{“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”：[[2024,5,29]]，“日期-时间”：“2024-05-29T05:16:09Z”，“时间戳”：1716959769655}，“引用-计数”：77，“发布者”：“翡翠”，“问题”：“2”，“许可证”：[{“开始”:{“日期-零件”：[2021,3,23]]，”日期-时间“：”2021-03-2 3T00:00:00Z“，”时间戳“：1616457600000}，“content-version”：“tdm”，“delay-in-days”：0，“URL”：“https:\\/www.emerald.com/insight\/site-policies”}]，“content-domain”：{“domain”（域）：[]，“crossmark-restriction”（交叉标记限制）：false}，“short-container-title”：[“IJICC”]，“published-print”（发布版本）：{”date-parts“：[2021,4,23]]}，”抽象“：”目的<\/jats:title>由于很难找到一个能够处理多种问题的分类器，集成方法在模式识别领域得到了广泛的应用。尽管这些技术很有效，但研究表明，集成方法产生了大量假设，并且在大多数情况下包含冗余分类器。目前提出的一些作品试图在不影响性能的情况下减少所有假设<\/jats:p>设计方法论在这项工作中，作者提出了一种修剪方法，该方法考虑了分类器类和每个分类器与集合其余部分之间的相关性。作者使用随机森林算法作为基于树的集成分类器，剪枝是受CFS（相关特征选择）算法启发的技术进行的<\/jats:p>结果<\/jats:title>基于UCI机器学习库中的10个数据集对提出的基于相关性的集成选择（CES）方法进行了评估，并将其性能与6种集成修剪技术进行了比较。结果表明，与现有方法相比，我们提出的剪枝方法在较小的时间内选择了一个较小的集合，同时提高了分类率<\/jats:p>原创性\/价值<\/jats:title>CES是一种使用CFS算法的新的基于排序的方法。CES在短时间内选择了一个小的子集合，其性能优于从整个森林和本研究中使用的其他最先进技术获得的结果<\/jats:p><\/jats:sec>“，”DOI“：”10.1108\/ijicc-10-2020-0147“，”type“：”journal-article“，”created“：{”date-parts“：[2021,3,20]]，”date-time“：”2021-03-20T10:23:43Z“，”timestamp“：1616235823000}“，”page“：“251-268”，“source”：“Crossref”，“is-referenced-by-count”：7，“title”：[“一种新的基于相关性的随机森林集合选择方法”]，“前缀“：”10.1108“，”卷“：“14”，”作者“：[{”ORCID“：”http://\/ORCID.org\/0000-0002-0318-0049“，”authenticated-ORCID“：false，”给定“：”Mostafa“，”家族“：”El Habib Daho“，“sequence”：“first”，“affiliation”：[]}，{“given”：“Nesma”，“family”：“Settouti”，“segment”：“additional”，“ffiliation”：[]}，“ORCID”：”http://\\ORCID.org \/00000-0002-9569-357X“，”authenticated-orcid“：false，”given“：”Mohammed El Amine“，”family“：”Bechar“，”sequence“：”additional“，”affiliation“：[]}，”{“given”：“Amina”，“family”：“”Boublenza“，“sequence”：“additional”，“affiliance”：[]{“给定”：“Mohammed-Amine”，“家庭”：“Chikh”，“se序列”：“附加”，“从属关系”：[]}]，“成员”：“140”，“在线发布”：{“日期段”：[[2021,3,23]]}，“reference“：[{”issue“：”1-2“，”key“：”key2022121313515696100_ref001“，”first page“：“25”，”article-title“：”Using diversity for classifier ensembly prunning？：an experimental research“，”volume“：：”29“，”year“：”2017“，”journal-title”：“Theory and Applied Informatics”}，{“key”：“key202212313515696100 _ref002”，”doi-asserted-by“：”crossref“，”unstructured“：”Bernard，S.、Heutte，L.和Adam，S.（2009a），超参数对随机森林精度的影响，载于Benediktsson，J.A.和Kittler，J.R.F.（编辑），多分类器系统，计算机科学讲义第5519卷，Springer，Berlin，Heidelberg，pp.171-180.“，“DOI”：“10.1007\/978-3642-02326-2_18”}，{“key”：“key2022121313515696100_ref003“，“首页”：“302”，“article-title”：“关于随机森林中决策树的选择”，“年份”：“2009”}，{“问题”：“2”，“密钥”：“key202212313515696100 _ref004”，”首页“：“97”，”article-title“：”基于准确多样性的分类器集合修剪“，”卷“：”2“，”年“：”2014“，”日记标题“：”人工智能进展”}，｛“key”：“key2022121313515696100_ref005”，“doi断言”：“publisher”，“文章标题”：“多样性何时有助于分类集合的泛化？”