呂霞 蔡婷婷 肖芳

摘 ?要：Python在科學(xué)計(jì)算和數(shù)據(jù)可視化等領(lǐng)域的應(yīng)用越來(lái)越廣泛。使用Python對(duì)國(guó)際會(huì)議平臺(tái)中教育系統(tǒng)國(guó)際會(huì)議數(shù)據(jù)進(jìn)行清洗和處理，深入挖掘會(huì)議學(xué)科、地域等不同維度的相關(guān)信息，對(duì)申報(bào)會(huì)議的主題詞、雙一流高校月度會(huì)議量和雙一流高校地域分布進(jìn)行可視化分析，深入挖掘各類學(xué)術(shù)會(huì)議信息的科學(xué)價(jià)值，助力國(guó)際學(xué)術(shù)會(huì)議平臺(tái)的管理和國(guó)家學(xué)科建設(shè)地區(qū)分配改進(jìn)和優(yōu)化，推動(dòng)我國(guó)教育系統(tǒng)科技信息交流平臺(tái)的建設(shè)和發(fā)展。

關(guān)鍵詞：國(guó)際學(xué)術(shù)會(huì)議;會(huì)議平臺(tái);Python;數(shù)據(jù)分析

中圖分類號(hào)：TP391 ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：2096-4706（2022）05-0038-04

Research on Data Analysis of International Academic Conferences Based on Python

LYU Xia， CAI Tingting， XIAO Fang

（Huazhong University of Science and Technology Library， Wuhan ?430074， China）

Abstract： The application of Python is more and more extensive in the fields of scientific computing and data visualization. In this paper， it uses Python to clean and process the international conference data of the education system in the international conference platform， and digs deeply into the relevant information of different dimensions such as subject and geographical on the conference， and carries out visual analysis of the theme words of the application meeting， the monthly meeting volume of double first-class universities and the regional distribution of double first-class universities， and digs the scientific value of various academic conference information deeply. It helps the management of international academic conference platform， help to improve and optimize the management of international academic conference platform and regional distribution of national discipline construction， promotes the construction and development of science and technology information exchange platform in China’s education system.

Keywords： international academic conference; conference platform; Python; data analysis

0 ?引 ?言

科學(xué)的決策離不開會(huì)議商討，前沿科學(xué)技術(shù)的研討也離不開會(huì)議交流。在當(dāng)今這個(gè)信息交流的時(shí)代，會(huì)議已然成為教育系統(tǒng)各學(xué)科學(xué)術(shù)交流的主要方式。國(guó)際學(xué)術(shù)會(huì)議是國(guó)際科學(xué)研究和交流的重要支撐。

每年，我國(guó)教育部直屬高校和科研院所都會(huì)舉辦大量的國(guó)際性學(xué)術(shù)會(huì)議，在促進(jìn)國(guó)際交流的同時(shí)產(chǎn)生了龐大的會(huì)議數(shù)據(jù)，形成了教育系統(tǒng)國(guó)際性學(xué)術(shù)會(huì)議的大數(shù)據(jù)。從國(guó)家層面上看，高水平的科學(xué)研究和交流需要建立在高端的信息交流平臺(tái)上。華中科技大學(xué)圖書館受教育部國(guó)際司委托，建設(shè)并運(yùn)維中國(guó)教育系統(tǒng)國(guó)際學(xué)術(shù)會(huì)議云平臺(tái)[1]，建立了一套完善的會(huì)議管理機(jī)制，管理和積累了我國(guó)教育系統(tǒng)國(guó)際性會(huì)議的大數(shù)據(jù)，為進(jìn)一步對(duì)會(huì)議數(shù)據(jù)進(jìn)行挖掘和分析奠定了良好的數(shù)據(jù)基礎(chǔ)。

