[目的/意義]主題演化對(duì)科技前沿探測(cè)、創(chuàng)新戰(zhàn)略部署具有十分重要的作用。[方法/過程]將主題演化分析過程分解為主題的表示、相似性關(guān)聯(lián)和強(qiáng)度演化計(jì)算幾個(gè)步驟,提出一種主題強(qiáng)度演化與預(yù)測(cè)模型,使用LDA模型進(jìn)行主題的表示,提出內(nèi)容、共現(xiàn)和趨勢(shì)相似度等維度進(jìn)行主題關(guān)聯(lián)計(jì)算,引入基于Prophet的預(yù)測(cè)-修正模型進(jìn)行主題演化趨勢(shì)預(yù)測(cè)。并以干細(xì)胞領(lǐng)域?yàn)槔?進(jìn)行演化的實(shí)證分析。[結(jié)果/結(jié)論]實(shí)驗(yàn)表明,對(duì)每個(gè)研究主題采用Logistic增長模型進(jìn)行預(yù)測(cè)R2Score都達(dá)到0.90以上,表明Prophet中的Logistic增長模型與該領(lǐng)域主題增長趨勢(shì)規(guī)律相符合,能夠較好地?cái)M合主題強(qiáng)度的演化趨勢(shì)。提出的主題演化模型對(duì)專業(yè)領(lǐng)域內(nèi)主題分布與演化分析有一定的借鑒意義。 

【文章來源】：圖書情報(bào)工作. 2020,64(08)北大核心CSSCI

【文章頁數(shù)】：15 頁

【文章目錄】：
1 研究現(xiàn)狀
    (1)數(shù)據(jù)價(jià)值高。
    (2)數(shù)據(jù)不完整。
2 研究方法流程
    2.1 主題表示建模
        (1)主題模型參數(shù)選擇問題。
        (2)主題的語義增強(qiáng)問題。
    2.2 主題關(guān)聯(lián)
        2.2.1 主題強(qiáng)度
        2.2.2 主題相似性度量方法
        2.2.3 三種主題相似性度量方法的一致性
    2.3 主題趨勢(shì)預(yù)測(cè)
3 實(shí)證研究
    3.1 數(shù)據(jù)預(yù)處理
        (1)關(guān)鍵詞抽取。
        (2)主題的語義增強(qiáng)。
    3.2 干細(xì)胞領(lǐng)域研究主題的抽取
    3.3 主題強(qiáng)度計(jì)算及關(guān)聯(lián)性分析
        (1)3種相似度度量方法結(jié)果。
        (2)3種相似性度量方法的一致性分析結(jié)果。
    3.4 主題強(qiáng)度演化分析與預(yù)測(cè)
    3.5 主題強(qiáng)度演化分析與預(yù)測(cè)結(jié)果展示
4 總結(jié)討論


【參考文獻(xiàn)】：
期刊論文
[1]基于Chunk-LDAvis的核心技術(shù)主題識(shí)別方法研究[J]. 劉自強(qiáng),許海云,岳麗欣,方曙.  圖書情報(bào)工作. 2019(09)
[2]基于醫(yī)學(xué)文獻(xiàn)的主題演化類型與演化路徑識(shí)別方法研究[J]. 范少萍,安新穎,單連慧,晏歸來,宮小翠.  情報(bào)理論與實(shí)踐. 2019(03)
[3]技術(shù)主題演化研究方法綜述[J]. 羅文馨,王園園.  知識(shí)管理論壇. 2018(05)
[4]LDA模型的優(yōu)化及其主題數(shù)量選擇研究——以科技文獻(xiàn)為例[J]. 王婷婷,韓滿,王宇.  數(shù)據(jù)分析與知識(shí)發(fā)現(xiàn). 2018(01)
[5]基于PhraseLDA模型的主題短語挖掘方法研究[J]. 張琴,張智雄.  圖書情報(bào)工作. 2017(08)
[6]面向TRIZ的領(lǐng)域?qū)＠夹g(shù)挖掘系統(tǒng)設(shè)計(jì)與實(shí)踐[J]. 胡正銀,劉春江,隗玲,楊寧,徐源,許海云,文奕.  圖書情報(bào)工作. 2017(01)

碩士論文
[1]基于名詞短語提取與詞條權(quán)重分析的話題提取算法研究[D]. 孫孟孟.浙江大學(xué) 2014



本文編號(hào)：3193751