｛“status”：“ok”，“message type”：“work”，“message version”：“1.0.0”，“message”：｛“indexed”：｛“date parts”：[[2024,6,18]，“date-time”：“2024-06-18T00:59:28Z”，“timestamp”：1718672368227｝，“reference count”：57，“publisher”：“Elsevier BV”，“license”：[｛“start”：｛“date parts”：[[2021,1,1]]，“date-time”：“2021-01T00:00:00Z”，“timestamp”：1609459200000｝，“内容版本“：“tdm”，“delay-in-days”：0，“URL”：“https:\/\/www.elsevier.com/tdm\/userlicense\/1.0\/”}]，“资助者”：[{“DOI”：“10.13039\/501100012166”，“名称”：“中国国家重点研发计划”，“DOI-asserted-by”：“publisher”，“奖项”：[“2017YFC1600605”]}，{“DOI”：中国“，“doi-asserted-by”：“publisher”，“award”：[“61673002”，“61903009”，“62006008”]}，{“doi”：“10.13039\/501100005706”，“name”：“北京工商大学青年学者研究基金会”，“doo-asserted-by”：”publisher“，”award“：[“QNJJ2020-26”]}]，“content-domain”：{“domain”:[“elsevier.com”，“sciencedirect.com”]，“交叉标记限制“：true}，“short-container-title”：[“基于知识的系统”]，“published-print”：{“date-parts”：[[2021,1]]}，“DOI”：“10.1016\/j.knosys.2020.106523”，“type”：“journal-article”，“created”：{“date-ports”：[[2020,10,15]]，“date-time”：“2020-15T16:34:49Z”，“timestamp”：1602779689000}，”page：“106523“update-policy”：”http：\/\/dx.DOI.org\/10.1016\/elsevier_cm_policy“，“source”：“Crossref”，“is-referenced-by-count”：28，“title”：[“非平稳时间序列的并行深度预测与协方差交集融合”]，“prefix”：“10.1016”，“volume”：”211“，“author”：[{“given”：《志刚》，“family”：“Shi”，”sequence“：“first”，“affiliation”：[]}，{“given”:“Yuting”，“faily”：”Bai“sequence”：“additional”，“从属关系”：[]}，“givent”：“雪波”，“家庭”：“金”，“序列”：“附加”，“从属关系”：[]}，{“给定”：“孝义”，“家族”：“王”，“顺序”：“额外”，“隶属关系”：[]}、{“给出”：“婷丽”，“家人”：“苏”，“排序”：“添加”，“附属关系”：“[]}，{”给定“：”建蕾“，”家族“孔”，“序号”：“新增”，“归属关系”：【]}】，“成员”：“78”，“引用”：[{“键”：“10.1016\/j.knosys.2020.106523_b1”，“doi-asserted-by”：“crossref”，“first page”：“188”，”doi“：”10.1016\/j.neucom.2018.01.038“，”article-title“：”利用谷歌趋势优化神经网络预测股市方向“，”volume“：”285“，”author“：”Hu“，”year“：”2018“，”journal title“：“Neurocomputing”}，{“issue”：“21”，“key”：“10.1016\/j.knosys.2020.106523_52”，“doi-asserted-by”：“crossref”，“first page”：“4533”，“doi”：“10.3390\/app9214533”，”article-title“：“基于PM2分解机制的集成预测器。5长期预测”，“卷”：“9”，“作者”：“金”，“年份”：“2019年”，“新闻标题”：“应用。科学。“}，{”issue“：”9“，”key“：”10.1016\/j.knosys.2020.106523_b3“，”doi-asserted-by“：”crossref“，”first page“：“3368”，“doi”：“10.1080\/01431161.2019.1701724”，“article-title”：“利用区域卷积长短期记忆（RC-LSTM）网络对中国近海SST时间序列进行时空预测”，“volume”：“41”，“author”：“Xu”，“year”：“”2020年“，”journal-title“：”Int.J.Remote Sens.