1 ?研究現(xiàn)狀

以“學(xué)術(shù)會(huì)議”或“會(huì)議平臺(tái)”為關(guān)鍵詞在CNKI中國(guó)資源總庫(kù)檢索篇名，除去國(guó)際學(xué)術(shù)會(huì)議廣告性質(zhì)文獻(xiàn)，得到55篇相關(guān)研究文獻(xiàn)，國(guó)內(nèi)對(duì)學(xué)術(shù)會(huì)議和會(huì)議平臺(tái)的討論主要及集中在如下幾個(gè)方面。

1.1 ?學(xué)術(shù)會(huì)議的組織管理

范敏敏等[2]探討了高校學(xué)術(shù)會(huì)議團(tuán)隊(duì)的工作組織技巧，孟凡力[3]總結(jié)了高校大型學(xué)術(shù)會(huì)議的各種組織經(jīng)驗(yàn)，呂鍵[4]從學(xué)院組織國(guó)際學(xué)術(shù)會(huì)議的實(shí)踐出發(fā)，探索會(huì)議組織和管理的有效方式。這些研究都是從實(shí)際工作實(shí)踐出發(fā)，探索學(xué)術(shù)會(huì)議更有效的組織技巧和管理模式。

1.2 ?學(xué)術(shù)會(huì)議與學(xué)術(shù)出版

學(xué)術(shù)會(huì)議和學(xué)術(shù)期刊都是學(xué)術(shù)交流有效的傳播方式，兩者的關(guān)系和發(fā)展模式也是學(xué)術(shù)討論的熱點(diǎn)。黃明睿[5]從學(xué)術(shù)會(huì)議與期刊的起源、組織和交流形式、內(nèi)容和功能上分析和探索兩者的相互關(guān)系;邵玉嫻等[6]從學(xué)術(shù)會(huì)議的特點(diǎn)、會(huì)前準(zhǔn)備、會(huì)中宣傳和組稿以及會(huì)后整理和跟蹤等方面探討編輯如何借助學(xué)術(shù)會(huì)議提升科技期刊學(xué)術(shù)水平和影響力;初景利[7]認(rèn)為應(yīng)利用技術(shù)構(gòu)建開放的學(xué)術(shù)會(huì)議系統(tǒng)，建設(shè)線上線下結(jié)合、傳統(tǒng)媒體與新媒體融合的學(xué)術(shù)傳播模式，探索與國(guó)家科技創(chuàng)新需求相一致的學(xué)術(shù)交流模式。

1.3 ?學(xué)術(shù)會(huì)議與人才培養(yǎng)

學(xué)術(shù)會(huì)議和學(xué)術(shù)會(huì)議平臺(tái)的學(xué)術(shù)交流聚集效應(yīng)無(wú)疑為學(xué)術(shù)人才的發(fā)展提供了廣闊的平臺(tái)。馮全功等[8]探索高質(zhì)量主題學(xué)術(shù)會(huì)議作為學(xué)術(shù)交流手段凝聚學(xué)者共識(shí)，促進(jìn)了學(xué)科建設(shè)和發(fā)展;高會(huì)軍等[9]從實(shí)踐工作出發(fā)，認(rèn)為國(guó)際學(xué)術(shù)會(huì)議為博士生高質(zhì)量培養(yǎng)搭建了國(guó)際化平臺(tái);張?zhí)炀V等[10]認(rèn)為學(xué)術(shù)會(huì)議是研究生高質(zhì)量培養(yǎng)的重要途徑。

1.4 ?學(xué)術(shù)會(huì)議平臺(tái)的建設(shè)

國(guó)內(nèi)學(xué)術(shù)會(huì)議平臺(tái)的建設(shè)實(shí)踐主要集中在技術(shù)對(duì)會(huì)議平臺(tái)建設(shè)的重要作用等研究方面。魏生輝等[11]針對(duì)傳統(tǒng)會(huì)議組織和管理方式在信息采集、流通、存儲(chǔ)和共享方面的不足，探索基于云服務(wù)的會(huì)議服務(wù)平臺(tái)的構(gòu)建;林曉靜等[12]探索互聯(lián)網(wǎng)+環(huán)境下傳統(tǒng)學(xué)術(shù)會(huì)議平臺(tái)功能和組織的升級(jí)與發(fā)展。

