在新一輪的科技革命推動(dòng)下,與金融科技相關(guān)的行業(yè)迅速崛起。近些年來(lái),人工智能、區(qū)塊鏈、云計(jì)算和大數(shù)據(jù)成為了各行各業(yè)的焦點(diǎn),對(duì)“金融科技”的學(xué)術(shù)研究也隨之繁榮。不少學(xué)者緊跟時(shí)事,對(duì)金融科技的相關(guān)領(lǐng)域一直在探索,對(duì)其可行性進(jìn)行分析,也從不同角度提出了具有建設(shè)性的建議�？茖W(xué)梳理研究文獻(xiàn)中的隱藏主題和主題的發(fā)展脈絡(luò),具有重要的現(xiàn)實(shí)意義。如何運(yùn)用科學(xué)計(jì)量和文本挖掘等方法對(duì)海量文獻(xiàn)進(jìn)行梳理,如何挖掘大量學(xué)術(shù)論文中的研究主題,梳理研究主題的演化過(guò)程和關(guān)聯(lián)關(guān)系,預(yù)測(cè)主題前沿?zé)狳c(diǎn),對(duì)掌握科技競(jìng)爭(zhēng)先機(jī)至關(guān)重要。目前,關(guān)于主題挖掘與識(shí)別、關(guān)聯(lián)演化和主題前沿預(yù)測(cè)的方法有很多,包括文本挖掘、共詞分析、引文分析等,形成一定范式,但仍然存在不足:首先,在切分時(shí)間窗口時(shí),根據(jù)主題時(shí)間跨度平均切分,忽略學(xué)科主題發(fā)展的生命周期性;其次,在進(jìn)行主題關(guān)聯(lián)演化分析時(shí),僅僅使用單一的相似度指標(biāo),沒(méi)有對(duì)比分析不同差異性度量的優(yōu)劣,可能不能很好地反映主題演化關(guān)系;另外,對(duì)于主題指標(biāo)的預(yù)測(cè),帶有主觀性不夠科學(xué),部分主題前沿指標(biāo)設(shè)計(jì)不全面,不能很好地刻畫(huà)主題發(fā)展趨勢(shì)�；诖�,本文以金融科技的研究文獻(xiàn)為文本數(shù)據(jù)集,利用LDA主題模型進(jìn)行這些...

【文章頁(yè)數(shù)】：50 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 引言
    第一節(jié) 研究背景
    第二節(jié) 文獻(xiàn)綜述
    第三節(jié) 論文創(chuàng)新
    第四節(jié) 論文結(jié)構(gòu)安排
第二章 研究理論和方法
    第一節(jié) 生命周期理論
    第二節(jié) 主題挖掘基礎(chǔ)
        一、LDA主題挖掘原理
        二、LDA模型的困惑度
        三、主題關(guān)聯(lián)分析
        四、主題語(yǔ)義演化模式
        五、主題預(yù)測(cè)指標(biāo)
    第三節(jié) 循環(huán)神經(jīng)網(wǎng)絡(luò)基礎(chǔ)
        一、循環(huán)神經(jīng)網(wǎng)絡(luò)
        二、LSTM神經(jīng)網(wǎng)絡(luò)
    第四節(jié) 研究思路和框架
第三章 金融科技研究文獻(xiàn)的主題關(guān)聯(lián)和主題預(yù)測(cè)
    第一節(jié) 時(shí)間窗口劃分
    第二節(jié) 數(shù)據(jù)集處理
    第三節(jié) 主題挖掘分析
    第四節(jié) 主題和主題熱度展示
        一、全局主題總結(jié)
        二、萌芽期主題
        三、成長(zhǎng)期主題
        四、成長(zhǎng)快速期主題
        五、衰退期/轉(zhuǎn)型期的主題展示
    第五節(jié) 主題關(guān)聯(lián)性分析
        一、各個(gè)時(shí)間窗口間的主題演化分析
        二、全局的主題演化分析
    第六節(jié) 主題預(yù)測(cè)分析
        一、主題指標(biāo)
        二、模型設(shè)置
        三、模型結(jié)果分析
        四、模型預(yù)測(cè)分析
第四章 總結(jié)與展望
參考文獻(xiàn)
致謝



本文編號(hào)：3925571