“}，{”issue“：”3“，”key“：”10.1016\/J.knosys.2020.106523_b4“，”doi-asserted-by“：”crossref“，”first page“：“1014”，“doi”：“10.1109\/TPWRS.2002.804943”，“article-title”：“ARIMA模型预测未来电价”，“volume”：“18”，“author”：“Contreras”，“year”：“2003”，“journal-title”IEEE输电系统“}，{”issue“：”5“，”key“：”10.1016\/j.knosys.2020.106523_b5“，“doi-asserted-by”：“crossref”，“first page”：“1255”，“doi”：“10.3390\/en11051255”，“article-title”：“使用递归神经网络进行电价预测”，“volume”：”11“，”author“：”Ugurlu“，“year”：“2018”，“journal-title“：”Energies“}，{”key“，”doi-asserted-by“：”crossref“，”first page“：”214“，”DOI“：”10.3390\/math8020214“，”article-title“：”基于EMD的深度混合模型，按频率特征分类，用于长期空气质量预测“，”volume“：“8”，”author“：”Jin“，”year“：”2020“，”journal-title”：“Mathematics”}，{“issue”：“20”，“key”：“10.1016\/j.knosyss.2020.106523_b7”，“DOI-asserted-by”：“”crossref“，”first page“：”3788“，”DOI“：”10.3390\/ijerph16203788“，”article-title“：”基于融合网络的工业大气监测盲区时空预测“，”volume“：“16”，”author“：”Bai“，”year“：”2019“，”journal-title”：“Int.J.Environ。Res.Public Health“}，{“key”：“10.1016\/j.knosys.2020.106523_b8”，“doi-asserted-by”：“crossref”，“doi”：“10.3390\/ijerph17010360”，“article-title”：“时空分析中空气污染物的动态相关分析方法”，“volume”：”17“author”：“Bai”，“year”：“2020”，“journal-title“：”Int.j.Environ.Res.Pulch Health10.1016\/j.knosys.2020.106523_b9“，”doi-asserted-by“：”crossref“，”doi“：”10.3390\/s19051058“，”article-title“：”作物深度：精准农业中基于深度学习的分类和检测的作物视觉数据集“，”volume“：”19“，”author“：”Zheng“，”year“2019”，”journal-title”：“Sensors”}，{“key”：“10.1016\\j.knoS.2020.106523_b10”，“doi-asserted-by“：”crossref“，”first page“：”1433“，”doi“：”10.3390\/su12041433“，“article-title”：“基于物联网系统的可持续精准农业深度学习预测器”，“volume”：“12”，“author”：“Jin”，“year”：“2020”，“journal-title“：”Sustainability“}，{“key”：”10.1016\/j.knosys.2020.106523_b11“，”doi-assert-by“10.1155\/2019\/9107167“，”article-title“：”多元时间序列预测的复合自回归网络“，”volume“：”2019“，”author“：”Bai“，”year“：”199“，“journal-title”：“Complexity”}，{“issue”：“1”，“key”：“10.1016\/j.knosys.2020.106523_b12”，“doi-asserted-by”：“crossref”，“first page”：”49“，“doi”：“101109\/TAES.1983.309419”，“article-Ti标题“：”ARMA时间序列建模：一种有效的方法”，“作者”：“Cadzow”，“年份”：“1983年”，“期刊标题”：“IEEE Trans。Aerosp.航空公司。电子。系统。“}，{”issue“：”1“，”key“：”10.1016\/j.knosys.2020.106523_b13“，”doi-asserted-by“：”crossref“，”first page“：“65”，”doi“：”101016\/j.solener.2004.09.013“，“article-title”：“Navarre（西班牙）ARMA模型小时平均风速预测”，“volume”：“79”，“author”：“Torres”，“year”：“2005”，“journal-title“：”Sol.Energy“}”，{“密钥”：“10.1016\/j.knossy.2020.106523_b14”，“系列标题”：“随机建模和数据分析的最新进展”，“第一页”：“542”，“文章标题”：“基于GARCH的金融时间序列聚类方法：国际股市证据”，“作者”：“Caiado”，“年份”：“2007”}，{“密钥”：“10.1016\/j.knossy.2020.106523_b15”，“第一页”：“701”article-title“：“基于ELM学习算法的混沌时间序列预测”，“volume”：“44”，“author”：“Li”，“year”：“2011”，“journal-title”：“天津大学学报”}，{“key”：”10.1016\/j.knosys.2020.106523_b16“，”doi-asserted-by“：”crossref“，”first page“：”176“，“doi”：“10.1016\/j.neucom.2017.04.076”，“article-title”使用\u21132，1RF-ELM“，”volume“：”277“，”author“：”Xue“，”year“：”2018“，”journal-title“：”Neurocomputing“}，{”issue“：”10“，”key“：“10.1016\/j.knosys.2020.106523_b17”，”doi-asserted-by“：”crossref“，“first page”：“6781”，“doi”：“10.1007\/s00521-018-3488-z”，“article-title”：“用于时间序列预测的动态正则化回波状态网络”，“体积”：“31”，“作者”：“杨”，“年份”：“2019”，“新闻标题”：“神经计算”。