從以上文獻(xiàn)調(diào)查可以看出，目前國(guó)內(nèi)針對(duì)國(guó)際會(huì)議平臺(tái)和學(xué)術(shù)會(huì)議的研究主要集中在相關(guān)功能構(gòu)建和組織管理等方面，對(duì)學(xué)術(shù)會(huì)議信息數(shù)據(jù)的挖掘研究乏善可陳。本文依托本校管理的中國(guó)教育系統(tǒng)國(guó)際學(xué)術(shù)會(huì)議云平臺(tái)，使用Python語(yǔ)言對(duì)平臺(tái)中教育系統(tǒng)國(guó)際會(huì)議信息數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，深入挖掘會(huì)議學(xué)科和地域信息，進(jìn)一步助力我國(guó)教育系統(tǒng)未來(lái)的學(xué)科發(fā)展和國(guó)際會(huì)議平臺(tái)數(shù)據(jù)管理。

2 ?Python 數(shù)據(jù)分析

數(shù)據(jù)時(shí)代，越來(lái)越多的研究人員通過(guò)數(shù)據(jù)分析挖掘數(shù)據(jù)的價(jià)值。Python語(yǔ)言是一種具有解釋性、交互性和面向?qū)ο蟮挠?jì)算機(jī)編程語(yǔ)言。Python 簡(jiǎn)潔明了、便于擴(kuò)展，具有龐大的標(biāo)準(zhǔn)庫(kù)和第三方庫(kù)，且具有強(qiáng)大的數(shù)據(jù)分析功能，逐漸成為數(shù)據(jù)分析領(lǐng)域的首選工具[13]。

在對(duì)數(shù)據(jù)進(jìn)行價(jià)值挖掘的過(guò)程中，Python包含有Pandas、Numpy、Seaborn、Matplotlib等數(shù)據(jù)分析庫(kù)，輔以分詞包Jieba、Wordcloud等進(jìn)行解釋和分析。在結(jié)構(gòu)化數(shù)據(jù)的處理中，Pandas 能夠提供大量函數(shù)和數(shù)據(jù)結(jié)構(gòu);Numpy提供的多維數(shù)據(jù)組對(duì)象，ndarray能夠直接進(jìn)行數(shù)學(xué)和元素級(jí)別的運(yùn)算;Seaborn和Matplotlib的功能主要體現(xiàn)在數(shù)據(jù)圖表的繪制方面。

通過(guò)收集、整理和可視化，Python數(shù)據(jù)分析技術(shù)能夠?qū)?guó)際會(huì)議平臺(tái)產(chǎn)生的大量數(shù)據(jù)從不同維度進(jìn)行分析，深入挖掘會(huì)議學(xué)科信息。國(guó)際會(huì)議信息挖掘的處理流程如圖1所示。

圖1 ?國(guó)際會(huì)議信息挖掘的處理流程

3 ?基于python的國(guó)際會(huì)議信息數(shù)據(jù)分析

中國(guó)教育系統(tǒng)學(xué)術(shù)會(huì)議云平臺(tái)2018年5月上線以來(lái)，系統(tǒng)運(yùn)行穩(wěn)定。2020年1月以后，因新冠疫情原因，國(guó)際學(xué)術(shù)會(huì)議無(wú)論是參與專家人數(shù)還是會(huì)議數(shù)量都受到巨大影響，因此此次研究統(tǒng)計(jì)截止時(shí)間為2019年12月31日。經(jīng)統(tǒng)計(jì)，自平臺(tái)上線到2019年12月31日，平臺(tái)注冊(cè)的高校和科研院所用戶4 000多人，在平臺(tái)上共申報(bào)國(guó)際會(huì)議4 028個(gè)，終審?fù)ㄟ^(guò)的國(guó)際會(huì)議有3 461個(gè)，產(chǎn)生了大量相關(guān)的國(guó)際學(xué)術(shù)會(huì)議數(shù)據(jù)。

