Geoinf 11:212\u2013220“，”journal-title“：”IntJ Appl地球观测站Geoinf“}，{”key“：”164_CR7“，”doi-asserted-by“：”crossref“，”first page“：“198”，”doi“：”10.1109\/TPAMI.2004.1262182“，“volume”：“26”，“author”：“CL Liu”，“year”：“2004”，“unstructured”：“Liu CL，Jaeger S，Masaki N（2004）”脱机识别汉字：最新技术。IEEE Trans-Pattern Ana Mach Intell 26:198\u2013213“，”journal-title“：”IEEE Trans-Pattern ANA Mach Intel}“，{”key“：”164_CR8“，”doi-asserted-by“：”crossref“，”first page“：“479”，”doi“：”10.1016\/j.rocont.2007.08.003“，”volume“：5”，”author“：”S Verron“，“year”：“2008”，“unstructured”：“”Verron S，Tipli T，Kobi A（2008）基于互信息的新特征选择的故障检测和识别。J Process Control 5:479\u2013490“，”journal-title“：”J Process Control“}，{“key”：“164_CR9”，“first page”：”1424“，”volume“：”11“，”author“：”IS Oh“，”year“：”2004“，”unstructured“：”Oh IS，Lee JS，Moon BR（2004）混合遗传算法用于特征选择。IEEE Trans-Pattern Ana Mach Intell 11:1424\u20131437“，”日记标题“：”IEEE Trans-Pattern Ana Mach Intell“}，{“key”：“164_CR10”，“unstructured”：“Hall MA（1999）机器学习中基于相关性的特征子集选择，Hamilton，pp 7\u201345”}，}，“key“：”164_CR11“，”doi-asserted-by“：”crossref“，”first page“：“155”，“doi”：“10.1016\/S0004-3702（03）00079-1”，“volume”：《11》，“author”：“M Dash”，“year”：“2003”，“非结构化”：“Dash M，Liu H（2003）特征选择中基于一致性的搜索。Artif Intell 11:155\u2013176“，“journal-title”：“Artif Intell”}，{“key”：“164_CR12”，“doi-asserted-by”：“crossref”，“unstructured”：“Wang X，Dong C（2009）通过最大化模糊熵改进模糊if-then规则的泛化。IEEE Trans-fuzzy Syst 17（3）：556\u2013567”，“doi”：“10.1109\/TFUZZ.2008.924342”}、{“key”：”164_CR13“，“doi-asserted-by”：第一页“：”1226“，”DOI“：”10.1109\/TPAMI.2005.159“，”volume“：”27“，”author“：”H Peng“，”year“：”2005“，”unstructured“：”Peng H，Long F，Ding C（2005）《基于互信息的特征选择：最大相关性、最大相关性和最小冗余的标准》。IEEE Trans-Pattern Ana Mach Intell 27:1226\u20131238“，”journal-title“：”IEEE Trans-Pattern ANA Mach Intel“}，{“key”：“164_CR14”，“doi-asserted-by”：“crossref”，“first page”：”325“，”doi“：”10.1016\/j.neucom.2004.01.194“，”volume“：”63“，”author“：”D Huang“，”year“：”2005“，”unstructured“：”Huang D，Chow TWS（2005）利用互信息的有效特征选择方案。Neurocomputing 63:325\u2013343“，”journal-title“：”Neurocumputing“}，{”key“：”164_CR15“，”doi-asserted-by“：”crossref“，”首页“：”2067“，”doi“：”10.1016\/S0031-3203（00）00162-X“，”volume“：“34”，”author“：”H Yu“，”year“：”2001“，”unstructured“：”Yu H，Yang J（2001）一种用于人脸识别的高维数据直接LDA算法。Pattern Recognict 34:2067\u20132070“，”期刊标题“：”Pattern Recognict“｝，｛”键“：”164_CR16“，”首页“：”611“，”卷“：”5“，”作者“：”M Witold“，”年份“：”1981“，”非结构化“：”Witold M（1981）关于特征选择的扩展Fisher标准。IEEE Trans-Pattern Anal Mach Intell 5:611\u2013614“，”期刊标题“：”IEEE Trans-Pattern Anal Mach Intell“｝，{“key”：“164_CR17”，“doi-asserted-by”：“crossref”，“first-pages”：“649”，“doi”：“10.1109\/TKDE.2010.260”，“volume”：”11“，“author”：“Q-Hu”，“year”：“2011”，“unstructured”：“Hu Q，Yu D，Pedrycz W，Chen D（2011）核化模糊粗糙集及其应用。