申请。“}，{”key“：”10.1016\/j.knosys.2020.106523_b18“，”series-title“：”神经信息处理系统的进展“，”first-page“：”473“，”article-title“：“LSTM可以解决长时间滞后的难题”，“author”：“Hochreiter”，“year”：“1997”}，}“issue”：“10”，“key”：“10.1016\\j.knocys.2020.100623_b19”，“doi-asserted-by”：“crossref”，“first-pages”：“1901”，“doi”：“10.3390 \/app8101901“，“文章标题”：“基于变分模式分解、深信度网络和自回归移动平均的太阳能输出功率混合预测方法”，“量”：“8”，“作者”：“谢”，“年份”：“2018”，“期刊标题”：。科学。“}，{”key“：”10.1016\/j.knosys.2020.106523_b20“，”doi-asserted-by“：”crossref“，”first page“：“142814”，“doi”：“10.1109\/ACCES.2019.2944755”，“article-title”：“使用基于小波变换和改进的深度学习算法的混合模型预测PM2.5”，“volume”：“7”，“author”：“Qiao”，“year”：“2019”，“journal title”：”IEEE ACCESS“}”，{“issue”：“”10“，”key“：”10.1016\/j.knosys.2020.106523_b21“，”doi-asserted-by“：”crossref“，”first page“：“1486”，”doi“：”10.3390\/w10101486“，”article-title“：”基于多尺度预报因子选择的EEMD-Lasso-DBN方法月径流预报“，”volume“：10.1016\/j.knosys.2020.106523_b22“，”doi-asserted-by“：”crossref“，”first page“：”1433“，”doi“：”10.3390\/su12041433“，“article-title”：“基于物联网系统的可持续精准农业深度学习预测器”，“volume”：“12”，“author”：“Jin”，“year”：“2020”，“journal-title“：”Sustainability“}，{”key“”：“10.1016\/j.knosys.2020.106523_b23”，“”doi-asserted-by“：”crossref“，”first page“：”234“，”doi“：”10.1016\/j.ins.2019.12.053“，”article-title“：”多属性数据的深度学习方法：铁路系统列车延误预测研究“，”volume“：“516”，“author”：“Huang”，“year”：“2020”，“journal-title”：“Inform”。科学。“}，{”issue“：”8“，”key“：”10.1016\/j.knosys.2020.106523_b24“，”doi-asserted-by“：”crossref“，”first page“：“1286”，”doi“：”10.3390\/app8081286“，”article-title“：”基于小波分解和卷积LSTM网络的太阳辐照度预测改进深度学习模型“，”volume“：issue“：”5“，”key“：”10.1016\/j.knosys.20210165523_b25“，”doi断言“：”crossref“，”首页“：”1334“，”doi“：”10.3390\/s20051334“，”文章标题“：”基于经验模式分解和门控递归单元群模型的智能农业传感混合深度学习预测“，”卷“：”20“，”作者“：”Jin“，”年份“：”2020“，”期刊标题“：”传感器“}，{“问题”：“3”，“关键”：“10.1016\/j.knosys.2020.106523_b26”，“doi-asserted-by”：“crossref”，“首页”：“274”，“doi”：“101080\/2150704X.2017.1418992”，“文章标题”：“使用ARIMA时间序列模型进行短期云覆盖预测”，“卷”：“9”，“作者”：“问题”：“2”，“密钥”：“10.1016\/j.knosys.2020.106523_b27“，“doi-asserted-by”：“crossref”，“first page”：“867”，“doi”：“10.1109\/TPWRS.2005.846044”，“article-title”：“GARCH预测模型预测日前电价”，“volume”：”20“，“author”：“Garcia”，”year“2005”，”journal-title“：”IEEE Trans。电力系统。