在我國(guó)，雙一流高校是我國(guó)高校的代表，本研究主要針對(duì)平臺(tái)中國(guó)家首批42所雙一流高校舉辦的會(huì)議數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析。

3.1 ?數(shù)據(jù)清理和關(guān)鍵詞抽取

3.1.1 ?數(shù)據(jù)清理

在數(shù)據(jù)分析時(shí)，原始數(shù)據(jù)中存在著大量不完整、不一致、有異常的數(shù)據(jù)，嚴(yán)重影響到數(shù)據(jù)分析的結(jié)果。所以清洗數(shù)據(jù)的目的有兩個(gè)：（1）通過(guò)清洗使數(shù)據(jù)可用;（2）讓數(shù)據(jù)變得更適合后續(xù)的分析工作。數(shù)據(jù)清洗過(guò)程如圖2所示。

圖2 ?數(shù)據(jù)清洗過(guò)程

如圖2，數(shù)據(jù)清洗過(guò)程分為以下三個(gè)階段：

（1）數(shù)據(jù)預(yù)處理。預(yù)處理階段主要是檢查數(shù)據(jù)的可用性。對(duì)國(guó)際會(huì)議數(shù)據(jù)預(yù)處理包含兩個(gè)部分：一是提取元數(shù)據(jù)信息，包括字段解釋、數(shù)據(jù)來(lái)源、代碼表等一切描述數(shù)據(jù)的信息;從數(shù)據(jù)庫(kù)中的各種數(shù)據(jù)表提取主要字段，主要數(shù)據(jù)表包含國(guó)際會(huì)議申報(bào)信息表、國(guó)際會(huì)議預(yù)報(bào)信息表、國(guó)際會(huì)議變更表、國(guó)際會(huì)議人員信息表、國(guó)際會(huì)議總結(jié)表等，提取的字段包括會(huì)議名稱、會(huì)議時(shí)間、會(huì)議地點(diǎn)、總?cè)藬?shù)、主辦單位、會(huì)議議題或主題、會(huì)議總結(jié)等。二是抽取部分?jǐn)?shù)據(jù)，通過(guò)Pandas庫(kù)查看數(shù)據(jù)概況，對(duì)數(shù)據(jù)本身有一個(gè)直觀的了解，并進(jìn)行初步發(fā)現(xiàn)和總結(jié)，為之后的數(shù)據(jù)處理做準(zhǔn)備，部分操作參考下文代碼：

import pandas as pd

data = pd.read_csv（filename，encoding="gbk"） ? ? ?#加載數(shù)據(jù)

data.head（n=5）#查看數(shù)據(jù)前五行

data.shape#查看數(shù)據(jù)維數(shù)

data.info（） ? ? ? ? #檢查缺失值情況

data.describe（） ? ? #查看統(tǒng)計(jì)值，包括平均數(shù)，標(biāo)準(zhǔn)差，中位數(shù)，最小值，最大值，25%分位數(shù)，75%分位數(shù)

（2）數(shù)據(jù)格式和內(nèi)容清洗。數(shù)據(jù)格式內(nèi)容清洗是為了規(guī)范數(shù)據(jù)，以便于統(tǒng)一處理。由于國(guó)際會(huì)議數(shù)據(jù)是用戶在會(huì)議平臺(tái)中填寫而來(lái)，很大可能存在格式和內(nèi)容問(wèn)題。常見問(wèn)題有：日期、數(shù)值、全半角等存儲(chǔ)格式不一致;無(wú)效填報(bào)數(shù)據(jù)，比如會(huì)議舉辦地點(diǎn)中出現(xiàn)多余的空格，或者出現(xiàn)中、英文描述導(dǎo)致數(shù)據(jù)不統(tǒng)一等。這些情況需要以半自動(dòng)校驗(yàn)、半人工方式來(lái)檢查并找出可能存在的問(wèn)題，以去除不需要的字符。部分清洗方式可參考下文中的處理代碼：