IEEE Trans-Knowl Data Eng 11:1649\u20131667”，”，“journal-title”：“IEEE Trans-Nowl Data Eng”}，{“”：“164_CR18”，“doi-asserted-by”：“crossref”，“first page”：“1585”，“doi”：“10.1016\/j.neucom.2011.01.019”，“volume”：”10“，“author”：“Q-He”，“year”：“2011”，“unstructured”：“He Q，Xie Z，Hu Q，Wu C（2011）基于邻域模型的边界实例选择。Neurocomputing 10:1585\u20131594”，“journal-title”：“Neurocputing”}，{“key”：y“：“crossref”，“unstructured”：“Wang X，Dong L，Yan J（2012）模糊决策树归纳中基于最大模糊度的样本选择。IEEE Trans-Knowl Data Eng 24（8）：1491\u20131505”，“DOI”：“10.1109\/TKDE.2011.67”}，{“key”：“164_CR20”，“DOI-asserted-by”：“crosdref”、“unstrustured”:“Wang X，Zhai J，Lu S（2008）基于粗糙集技术的多模糊决策树归纳。《信息科学》178（16）：3188\u20133202“，“DOI”：“10.1016\/j.ins.2008.03.021”}，{“键”：“164_CR21”，“首页”：“1357”，“卷”：“3”，“作者”：“A Rakotomamonjy”，“年份”：“2003”，“非结构化”：“Rakotomanjy A（2003）基于SVM标准的变量选择。j Mach Learn Res 3:1357\u20131370”，“期刊标题”：“j Mach Learn Res”}{“键”：“164_CR22”，“doi-asserted-by“：”crossref“，”unstructured“：”Gilad-Bachrach R，Navot A，Tishby N（2004）Margin-based feature selection\u2013理论与算法。摘自：《第21届机器学习国际会议论文集》，第40\u201346页，“DOI”：“10.1145\/1015330.1015352”}，{“key”：“164_CR23”，“首页”：“1”，“卷”：“6”，“author”：“Y.Sun”，“year”：“2007”，“unstructured”：“Sun Y.（2007）特征加权的迭代RELIEF：算法、理论和应用。IEEE Trans-Pattern Ana Mach Intell 6:1\u201317“，“journal-title”：“IEEE Trans-Pattern ANA Mach Intel}，{“key”：“164_CR24”，“unstructured”：“Vapnik VN（1998）Statistical learning theory，New York”}，“key“：”164_CR25“，“unsructured“：”Bartlett PL，Shawe-Taylor J（1999）支持向量机和其他模式分类器的泛化性能。内容：内核方法的进展：支持向量学习。麻省理工学院出版社，剑桥，pp 43\u201354“}，{“key”：“164_CR26”，“doi-asserted-by”：“crossref”，“first page”：”1914“，”doi“：”10.1016\/j.patcog.2008.10.11“，”volume“：”42“，”author“：”Y Li“，“year”：“2009”，“unstructured”：“Li Y，Lu B（2009）基于最近邻分类损失边缘的特征选择。模式识别42:1914\u20131921”，“journal-title”：“Pattern Recognit“}，{“key”：“164_CR27”，“doi-asserted-by”：“crossref”，“first pages”：“1475”，“doi”：“10.1109\/TKDE.2008.238”，“volume”：”10“，“author”：“B Chen”，“year”：“2009”，“unstructured”：“Chen B，Liu H，Chai J，Bao Z（2009）线性规划大边际特征加权方法。IEEE Trans Knowl Data Eng 10:1475\u20131486”，“journal-title”：“IEEE Trans Knowl Data Eng“}，{”key“：”164_CR28“，”doi-asserted-by“：”crossref“，”first page“：“656”，”doi“：”10.1016\/j.neucom.2010.09.006“，”volume“：‘7’，”author“：”Q Hu“，“year”：“2011”，“unstructured”：“Hu Q，Zhu P，Yang Y，Yu D（2011）通过样本权重学习的大边缘最近邻分类器。Neurocomputing 7:656\u2013660”，“journal-title”：“”神经计算“}，{“key”：“164_CR29”，“unstructured”：“Garg A，Roth D（2003）边缘分布和学习算法。摘自：《第二十届国际机器学习会议论文集》，第210\u2013217页”}，}，“key“：”164_CR30“，”doi-asserted-by“：”crossref“，”first page“：“876”，“doi”：“10.1214\/08-AOS595”，“volume”:“2”，“author”：“X Nguyen”，“year”：“2009年，“非结构化”：“Nguyen X，Wainwright MJ，Jordan MI（2009）关于替代损失函数和f发散。Ann Stat 2:876\u2013904“，”journal-title“：”Ann Stat“}，{”key“：”164_CR31“，”doi-asserted-by“：”crossref“，”first-page“：”2723“，”doi“：”10.1214\/009053607000000785“，”volume“：“6”，”author“：”C Rudin“，”year“：”2007“，”unstructured“：”Rudin C，Schapire RE，Daubechies I（2007）使用平滑边缘函数分析boosting算法。