“}，{”key“：”10.1016\/j.knosys.2020.106523_b28“，”series-title“：”状态空间方法的时间序列分析“，”author“：”Durbin“，”year“：”2012“}”，{“key”：“10.1016\/j.knosys.2020.106523_b29”，“doi-asserted-by”：“crossref”，“doi”：“10.3390\/s20010299”，“article-title”：“基于神经的非线性自回归模型卡尔曼滤波器”，“volume”：”20“，“作者”：“Bai“，”year“：”2020“，”journal-title“：”Sensors“}，{”issue“：”4“，”key“：”10.1016\/j.knosys.2020.106523_b30“，”doi-asserted-by“：”crossref“，”first page“：“599”，”doi“：”101623\/hysj.51.4599“，”article-title”：“使用支持向量机进行长期流量预测”，“volume”：“51”，“author”：“Lin”，“year”：“2006”，”jornal-title:“Hydrol”科学杂志“}，{”issue“：”2“，”key“：”10.1016\/j.knosys.2020.106523_b31“，”doi-asserted-by“：”crossref“，”first page“：“887”，“doi”：“10.1109\/TPWRS.2006.873409”，“article-title”：“基于新模糊神经网络的电力市场日前价格预测”，“volume”：“21”，“author”：“Amjady”，“year”：“2006”，“journal-title“：”IEEE Trans。电力系统。“}，{”key“：”10.1016\/j.knosys.2020.106523_b32“，”doi-asserted-by“：”crossref“，”first page“：“100”，“doi”：“10.1016\/j.neucom.2019.09.002”，“article-title”：“基于量子逻辑门的回声状态网络体系结构及其优化”，“volume”：“371”，“author”：“Liu”，“year”：“2020”，“journal-title“：”Neurocomputing“}”，{“issue”：“5”，“key”：”10.1016\/j.knosys.2020.106523_b33“，”doi-asserted-by“：”crossref“，”first page“：”1068“，”doi“：”10.3390\/en11051068“，”article-title“：”一种新型双尺度深度信念网络方法用于城市日常需水量预测“，”volume“：_b34“，”doi-asserted-by“：”crossref“，”first page“：”1“，”doi“：”10.1038\/s41598-018-24271-9“，”article-title“：”多变量缺失值时间序列的递归神经网络“，”volume“：“8”，”author“：”Che“，“year”：“2018”，“journal-title”：“Sci”。代表“}，{”问题“：“2”，“key”：“10.1016\/j.knosys.2020.106523_b35”，“doi-asserted-by”：“crossref”，“doi”：“101016\/j.ejor.2017.11.054”，“article-title”：“金融市场预测的长短期记忆网络深度学习”，“volume”：”270“，”作者“Fischer”，“year”：“2018”，“日志标题”：“European j.Oper.Res.”}，”{“问题”：“15”，“key”“：”10.1016\/j.knosys.2020.106523_b36“，”doi-asserted-by“：”crossref“，”first page“：”3041“，”doi“：”10.3390\/app9153041“，”article-title“：”VS-GRU:具有大量缺失值的多变量时间序列的可变敏感门控递归神经网络“，”volume“：“9”，”author“：”Li“，“year”：“2019”，“journal-title”：“Appl”。科学。“}，{”issue“：”6“，”key“：”10.1016\/j.knosys.2020.106523_b37“，”doi-asserted-by“：”crossref“，”first-page“：”1140“，”doi“：”10.3390\/en12061140“，”article-title“：”基于EMD-GRU的短期电力负荷预测模型，带特征选择“，”volume“：“密钥”：“10.1016\/j.knosys.2020.106523_b38“，”doi-asserted-by“：”crossref“，”first page“：”4055“，”doi“：”10.3390\/en12214055“，“article-title”：“使用多变量选通回归单位的小时前太阳辐照度预测”，“volume”：“12”，“author”：“Wojtkiewicz”，“year”：“2019”，“journal-title“：”Energies“}，{“key”：”10.1016//j.knoS.2020.106533_b39“，”doi-asserted-by“：”crossref“，”doi“：”10.1016\/j.neucom.2019.07.058“，”article-title“：”基于门控递归单元神经网络的短期风电预测风速误差修正模型“，”volume“：”365“，“author”：“Ding”，“year”：“2019”，“journal-title”：“Neurocomputing”}，{“issue”：“11”，“key”：“10.1016\/j.knosys.2020.106523_b40”，“doi-asserted-by“：”crossref“，”first page“：”843“，”doi“：”10.3390\/pr7110843“，”article-title“：”基于CEEMD-SE方法的风电短期预测混合模型“，”volume“：“7”，”author“：”Wang“，”year“：”2019“，”journal-title:“Processes”}，{“key”：“10.1016\/j.knosys.2020.106523_b41”，”doi-assert-by“”：”crosdref“”，”doi:“10.1016 \/j enconman，2019.112254“，”文章标题“：基于VMD-PRBF-ARMA-E模型考虑风速特征的新预测方法”，“体积”：“203”，“作者”：“张”，“年份”：“2020”，“期刊标题”：“能量转换”。