pd.read_csv（filename，encoding=“unicode_escape”） ? #在Python中，unicode是內(nèi)存編碼集，一般我們將數(shù)據(jù)存儲(chǔ)到文件時(shí)，需要將數(shù)據(jù)先編碼為其他編碼集，比如utf-8、gbk等。但是還有一種unicode-escape編碼集，他是將unicode內(nèi)存編碼值直接存儲(chǔ)：因此讀取數(shù)據(jù)的時(shí)候需要通過(guò)同樣的編碼集進(jìn)行解碼，否則就會(huì)出現(xiàn)數(shù)據(jù)加載異常。

data[‘HYZRS’].astype（‘int’） ? ?#更改數(shù)據(jù)格式（參會(huì)總?cè)藬?shù)）

data[‘city’].replace（‘shanghai’，‘上海’）

data[‘city’].replace（“ “，””） ? ?#去除全部空格

（3）缺失數(shù)據(jù)處理。處理缺失數(shù)據(jù)是為了保證數(shù)據(jù)的完整性。缺失數(shù)據(jù)處理主要包括兩個(gè)部分：一是去除不需要的字段，包括審核、擴(kuò)展字段等;二是補(bǔ)全缺失的內(nèi)容，比如會(huì)議總結(jié)、會(huì)議變更表中的主題、會(huì)議日期、地點(diǎn)等，可對(duì)數(shù)據(jù)表中的對(duì)應(yīng)字段進(jìn)行補(bǔ)充。

3.1.2 ?關(guān)鍵詞抽取

對(duì)會(huì)議平臺(tái)中提取的原始數(shù)據(jù)清洗完成之后，還需要對(duì)各數(shù)據(jù)表中的數(shù)據(jù)根據(jù)需要進(jìn)行字段抽取和字段拆分，重新建立新的索引，為下一步的數(shù)據(jù)可視化分析打下基礎(chǔ)。

（1）字段抽取和拆分。通過(guò)數(shù)據(jù)表關(guān)聯(lián)關(guān)系，提取會(huì)議名稱、舉辦城市、會(huì)議時(shí)間、參會(huì)人數(shù)、會(huì)議主題、學(xué)科、申報(bào)單位等字段重新組合數(shù)據(jù)表。

（2）設(shè)置索引，依據(jù)統(tǒng)計(jì)分析需求對(duì)重新組合的數(shù)據(jù)表進(jìn)行索引設(shè)置。例如，通過(guò)會(huì)議開始結(jié)束時(shí)間計(jì)算會(huì)議持續(xù)天數(shù)，重新設(shè)置索引，數(shù)據(jù)默認(rèn)的索引是從0開始的有序整數(shù)。如果想把某一列設(shè)置為新的索引，可以用.set_index（）實(shí)現(xiàn)，比如把申報(bào)單位這列設(shè)為新索引。部分處理方式可參考下文中的代碼。

data.set_index（“申報(bào)單位”，inplace=True）

data[‘HYKS’] = pd.to_datetime（data[‘HYKS’]） ?# 將文本格式轉(zhuǎn)換為日期格式

data[‘HYJS’]= pd.to_datetime（data[‘HYJS’]）

data[‘TS’] = data[‘HYJS’] - data[‘HYKS’] + timedelta（days=1） #計(jì)算時(shí)間差

data[‘TS’] = pd.to_timedelta（data[‘TS’]）.dt.days ? ?#獲取會(huì)議持續(xù)天數(shù)