Ann Stat 6:2723\u20132768“，”journal-title“：”Ann Stat“}，{”key“：”164_CR32“，”doi-asserted-by“：”crossref“，”first page“：“293”，”doi“：”10.1023\/A:101085229904“，”volume“：日志标题“：”Int Conf Mach Learn“}，{“key”：“164_CR33”，“doi-asserted-by”：“crossref”，“first page”：”337“，“doi”：“10.1214\/aos\/1016218223”，“volume”：：“28”，“author”：“JH Friedman”，“year”：“2000”，“unstructured”：“Friedman-JH，Hastie T，Tibshirani R（2000）Additive logistic regression:a statistical view of boosting.Ann Stat 28:337\u2013407”，“journal-title”：“Ann Stat.”“}，{”key“：”164_CR34“，”doi asserted by“：”crossref“，”first page“：”121“，”doi“：”10.1023\/A：1009715923555“，”volume“：”2“，”author“：”CJC Burges“，”year“：”1998“，”unstructured“：”Burges CJC（1998）模式识别支持向量机教程。Knowl-Discov Data Min 2:121\u2013167”，“journal-title”：“Knowl-Discov Data-Min”}，{“key”：“164_CR35”，“unstructured”：“Freund Y，Schapire RE（1996）实验新的推进算法。第十三届机器学习国际会议，pp 1\u201315”}最大化软边际的推进算法。神经信息处理系统的进展。麻省理工学院出版社，pp 340\u2013346“}，{“key”：“164_CR37”，“doi-asserted-by”：“crossref”，“unstructured”：“Vezhneves A，Barinova O（2007）通过删除混淆的样本避免增压过拟合。In:第18届欧洲机器学习会议论文集，pp 430\u2013441”，“doi”：“10.1007\/978-3-540-74958-5_40”}，}，“key“：”164_CR38“，”doi-assert-by“：”crossref“，”first page“：”337“，”DOI“：”10.1214\/aos\/1016218223“，”volume“：“28”，”author“：”JH Friedman“，”year“：”2000“，”unstructured“：”Friedmon JH，Hastie T，Tibshirani R（2000）《加性逻辑回归：促进的统计观点》（附讨论稿）。Ann Stat 28:337\u2013407“，”journal-title“：”Ann Stat“}，{”key“：”164_CR39“，”doi-asserted-by“：”crossref“，”first-page“：”313“，”doi“：”10.1016\/j.neucom.2003.10.011“，”volume“：“57”，”author“：”E Romero“，”year“：”2004“，”unstructured“：”Romero E，Marquez L，Carreras X（2004）前馈神经网络的边际最大化：与SVM和AdaBoost的比较研究。神经计算57:313\u2013344“，”journal-title“：”Neurocomputing“}，{“key”：“164_CR40”，”first page“：”2183“，”volume“：“8”，“author”：“T Kanamori”，“year”：“2007”，“unstructured”：“Kanamoli T，Takenouchi P，Eguchi P，Murata N（2007）Robust loss functions for boosting。NeuralComputation 8:2183\u20132244”，“journal-title”：“NeuralCalculation”}，”{“密钥”：“64_CR41”，“非结构化“：”Allen GI（2012）通过加权核和正则化自动提取特征。J Compute Graph Stat（to appear）“}，{”issue“：“7”，”key“：“164_CR42”，”doi-asserted-by“：”crossref“，”first page“：”3709“，”doi“：”10.1016\/J.csda.2007.12.11“，“volume”：“52”，“author”：“C Parka”，“year”：“2008”，“unstructured”：“Parka C，Koob JY，Kimc PT，Leeb JW（2008）使用广义逻辑损失的逐步特征选择。计算统计数据分析52（7）：3709\u20133718“，”journal-title“：”Comput-Stat Data Anal“}，{“key”：“164_CR43”，“unstructured”：“Weinberger KQ，Blitzer J，Saul LK（2009）大幅度最近邻分类的距离度量学习。J Mach Learn Res 10:207\u2013244”}，“key“：”164_CR44“，”doi-asserted-by“：”crossref“，”unstructure“：”Ng Andrew Y（2004）Feature selection L1 vs。L2正则化和旋转不变性。