，“年份”：“2019”，“期刊标题”：“在IEEE控制论汇刊中”，“doi”：“10.1109\/TCYB.2021.3053165”｝，｛“issue”：“1”，“key”：“key2022121313515696100_ref006”，“doi由“：”crossref“，”first page“：”5“，”doi“：”10.1023\/A：1010933404324“，”文章标题“：”随机森林“，”卷“：”45“，”年份“：”2001“，”期刊标题“：”机器学习“｝，｛”key“：”key2022121313515696100_ref007“，”doi由“：”publisher“，”卷标题“：”分类和回归树“，”年份“：”1984“，”doi“：”10.1201\/9781315139470“｝，｛”断言issue“：”11“，”key“：”key2022121313515696100_ref008“，”doi-asserted-by“：”crossref“，“first page”：“3665”，“doi”：“10.1016\/j.patcog.2014.05.003”，“article-title”：“分类器的动态选择\u2013综合评述”，“volume”：”47“，“year”：“2014”，“journal-title“：”Pattern Recognition“}”，{“key”：Ensemble learning”，“volume-title”：“机器学习和数据挖掘百科全书”，“year”：“2017”}，{“key”：“key2022121313515696100_ref010”，“doi-asserted-by”：“crossref”，”unstructured“：”Brown，G.and Kuncheva，L.I.（2010），《多分类器系统》，El Gayar，N.、Kittler，J.和Roli，F.（编辑），柏林海德堡施普林格出版社，柏林，海德堡，第124-133页，《DOI》：“10.1007\/978-3642-12127-2_13”}，{“issue”：“3”，“key”：“key2022121313515696100_ref011”，“DOI-asserted-by”：“crossref”首页“：”187“，”DOI“：”10.1177\/1748301818761132“，“article-title”：“使用多样性选择具有不同分类阈值的多个分类器系统的有效性”，“volume”：“12”，“year”：“2018”，“journal-title“：”journal of Algorithms and Computational Technology“}，{“issue”：“2”，“key”：”key2022121313515696100_ref012“，”doi-asserted-by“：”crossref“，”first page“：”235“，“doi”：“10.1108\/DTA-11-2019-0208”，“article-title”：“利用从修改后的随机森林中获得的决策规则识别财务报表欺诈”，“volume”：“54”，“year”：“2020”，“journal-title“：”Data Technologies and Applications“}，{“key”：”key2022121313515696100_ref013“，”第一页“：”1126“，”article-title“：“基于过滤器和自适应距离的动态集成选择方法，以提高竞争力区域的质量”，“年份”：“2011”}，{“密钥”：“key2022121313515696100_ref014”，“doi-asserted-by”：“crossref”，“非结构化”：“Cruz，R.M.O.，Sabourin，R.和Cavalcanti，G.D.C.（2014），\u201c使用相异性分析分析动态系综选择技术\u201d，载于El Gayar，N.，Schwenker，F.和Suen，C.（Eds），《模式识别中的人工神经网络》，施普林格国际出版社，Cham，第59-70页。“，”DOI“：”10.1007\/978-3-319-11656-3_6“}，｛”key“：”key2022121313515696100_ref015“，”DOI断言为“：”publisher“，”first page“：”1“，”DOI“：”10.1109\/IJCNN.2015.7280594“，”article-title“：”META-DES“。H： 使用元学习和动态加权方法的动态集成选择技术”，“年份”：“2018年”，“新闻标题”：“2015年国际神经网络联合会议（IJCNN）”}，{“密钥”：“key2022121313515696100_ref016”，“首页”：“1”，“文章标题”：动态集合选择与k-nn：为什么以及何时动态选择获得更高的分类性能？