3.2 ?國(guó)際會(huì)議信息可視化分析

3.2.1 ?主題詞詞云圖

對(duì)申報(bào)會(huì)議的主題詞進(jìn)行分詞，統(tǒng)計(jì)分析得出會(huì)議主題詞詞云圖。如圖3所示，材料、人工智能、能源、生物等為高頻熱點(diǎn)主題詞，充分反映了在當(dāng)前我國(guó)經(jīng)濟(jì)高速發(fā)展時(shí)期，國(guó)際學(xué)術(shù)會(huì)議主題緊扣國(guó)家重要發(fā)展方向。

圖3 ?國(guó)際學(xué)術(shù)會(huì)議主題詞詞云圖

3.2.2 ?雙一流高校月度會(huì)議量統(tǒng)計(jì)分析

如圖4所示，按月對(duì)所有會(huì)議和雙一流高校辦會(huì)總量進(jìn)行統(tǒng)計(jì)，提取雙一流高校每月辦會(huì)數(shù)量，計(jì)算出雙一流高校會(huì)議占總數(shù)的比例。從雙一流高校會(huì)議規(guī)模的統(tǒng)計(jì)柱狀圖可以看出，國(guó)際學(xué)術(shù)會(huì)議的召開具有很強(qiáng)的時(shí)間性，在上半學(xué)年和下半學(xué)年期間的辦會(huì)量明顯大于寒暑假期間。從雙一流高校舉辦會(huì)議數(shù)量月分布來(lái)看，雙一流高校會(huì)議數(shù)量占比在62.5%到88.57%之間，占據(jù)了全國(guó)高校會(huì)議數(shù)量的絕大多數(shù)，展現(xiàn)了雙一流高校雄厚的學(xué)術(shù)和辦會(huì)實(shí)力，也體現(xiàn)了國(guó)家政策對(duì)雙一流高校學(xué)術(shù)交流和學(xué)科建設(shè)的大力支持。

圖4 ?雙一流高校會(huì)議規(guī)模及其占比

3.2.3 ?雙一流高校會(huì)議分布

高校學(xué)術(shù)的建設(shè)和發(fā)展高度依賴國(guó)家和所處地域在經(jīng)濟(jì)等各方面的支持。如圖5所示，按高校名稱統(tǒng)計(jì)各校主辦會(huì)議數(shù)量（去除從未主辦會(huì)議的高校，取其中32所），展示了雙一流高校主辦會(huì)議的分布情況。從圖中可以看出，清華大學(xué)、浙江大學(xué)、復(fù)旦大學(xué)、北京大學(xué)和上海交通大學(xué)以絕對(duì)數(shù)量?jī)?yōu)勢(shì)排名前列。這幾所高校常年盤踞各大高校綜合指數(shù)排名前列，也坐落于我國(guó)經(jīng)濟(jì)、政治和文化最發(fā)達(dá)的北京市和長(zhǎng)三角地區(qū)，從一定程度上反映了國(guó)家和地域的各項(xiàng)發(fā)展對(duì)學(xué)術(shù)建設(shè)的支持;同時(shí)也反映出，學(xué)術(shù)的發(fā)展對(duì)國(guó)家和地域的各項(xiàng)發(fā)展也發(fā)揮著重要的促進(jìn)作用。

圖5 ?42所雙一流高校會(huì)議分布

4 ?結(jié) ?論

國(guó)際會(huì)議平臺(tái)中龐大的會(huì)議數(shù)據(jù)不應(yīng)該只作為一種“資產(chǎn)”沉睡在會(huì)議平臺(tái)數(shù)據(jù)庫(kù)中，而是應(yīng)該借助各種像Python這樣的分析統(tǒng)計(jì)工具，將采集到的數(shù)據(jù)信息進(jìn)行分析處理，助力國(guó)際學(xué)術(shù)會(huì)議平臺(tái)的管理和國(guó)家學(xué)科建設(shè)地區(qū)分配改進(jìn)和優(yōu)化，為我國(guó)打造國(guó)家科技信息高端交流平臺(tái)，增強(qiáng)國(guó)家國(guó)際競(jìng)爭(zhēng)力和科技可持續(xù)發(fā)展能力貢獻(xiàn)智慧力量。

參考文獻(xiàn)：

[1] 中國(guó)教育系統(tǒng)學(xué)術(shù)會(huì)議云平臺(tái).國(guó)際會(huì)議平臺(tái)名 [EB/OL].[2021-12-01].http： //econf.hust.edu.cn/.