管理。“}，{”issue“：”7“，”key“：”10.1016\/j.knosys.2020.106523_b42“，”doi-asserted-by“：”crossref“，”doi“：”101371\/journal.pone.0180944“，”article-title“：”使用堆叠自动编码器和长短记忆的金融时间序列的深度学习框架“，”volume“：“12”，”author“：”Bao“，”year“：”2017“，”journal-title“：”10.1016\/j.knosys.2020.106523_b43“，”doi-asserted-by“：”crossref“，”first page“：”3493“，”doi“：”10.3390\/en11123493“，”article-title“：”基于长短记忆网络和卷积神经网络的短期负荷预测深度神经网络模型“，”volume“：“11”，”author“：”Tian“，”year“：”2018“，”journal title“：“Energies”}，{“issue”：“3”，“key“：”10.1016\/j.knosys.2020.106523_b44“，”doi-asserted-by“：”crossref“，”首页“：”526“，”doi“：”10.3390\/en11030526“，”article-title“：”基于回波状态网络和长短期记忆的风电预测“，”volume“：“11”，”author“：”L\u00f3pez“，”year“：”2018“，”journal-title”：“Energies”}，{“key”：“10.1016\/j.knosys.2020.106523 _b45“，”doi-asserted-by“：”crossref“，”first page“：”17184“，”doi“：”10.1109\/ACCESS.2019.2895604“，”article-title“：”日高峰负荷预测的深度学习\u2013a结合动态时间扭曲的新型选通递归神经网络“，”volume“：“7”，”author“：”Yu“，”year“：”2019“，”journal-title”：“IEEE ACCESS”}，{“key”：“10.1016\/j.knosys.2020.106523_b46”，“doi-asserted-by“：”crossref“，”doi“：”10.1007 \/s12555-019-0140-3“，”article-title“：”使用测量数据的受控自回归系统基于梯度的两阶段迭代估计方法“，”volume“：”18“，”author“：”Ding“，”year“：”2020“，”journal-title”：“Int.J.Control Autom。系统。“}，{”key“：”10.1016\/j.knosys.2020.106523_b47“，”doi-asserted-by“：”crossref“，”first page“：“5521”，“doi”：“10.1016\/j.jfranklin.2019.04.027”，“article-title”：“基于粒子滤波的输出误差型模型结构系统参数估计”，“volume”：“356”，“author”：“Ding”，“year”：“2019”，“journal-title“：”j.Franklin Inst.“}”，{“key”：”10.1016\/j.knosys.2020.106523_b48“，”doi-asserted-by“：”crossref“，”doi“：”10.1007\/s12555-019-0053-1“，“article-title”：“一类状态空间系统的联合多创新递推扩展最小二乘参数和状态估计”，“volume”：“18”，“author”：“Cui”，“year”：“2020”，“journal-title“：”Int.j.Control Autom。系统。“}，{”key“：”10.1016\/j.knosys.2020.106523_b49“，”doi-asserted-by“：”crossref“，”first page“：“68”，“doi”：“10.1049\/iet-cta.2012.0171”，“article-title”：“多变量系统耦合最小二乘辨识”，“volume”：“7”，“author”：“Ding”，“year”：“2013”，“journal-title“：”iet控制理论应用“}”，{“issue”：“1”，“key”：“”10.1016\/j.knosys.2020.106523_b50“，“首页”：“3”，“文章标题”：“STL：基于黄土的季节趋势分解程序”，“卷”：“6”，“作者”：“Clevel”，“年份”：“1990年”，“期刊标题”：”j.Off.Stat.“}，{“问题”：“1\u20132”，“关键”：“10.1016\\j.knocys.2020.186523_551”，“doi-asserted-by”：“crossref”，“首页面”：“181”，“doi”：“10.1007\\s0704-014-1098-y”，“文章标题”：“滇池流域（中国）气候变量的60年时间变化和季节分解：稳定趋势还是突变？“，”卷“：”119“，”作者“：”周“，”年份“：”2015“，”新闻标题“：”Theor。申请。气候。