“，”“year”：“2017”}，{“key”：“key2022121313515696100_ref017”，“doi-asserted-by”：“crossref”，“first-pages”：“258”，“doi”：“10.1016\/j.neucom.2013.06.026”，“article-title”：“一种基于随机贪婪选择策略和投票的新型集成剪枝算法”，“volume”：”122“，“year“2013”，“journal-title“：”Neurocomputing“}”，{”“issue”：“3”，“key“：”key2022121313515696100_ref018“，”doi-asserted-by“：”crossref“，”first page“：”406“，”doi“：”10.1007\/s10489-014-0605-2“，”article-title“：”将随机性引入贪婪集合剪枝算法“，”volume“：“42”，“year”：“2015”，”journal-title：“Applied Intelligence”}，{“issue”：“6”，“key”：“key202212313515696100 _ref019”，“doi-assert-by”：“crossrev”，“”首页“：”2405“，”DOI“：”10.1109\/JSTARS.2015.2407493“，”文章标题“：”结合光谱和空间信息的高光谱图像分类的动态集合选择方法“，”卷“：”8“，”年份“：”2015“，”期刊标题“：“IEEE应用地球观测和遥感选定主题期刊”}，{“key”：“key2022121313515696100_ref020“，“首页”：“1”，“article-title”：“多数据集分类器的统计比较”，“卷”：“7”，“年份”：“2006”，“日志标题”：“机器学习研究杂志”}，{“key”：“key202212313515696100 _ref021”，”doi-asserted-by“：”crossref“，”unstructured“：”Elghazel，H.，Aussem，A.和Perraud，F.（2011），\u201cTrading-off diversity and accurability for the optimal integrate tree selection in random forest forest estembly forest seembly tree selection in Machine Learning Applications，pp.169-179。“，”DOI“：”10.1007\/978-3642-22910-7_10“}，{“key”：“key2022121313515696100_ref022”，“first page”：”1“，“article-title”：“ensemble particle swarm model selection”，“year”：“2010”}，“issue”：“3”，“key“”：”key2022121313515696100_ref023“，”doi-asserted-by“：”crossref“，”first page“：”163“，“doi”：“10.1016\/j.artmed.2012.03.005”，“article-title”：“基于集合粒子群模型选择的急性白血病分类”，“volume”：“55”，“year”：“2012”，“journal-title“：”医学中的人工智能“}，{“key”：基于离群检测的随机森林极端修剪树选择方法”，“年份”：“2015”}，{“key”：“key2022121313515696100_ref025”，“article-title”：“用于实时预测应用的随机森林集合的极端修剪”首页“：”5736“，”DOI“：”10.1080\/0143116.2017.1346402“，”article-title“：”使用元启发式优化对陆地覆盖分类进行修剪最优路径森林集合“，”volume“：”38“，”year“：”2017“，”journal-title”：“International journal of Remote Sensing”}，{“key”：“key2022121313515696100_ref027”，“DOI-asserted-by”：“crossref”，“unstructured”：“”Gacquer，D.，Delcroix，V.，Delmotte，F.和Piechowiak，S.（2009），《关于训练多分类器系统时多样性的有效性》，载于Sossai，C.和Chemello，G.（编辑），《不确定性推理的符号和数量方法》，斯普林格-柏林-海德堡，柏林，海德堡出版社，第493-504页。“DOI”：“10.1007\/978-3642-02906-6_43“}，{“issue”：“10”，“key”：“key2022121313515696100_ref028”，“doi-asserted-by”：“crossref”，“first page”：”2044“，“doi”：“10.1016\/j.ins.2009.12.010”，“article-title”：“计算智能和数据挖掘实验设计中多重比较的高级非参数测试：功率实验分析”，“volume“：”180“，”year“：”2010“，”journal-title“：”Information Sciences“}，{“issue”：“12”，“key”：“key2022121313515696100_ref029”，“doi-asserted-by”：“crossref”，“first-page”：“2221”，“doi”：“10.1007 \/s11517-018-1853-9”，《article-title》：“动态集合选择学习描述子分类器以评估青少年特发性脊柱侧凸的曲线类型”，“volume”：56”，“年份”：“2018”，“期刊标题”：“医学、生物工程和计算”}，{“key”：“key2022121313515696100_ref030”，“article-title”：“修剪正交匹配树的随机林”，“年”：“2020”}、{“问题”：“4”，“key“：”key202212313515696100 _ref031“，”doi-sserted-by“：”crossref“，”first page“367”，“doi”：“10.1007\/s00354-015-0402-4”，“”article-title“：“基于单调度的具有集合修剪机制的单调随机森林”，“卷”：“33”，“年”：“2015”，“期刊标题”：“新一代计算”}，{“密钥”：“key2022121313515696100_ref032”，“卷标”：“广义贝塔分布的推广”，“年份”：“1998”}key2022121313515696100_ref033“，”doi-asserted-by“：”crossref“，”first page“：”603“，“doi”：“10.1016\/j.patrec.2013.01.003”，“article-title”：“基于Margin的集合修剪有序聚合”，“volume”：“34”，“year”：“2013”，“journal-title“：”Pattern Recognition Letters“}，{“key”：Guo，H.