[2] 范敏敏，唐艷，王迪，等.高校學(xué)術(shù)會(huì)議服務(wù)團(tuán)隊(duì)工作技巧探討 [J].辦公室業(yè)務(wù)，2018（22）：113-114.

[3] 孟凡力.高校大型學(xué)術(shù)會(huì)議組織經(jīng)驗(yàn)探討 [J].教育教學(xué)論壇，2016（34）：202-203.

[4] 呂鍵.國(guó)際學(xué)術(shù)會(huì)議的組織與管理經(jīng)驗(yàn)探索——以麗水學(xué)院為例 [J].開封教育學(xué)院學(xué)報(bào)，2019，39（5）：155-156.

[5] 黃明睿.論學(xué)術(shù)會(huì)議與期刊的關(guān)系 [J].編輯學(xué)報(bào)，2016，28（1）：18-20.

[6] 邵玉嫻，王小玲，楊雪，等.借助學(xué)術(shù)會(huì)議提升科技期刊學(xué)術(shù)水平和影響力 [J].編輯學(xué)報(bào)，2019，31（S1）：73-76.

[7] 初景利.高端交流平臺(tái)建設(shè)需要?jiǎng)?chuàng)新學(xué)術(shù)交流模式 [J].智庫(kù)理論與實(shí)踐，2021，6（1）：7-9.

[8] 馮全功，棗彬吉.學(xué)術(shù)平臺(tái)、學(xué)者成長(zhǎng)與學(xué)科建設(shè)——以浙江大學(xué)中華譯學(xué)館為例 [J].上海翻譯，2020（6）：91-94.

[9] 高會(huì)軍，邱劍彬.依托國(guó)際化平臺(tái)提升博士生培養(yǎng)質(zhì)量的探索與實(shí)踐 [J].繼續(xù)教育研究，2016（10）：100-102.

[10] 張?zhí)炀V，玄萍，鞏誠(chéng).學(xué)術(shù)會(huì)議對(duì)提高研究生培養(yǎng)質(zhì)量的作用 [J].教育教學(xué)論壇，2017（10）：238-239.

[11] 魏生輝，鄭依華，南凱.基于云服務(wù)的會(huì)議服務(wù)平臺(tái)研究與實(shí)現(xiàn) [J].計(jì)算機(jī)工程，2012，38（4）：233-235+238.

[12] 林曉靜，楊瑾.建設(shè)互聯(lián)網(wǎng)+學(xué)術(shù)會(huì)議平臺(tái) 引領(lǐng)學(xué)會(huì)創(chuàng)新發(fā)展 [J].學(xué)會(huì)，2018（12）：45-47.

[13] 張若愚.Python 科學(xué)計(jì)算：第2版 [M].北京：清華大學(xué)出版社，2016.

作者簡(jiǎn)介：呂霞（1982—），女，漢族，湖北鄂州人，碩士，華中科技大學(xué)圖書館館員，主要研究方向：圖書館服務(wù)平臺(tái)建設(shè)和管理、智慧圖書館;蔡婷婷（1989—），女，漢族，湖北隨州人，碩士，華中科技大學(xué)圖書館助理館員，主要研究方向：智慧圖書館，信息組織;肖芳（1982—），男，漢族，湖南漣源人，碩士，華中科技大學(xué)圖書館副研究館員，主要研究方向：智慧圖書館，信息化建設(shè)。