在：第21届机器学习国际会议论文集“，”DOI“：”10.1145“/1015330.1015435“}，{”key“：”164_CR45“，”first page“：“555”，“volume”：“10”，“author”：“T Zhang”，“year”：“2009”，“unstructured”：“Zhang T（2009）on the consistencity of feature selection using Greedy least squares.J Mach Learn Res 10:555\u2013568”，“期刊标题“：“J Mach Learn Res”}，｛“key”：“164_CR46”，“doi asserted by”：“crossref”，“nonstructured”：“Farahat AK，Ghodsi A，Kamel MS（2011）一种无监督特征选择的有效Greedy方法。IEEE第11届数据挖掘国际会议”，“doi”：“10.1109\/ICDM.2011.22”｝，｛“key”：“164_CR47”，“nonstructured”：“Weston J，Mukherjee S，Chapelle O，Pontil M，Poggio T，Vapnik V（2000）SVM的特征选择，ICML“}，{“key”：“164_CR48”，“doi-asserted-by”：“crossref”，“unstructured”：“Liu X，Yu T，Gen.Elector，Global Res.Niskayuna（2007）在线增强的梯度特征选择。IEEE第11届计算机视觉国际会议，pp 1\u20138”，“doi”：“10.1109\/ICCV.2007.4408912“}，{“key”：“164_CR49”，“doi-asserted-by”：“crossref”，“first page”：”103“，“doi”：“10.1023\/A:1007413511361”，“volume”：《29》，“author”：“P Domingos”，“year”：“1997”，“unstructured”：“Domingos P，Pazzani M（1997）关于简单贝叶斯分类器在零损失下的最优性。Mach Learn 29:103\u2013130”，“journal-title”：“”Mach Learn“｝，｛”key“：”164_CR50“，”doi asserted by“：”crossref“，”first page“：”5“，”doi“：”10.1023\/A：”1011441423217“，”volume“：”4“，”author“：”T Zhang“，”year“：”2001“，”nonstructured“：”Zhang T，Oles FJ（2001）基于正则化线性分类方法的文本分类。Inf Retriev 4:5\u201331“，”期刊标题“：”Inf Retriev“｝，｛”key“：”164_CR51“，”doi-asserted-by“：”crossref“，”first page“：”121“，“doi”：“10.1023\/A:1009715923555”，“volume”：“2”，“author”：“CJC Burges”，“year”：“1998”，“unstructured”：“Burges CJC（1998）模式识别支持向量机教程。Data Min Knowl Discov 2:121\u2013167“，”journal-title“：”Data Min Knowl Discov“}，{”key“：”164_CR52“，”first page“：“320”，“volume”：“1”，“author”：“Y-J Lee”，“year”：“2001”，“unstructured”：“Lee Y-J，Mangasarian OL（2001）SSVM:一个用于分类的平滑支持向量机。Comput Optim Appl 1:320\u2013344”，“journal-title”：“Compute Optim-Appl”}，}“key”：”164_CR53“，“非结构化”：”Crammer K，Gilad-Bachrach R，Navot A，Tishby N（2002）《LVQ算法的边际分析》。摘自：《2019年第17届神经信息处理系统会议论文集》，第462\u2013469页“}，{“key”：“164_CR54”，“doi-asserted-by”：“crossref”，“first pages”：“210”，“doi”：“10.1109”，TPAMI.2008.79”，“volume”：《2》，“author”：“J Wright”，“year”：“2009”，“unstructured”：“Wright J，Yang AY，Ganesh A，Shankar Sastry S，Ma Y（2009）基于稀疏表示的鲁棒人脸识别。IEEE Trans-Pattern Ana Mach Intell 2:210\u2013227“，”journal-title“：”IEEE Trans-Pattern ANA Mach Intel}，{“key”：“164_CR55”，“doi-asserted-by”：“crossref”，“first page”：”97“，”doi“：”10.1016\/j.patcog.2010.07.021“，”volume“：”1“，”author“：”L Zhang“，”year“：”2011“，”unstructured“：”Zhang L，Zhou WD（2011）使用基于线性规划的加权组合方法的稀疏集合。Pattern Recognit 1:97\u2013106“，“journal-title”：“Pattern Identit”}，{“key”：“164_CR56”，“unstructured”：“Tan M，Wang L，Tsang IW（2010）Learning sparse SVM for feature selection on very high dimension dataset。In:Proceedings of the 27 international conference on machine Learning，pp 301\u2013308”}、{“key”：”164_CR57“，”first page“”：“1333”，“volume”：3”，“author”：“S Perkins”，“year”：“2003”，“unstructured”：“Perkins S，Lacker K，Theiler J（2003）嫁接：通过函数空间中的梯度下降快速增量特征选择。