和Fan，M.（2011），通过基分类器替换进行集成修剪\u201d，Wang，H.，Li，S.，Oyama，S.、Hu，X.和Qian，T.（编辑），网络页面信息管理，Springer Berlin Heidelberg，Berlin，Heidelbrg，pp.505-516。“，“DOI”：“10.1007\/978-3642-235355-1_43”}，{“key”：“key2022121313515696100_ref035”，“DOI-asserted-by”：“crossref“，”first page“：”237“，”DOI“：”10.1016\/j.neucom.2017.06.052“，”article-title“：”Margin and diversity based ordering ensembly prunning“，”volume“：“275”，”year“：”2018“，”journal title“：“Neurocomputing”}，{“key”：“key2022121313515696100_ref036”，“article-title”：“机器学习的基于相关性的特征选择”，“year”：“1999”}、{“key”：”key2022121313515696100_ref037“，”first page“：”359“，”article-title“：”离散类和数值类机器学习中基于相关性的特征选择“，”year“：”2000“}，{“key”：“key202212313515696100 _ref038”，”first-page“：”765“，”article-titel“：”分类器子集选择的遗传算法和顺序搜索方法的比较“，”year“：“2003年“}，{“key”：“key2022121313515696100_ref039”，“doi-asserted-by”：“crossref”，“unstructured”：“Hera，K.，Ayush，S.和Kumar，M.A.（2020），\u201c卫生保健中分类算法的使用，大数据分析和智能：卫生保健的前景，Emerald Publishing，第31-54页。”，“doi”：“10.1108\/978-1-83909-099-820201007”}，}“key:”key2022121313515696100_ref040“，“首页”：“100”，“article-title”：“多样性和覆盖最大化的可组合核心集”，“年份”：“2014”}，{“key”：“key202212313515696100 _ref041”，“首页面”：“1205”，“article-tite”：“一种新的贝叶斯集合修剪方法”，“年”：“2016”}crossref“，”first page“：”97“，”DOI“：”10.1007\/s11634-019-00364-9“，“article-title”：“最优树集合、随机森林和随机投影集合分类”，“volume”：“14”，“year”：“2020”，“journal-title“：”Advances in Data Analysis and classification“}，{“key”：”key2022121313515696100_ref043“，”DOI-asserted-by“：”crossreff“，”unstructured“：”Kiran，B.R.和Serra，J.（2017），《随机森林的成本复杂性修剪》，摘自Angulo，J.、Velasco-Forero，S.和Meyer，F.（编辑），《数学形态学及其在信号和图像处理中的应用》，Springer International Publishing，Cham，第222-232页key2022121313515696100_ref044”，“article-title”：“一种基于随机子空间中数据多样性的无分类器集成选择方法”，“year”：“2014”}，{“issue”：“1”，“key”：“key202212313515696100 _ref045”，“doi-asserted-by”：“crossref”，“first page”：”3“，“doi”：“10.1016\/j.inffus.2004.04.009”，“article-titel”：“多分类器系统中的多样性”，“volume“：”6“，”year“：”2005“，”journal-title“：”Information Fusion“}，{“key”：“key2022121313515696100_ref046”，“doi-asserted-by”：“crossref”，“unstructured”：“Li，N.，Yu，Y.和Zhou，Z.-H.