“}，{”key“：”10.1016\/j.knosys.2020.106523_b52“，”doi-asserted-by“：”crossref“，”first page“：“244”，“doi”：“10.1016\/j.neucom.2019.04.061”，“article-title”：“基于两种改进策略的STL和ESN有效客流预测”，“volume”：“356”，“author”：“Qin”，“year”：“2019”，“journal-title“：”Neurocomputing“}”，{“issue”：“3”，“key”：“10.1016\/j.knosys.2020.106523_b53“，”doi-asserted-by“：”crossref“，”first page“：”313“，”doi“：”10.1007\/BF02509830“，”article-title“：”定长非参数平滑器的全局和局部统计特性“，”volume“：“11”，”author“：”Dagum“，”year“：”2002“，”journal-title”：“Stat.Methods Appl.”。“}，{”issue“：”6“，”key“：”10.1016\/j.knosys.2020.106523_b54“，”doi-asserted-by“：”crossref“，”first page“：“1283”，“doi”：“10.1007\/s11430-016-5285-9”，“article-title”：“中国IGS站点高度时间序列的季节信号和长期趋势分析”，“volume”：“59”，“author”：“Ming”，“year”：“2016”，“journal-title“：”Sci.China Earth Sci.”}，{“key“：”10.1016\/j.knosys.2020.106523_b55“，”doi-asserted-by“：”crossref“，”doi“：”101016\/j.aei.2020.101089“，”article-title“：”基于分解、强化学习优化和神经网络的新型轴温预测方法“，”volume“：。“}，{”key“：”10.1016\/j.knosys.2020.106523_b56“，”doi-asserted-by“：”crossref“，”doi“：”101007\/s12559-020-09747-z“，”article-title“：”通过随机森林和长短期记忆预测游客到达“，”author“：”Peng“，”year“：”2020“，”journal-title”：“Cogn.Comput.”}，“key”：“交叉引用”，“首页“：”821“，”DOI“：”10.1007“，”文章标题“：”使用门控递归单元（GRU）深度神经网络的大气颗粒物污染预测模型“，”卷“：”13“，”作者“：”Becerra-Rico“，”年份“：”2020“，”期刊标题“：“地球科学”。通知。“}]，”container-title“：[”Knowledge-Based Systems“]，”original-title”：[]，”language“：”en“，”link“：[{”URL“：”https:\/\/api.elsevier.com/content\/article\/PII:S0950705120306523？httpAccept=text\/xml“，”content-type“：”text\/.xml“，”content-version“：”vor“，”intended-application“：”text-mining“}，”{“URL”：“”https:\/\/api.elsevier.com\/content\/article\/PII:S09950705120306523？httpAccept=text\/plain“，”content-type“：”text\/prain“，“content-version”：“vor”，“intended-application”：“text-mining”}]，“deposed”：{“date-parts”：[[2020,12,10]]，“date-time”：“2020-12-10T20:36:12Z”，“timestamp”：1607632572000}，“score”：1，“resource”：{primary“：{”URL“https://linkinghub.elsevier.com\/retrieve\/pii\/S09505 705120306523“}}，”副标题“：[]，”shorttitle“：[]，”issued“：{”date-parts“：[2021,1]]}，”references-count“：57，”alternative-id“：[”S0950705120306523“]，”URL“：”http://\/dx.doi.org\/10.1016\/j.knosys.2020.106523“，”relationship“：{}，“ISSN”：[”0950-7051“]，“ISSN-type”：[{“value”：“0950-705”，“type”:“print”}]，“subject”：[]，“published”：{“date-parts”：[2021,1]]}，“assertion”：[{“value”：“Elsevier”，“name”：“publisher“，”label“：”本文由“}，”{“value”：“非平稳时间序列上基于协方差交集融合的并行深度预测”，“name”：“articletite”，“label”：“article Title”}，{“value”：“Knowledge-Based Systems”，“name”：“journaltitle”，“table”：“Journal Title“}”，“value“：”https:\\/doi.org\/101016\/j.knosys.2020.106523“，”name“：”articlelink“，”label“：”CrossRef DOI link to publisher maintained version“}，{“value”：“article”，“name”：“content_type”，“label”：“content-type”}，}“value”：“\u00a9 2020 Elsevier B.V.保留所有权利。”，“名称”：“版权”，“标签”：“copyright”}]，“文章编号”：“106523”}