J Mach Learn Res 3:1333\u20131356“，“journal-title”：“J Mach Learn Res”}，{“key”：“164_CR58”，“unstructured”：“Carpenter B（2008）正则多项式逻辑回归的惰性稀疏随机梯度下降，技术报告1\u201312”}、{“key”：”164_CR59“，”doi-asserted-by“：”crossref“，”unstructure“：”Tsuruoka Y，Tsujii J，Ananiadou S（2009）具有累积惩罚的L1正则对数线性模型的随机梯度下降训练。摘自：ACL第47届年会和AFNLP第4届IJCNLP会议记录，第477\u2013485页“，”DOI“：”10.3115\/1687878.1687946“}，{“key”：“164_CR60”，“unstructured”：“Merz CJ，Merphy P（1996）UCI机器学习数据库库[OB\/OL]。http://www.ics.UCI.edu\/mlearn\/MLRepository.html”}，“key“：”164_CR61“，”DOI-asserted-by“：“crossref”，“非结构化”：“Perou CM，Solie T，Eisen MB et \u00a0al（2000）人类乳腺肿瘤的分子肖像。Nature 406:747\u2013752“，”DOI“：”10.1038\/35021093“}，{”key“：”164_CR62“，”DOI-asserted-by“：”crossref“，”first page“：“503”，“DOI”：“10.1038\/3500501”，“volume”：“405”，“author”：“A Alizadeh”，“year”：“2000”，“unstructured”：“Alizadeh-A et \u00a0al（2000）通过基因表达谱确定不同类型的弥漫性大B细胞淋巴瘤。Nature 405:503\u2013511“，”journal-title“：”Nature“}，{”key“：”164_CR63“，”doi-asserted-by“：”crossref“，”first page“：“816”，“doi”：“10.1038\/nm733”，“volume”：“8”，“author”：“DG Beer”，“year”：“2008”，“unstructured”：“Beer DG，Kardia SLR，Huang CC et \u00a0al（2008）基因表达谱预测肺腺癌患者的生存率。Nat Med 8:816\u2013824“，”journal-title“：”Nat Med.“}，{”key“：”164_CR64“，”doi-asserted-by“：”crossref“，”first page“：“673”，“doi”：“10.1038\/89044”，“volume”：“7”，“author”：“J Khan”，“year”：“2001”，“unstructured”：“Khan J，Weil JS，Ringner M，Saall LH，Ladayi M et \u00a0al（2001）使用基因表达谱和人工神经网络对癌症进行分类和诊断预测。Nat Med 7:673\u2013679“，”journal-title“：”Nat Med.“}，{”key“：”164_CR65“，”doi-asserted-by“：”crossref“，”unstructured“：”Kononenko I（1994）Estimating attributes:analysis and extensions of RELIEF.Eur Conf Mach Learn，171\u2013182“，“doi”：“10.1007\/3-540-57868-4_57”}]，“container-title”：[“国际机器学习与控制论杂志”]，“原标题“：[]，”language“：”en“，”link“：[｛”URL“：”http:\/\/link.springer.com\/content\/pdf\/10.1007\/s13042-013-0164-6.pdf“，”content-type“：”application\/pdf“，”content-version“：”vor“，”预期应用程序“：”文本挖掘“｝，｛”URL“：”http:\/\/link.springer.com\/article\/10.1007\/s13042-013-0164-6\/fulltext.html“，”content-type“：”text\/html“，”content-version“：”vor“，”intended-application“：”text-mining“}，{“URL”：“http://\/link.springer.com/content\/pdf\/101007\/s13042-013-0164-6”，“content-type”：“unspecified”，“content-version”：“vor”，“intended-application”：“similarity-checking”}]，“deposed”：{“date-parts”：[2019,7,12]，“date-time”：”2019-07-12T11:46:25Z“，”时间戳“：156 2931985000}，“score“：1，”resource“：{”primary”：{“URL”：“http://\/link.springer.com/10.1007\/s13042-013-4-6”}}，”subtitle“：[]，”shorttitle“：[]，”issued“：{date-parts”：[[2013,4,12]]}，“references-count”：65，”journal-issue“：{issue”：“3”，“published-print”：{date-parts“：[2014,6]]}}”，“alternative-id”：[“164”“]，”URL“：”http://\/dx.doi.org\/10.1007\/s13042-0164-6“，”关系“：{}，”ISSN“：[”1868-8071“，”1868-80 8X“]，”ISSN-type“：[{”value“：”1868-8071“