（2012），《大学多样性规则化集成修剪》《数据库中的机器学习和知识发现》，斯普林格-柏林-海德堡，柏林，海德堡出版社，第330-345页key2022121313515696100_ref048“，“article-title”：“一种新的动态权重神经网络集成模型”，“volume”：“11”，“year”：“2015”，“journal-title“：“International journal of Distributed Sensor Networks”}，{“key”：”key202212313515696100 _ref049“，”first page“：”91“，“article-title”：“基于随机森林和集成修剪的MVB故障诊断”，“年：“2020”}，{“key”：“key2022121313515696100_ref050”，“首页”：“871”，“文章标题”：“通过个人贡献排序进行集合修剪”，“年”：“2010”}通过边际最大化进行集成修剪”，“年份”：“2019”}，｛“问题”：“2”，“密钥”：“密钥2022121313515696100_ref053”，“doi断言”：“crossref”，“首页”：“245”，“doi”：“10.1109\/TPAMI.2008.78”，“文章标题”：“基于有序聚合的集成修剪技术分析”，“卷”：“31”，“年份”：“2009”，“期刊标题”：“IEEE模式分析和机器智能汇刊“}，{“key”：“key2022121313515696100_ref054”，“doi断言”：“crossref”，“非结构化”：“Maskouni，M.A.，Hosseini，S.，Abachi，H.M.，Kangavari，M.和Zhou，X.（2018），\u201cAuto-ces：一种通过聚类集成选择的自动剪枝方法\u201d，Wang，J.，Cong，G.，Chen，J.和Qi，J.（编辑），数据库理论与应用，Springer International Publishing，Cham，pp.275-287.“，”DOI“：”10.1007\/978-3-192013-9_22“}，{“issue”：“1”，“key”：“key2022121313515696100_ref055”，“first page”：”133“，”article-title“：”带应用的贝塔分布的泛化“，”volume“：”66“，”year“：”1995“，”journal-title”：“计量经济学杂志”}，{“issue”：“6”，“key”：“key2022121313515696100_ref056”，”article-title“:”Omni-ensemble learning（OEL）：利用过度包装、静态和动态集成选择方法进行软件缺陷预测“，”卷“：”27“，”年份“：”2018“，”期刊标题“：”人工智能工具国际期刊“}，{“key”：“key2022121313515696100_ref057”，“首页”：“169”，“article-title”：“带概率分类器链的动态集成选择”，“年份”：“2017”}，{“key”：“key2022121313515696100_ref058”，“doi-asserted-by”：“crossref”，“首页”：“169”，”doi“：“10.1613\/jair.614”，“article-title”：“流行的集成方法：实证研究”，“卷”：“11”，“年”：“1999”，“期刊标题”：“人工智能研究杂志”}、{issue“：”3“，”key“：”key2022121313515696100_ref059“，”doi-asserted-by“：”crossref“，”first-pages“：”257“，”doi“：”10.1007\/s10994-010-5172-0“，“article-title”：“定向爬山集合修剪的集合不确定性感知测量”，“volume”：“81”，“year”：“2010”，“journal-title“：”Machine Learning“}，{“key”：”key2020年1211313515696 100_ref060“，”doi-asserted-by“：”crossref“，”first-page“：”1“，”doi“：”10.1016\/j.inffus.2018.01.001“，”article-title“：”量化任务的动态集合选择“，”volume“：”45“，”year“：”2019“，”journal-title”：“Information Fusion”}，{“issue”：“5”，“key”：“key2022121313515696100_ref061”，“doi-assert-by”：“crossref.”，“first-pages”：“2552”，“doi”：“”10.1109\/TFUZZ.2018.27960999”，“文章标题”：“进化集成模糊分类器”，“卷”：“26”，“年”：“2018”，“期刊标题”：“IEEE模糊系统汇刊”}，｛“密钥”：“密钥2022121313515696100_ref062”，“首页”：“2935”，“文章标题”：“Pareto集成修剪”，“年”：“2015”｝，｛“密钥”：“密钥2022121313515696100_ref063”，“文章标题”：“关于多数投票的可靠性”，“年份”：“2017”}，{“key”：“key2022121313515696100_ref064”，“首页”：“78”，“文章标题”：“多分类器系统设计方法”，“年”：“2001”}标题“：”多数投票分类器选择”，“卷”：“6”，“年份”：“2005”，“日志标题”：“信息融合”}，{“问题”：“4”，“密钥”：“key2022121313515696100_ref066”，”doi-asserted-by“：”crossref“，”first page“：”659“，”doi“：”10.1108\/IJQRM-04-2019-0131“，”article-title“：”使用基于决策树的机器学习技术设计预测维护系统”，“卷”：“37”，“年份”：“2020”，“期刊标题”：“国际质量与可靠性管理杂志”}，{“键”：“键2022121313515696100_ref067”，“首页”：“143”，“文章标题”：2PS:一种新的基于群的集成学习问题选择算法”，“年份”：“2015”}，{“问题”：“1”，“密钥”：“密钥2022121313515696100_ref068”，“首页”：“一”，“文章标题”：“随机森林的修剪：简化随机森林集合的基于多样性的启发式措施”，“数量”：“18”，“年”：“2019”，“新闻标题”：INFOCOMP Journal of Computer Science“}，{“issue”：“6”，“key”：“key2022121313515696100_ref069”，“doi-asserted-by”：“crossref”，“first-page”：“511”，“doi”：“10.3233\/IDA-2005-9602”，“article-title”：“异构分类器的选择性融合”，“volume”：”9“，“year”：“2005”，“Journal-title“：”智能数据分析“}article-title“：”移动众包个性化分类器集成修剪框架“，”year“：”2017“}，{”key“：”key2022121313515696100_ref071“，”doi-asserted-by“：”crossref“，”first page“：“4266”，“doi”：“10.1016\/j.proeng.2011.08.800”，“article-title”：“基于准确性和多样性的集成学习分类器选择”，“volume”：“15”，“year”：“”2011年”，“journal-title”：“Procedia Engineering”}，{“key”：“key2022121313515696100_ref072”，“first page”：”55“，“article-title“：“多分类器系统基于排名距离的多样性度量”，“year”：“2018”}，{“key”：“key2022121313515696100_ref074”，“first-page”：“1315”，“article-title”：“通过半定规划进行集合修剪”，“volume”：”7“，“year”：“2006”，“journal-title“：”journal of Machine Learning Research“}，{”issue“：”2“，”key“：”key202212313515696100 _ref075“，”doi-asserted-by“：”crossref“，”first-page:“277”，“doi”：“10.1007 \/s10618-009-01 38-1英寸，“article-title”：“一种基于模式挖掘过程的快速集成剪枝算法”，“volume”：“19”，“year”：“2009”，“journal-title“：“数据挖掘与知识发现”}，{“issue”：“1-2”，“key”：”key2022121313515696100_ref076“，”doi-asserted-by“：”crossref“，”first page“：”239“，”doi“：”10.1016\/S0004-3702（02）00190-X“，”article-title“：“集成神经网络：许多可能比所有更好”，“卷”：“137”，“年份”：“2002”，“日志标题”：“人工智能”}，{“密钥”：“key2022121313515696100_ref077”，“doi-asserted-by”：“crossref”，《首页》：“32”，“doi”：“10.1016\/j.cie.2018.12.021”，“article-title”：“改进的离散人工鱼群算法结合边缘距离最小化进行集合修剪”，“体积”：“128”，“年份”：“2019”，“期刊标题”：“计算机与工业工程”}]，“容器标题”：[“智能计算与控制论国际期刊”]，“原始标题”：[]，“语言”：“en”，“链接”：[{“URL”：“https:\/\/www.emerald.com/insight\/content\/doi\/10.1108\/IJICC-10-2020-0147\/full\/xml”，“content-type”：“application\/xml“，”content-version“：”vor“，”intended-application“：”text-mining“}，{“URL”：“http:\/\/www.emerald.com/insight\/content\/doi\/10.1108\/IJICC-10-2020-0147\/full \/html”，“内容类型”：“未指定”，“content-version”“：”vor“，“intended-application”：“相似性检查”}]，“存放”：{“date-parts”：[2022,12,13]]，“date-time”：“2022-12-13T13:53:01Z”，“时间戳”：1670939581000}，“分数”：1，“资源”:{“主”：{“URL”：“https:\/\/www.emerald.com\/insight\/content\/doi\/10.108\/IJICC-10-2020-0147\/full\/html”}}，”subtitle“：[]，”shorttitle“：[]，“已发布”：{“日期部分”：[[2021,3,23]]}，“references-count”：77，“journal-issue”：{“issue”：“2”，“published-online:{“date-parts”：[[2021,3,23]]}，“publised-print”：{“date-parts”：[2021,4,23]}}，”alternative-id“：[”10.1108\/IJICC-10-2020-0147“]，”URL“：”http://\/dx.doi.org\/10.108\/IJICC-10-2020-0147“，”关系“：{}，：[“1756-378X”]，“ISSN-type”：[{“value”：“1756-3708X”，“type”:“print”}]，“主题”：[]，“已发布”：{“日期部分”：[[2021,3,23]]}}