共查询到19条相似文献，搜索用时 750 毫秒
1.
2.
[目的/意义] 在科学研究中,从不同来源的科技文献中识别挖掘科研热点对于开展科研工作具有指导意义。旨在通过本研究提出的模型方法,快速准确地识别蕴含在多源文本中的热点主题,为科研创新提供支撑服务。[方法/过程] 提出一种基于LDA2vec模型的多源文本下科研热点识别的方法并针对科研热点识别构建模型,该方法融合LDA主题模型对隐含语义挖掘的优势和Word2Vec词向量模型对于上下文关系把握的优势。以机器学习领域的科技文献为例,利用模型困惑度和主题一致性两个指标对LDA2vec的在本领域应用的可行性和有效性进行验证,并与LDA的主题提取效果进行对比。[结果/结论] 实验结果表明,提出的方法在面对多源数据情况下,进行科研热点识别挖掘是可行的,且在一定程度上有效果的提升,对利用单一数据源进行主题分析的不足进行补充,对多数据源融合的实践应用进行丰富。 相似文献
3.
[目的/意义]针对传统领域研究热点识别方法存在的低频词被掩盖、聚类主题词杂糅难以解释等问题，提出关键词类群分析法，通过构建符合领域研究范式的关键词类群模型，洞察科研细节和研究逻辑，实现领域研究热点的全面化、结构化揭示，为领域研究热点的高质量识别提供新思路。[方法/过程]提出关键词类群分析法概念，归纳不同学科领域科研论文摘要中的研究表达范式，阐述基于研究表达范式的关键词类群建立的原则和方式，构建利用该方法进行领域研究热点识别的模型。[结果/结论 ]实证分析选取2023年作物育种领域论文为数据集，验证方法的可行性和有效性。结果表明，相较于传统的研究热点识别方法，关键词类群分析法可以有效规避“孤立点式”的分析，从“中观层”的分析视角得到更丰富、精确的领域研究热点。该方法可为领域研究态势分析、领域知识创新决策等应用场景提供高质量的情报支撑。 相似文献
4.
[目的/意义] 为有效探测科技文献中潜在的研究热点，研究文献中关键词突发的特征条件，构建突发词识别模型对促进科研人员精确把握研究方向具有重要意义。[方法/过程] 获取各年度内关键词及词频，构建关键词-年度矩阵，将分析时间段划分为标准窗口、观察窗口和表现窗口，在观察窗口内利用多测度突发词探测模型识别具有突发特征的关键词；在表现窗口内利用LDA挖掘主题词汇作为热点词集合。设计突发词覆盖率指标，辅助滑动时间窗口法，计算不同时间窗口内突发词集合和热点词集合的覆盖率，验证模型识别准确性。[结果/结论] 3次滑动时间窗口，计算得到3次突发词覆盖率都在70%以上；与Citespace突发词的对照试验中，本模型3次覆盖率均大于前者，表明设计的突发词探测模型性能良好。 相似文献
5.
[目的/意义]梳理LIS领域学科知识的发展脉络,追踪、预测学科研究热点和增长点。[研究设计/方法]基于LIS领域国外和国内核心期刊数据,使用TP-JIF模型计算学科主题的热度并衡量学科主题的状态,对LIS领域国内外研究热点和学科增长点进行演化分析;使用TPP-LSTM学科主题预测模型,对LIS领域国内外的研究热点和增长点进行预测。[结论/发现]国内外LIS领域研究热点的体量和侧重点具有较大差异,国外研究热点聚焦在社交媒体、电子病历、知识管理、文献计量、机器学习、替代计量等方面,而国内聚焦在图书馆学类、大数据、知识服务、数字人文、人工智能等方面。数据科学可能是LIS领域国内外最具潜力的增长点,医疗健康、人工智能、科研评价指标与体系、数据素养以及数据管理等研究也有望快速增长。[创新/价值]从研究热点和学科增长点两个方面揭示了国内外LIS学科之间的差异,并对研究热点和学科增长点进行了预测,为学科未来规划提供参考。 相似文献
6.
7.
[目的/意义]作为科学学预测的重要组成部分,学科主题热度预测旨在揭示学术前沿和发展趋势,辅助学者发现前沿选题,支持科研管理机构科学立项。[研究设计/方法]提出基于期刊影响因子的学科主题热度计算指标(TP-JIF),构建基于LSTM神经网络的学科主题热度预测模型(TPP-LSTM),并以LIS领域数据为例,通过时间切片的形式抽取、计算学科主题的热度序列,检验不同长度时间序列下模型的各项误差。[结论/发现]相对于RBF-SVM、Linear-SVM、KNN、Naive Bayesian等模型,TPP-LSTM预测模型可有效表征学科主题热度时间序列的特性,当时间序列长度为4年时预测效果相对较好。[创新/价值]提出的基于期刊影响因子的学科主题热度计算指标,能够有效刻画不同学术刊物对学科影响的差异,规避了单纯依据频率计算热度的弊端;构建的学科主题热度预测模型,有效表征了学科主题的时间序列变化规律,减小了各项预测误差,预测效果较好。 相似文献
8.
基于LDA模型和微博热度的热点挖掘 总被引：3，自引：0，他引：3
分析传统LDA模型在进行微博热点挖掘时所得概率结果抽象且难以结合实际解释的缺点;考虑到微博本身的数据特点和信息论中信息量的观点,提出微博热度的概念,并将其引入到LDA模型的热点挖掘研究中,构建基于微博热度的LDA模型;通过API采集微博数据上的实验,证明新方法与旧方法具有相同的性能,而且能得到更直观的微博热度表,并得出更具有说服力的挖掘结论。 相似文献
9.
10.
[目的/意义]识别学科对外输出热点,有利于分析学科交叉发展现状及趋势,把握学科影响力的提升方向。[方法/过程]目标学科文献跨学科被引,可以推动其他学科知识、文献的创新与产生,形成“跨学科推动力”。但跨学科推动力的大小不完全等同于被引数量,尤其与引用/被引双方知识的相关性有关。因此,本文引入物理学中的正交分解法,构建目标学科知识跨学科推动力综合模型,从知识跨学科输出强度、广度、加速度、相关度等方面识别目标学科对外输出热点。[结果/结论]以图书情报学2017—2022年数据为例进行实证研究,识别结果表明模型具有可行性、有效性;同时依据一定分类原则将该学科知识对外输出热点划分为前沿、稳定、衰退3种类型,社会关注热点、学科交叉知识、专业核心知识分别属于以上类型。同时,综合分析发现图书情报学对外输出热点集中在交叉领域的信息管理与分析相关知识,但专业核心知识对外输出能力不足。 相似文献
11.
��[Purpose/significance] In scientific research, identifying mining scientific research hotspots from different sources of scientific literature is of guiding significance for carrying out the next scientific research work. It aims to quickly and accurately identify hot topics contained in multi-source texts through the model method proposed in this study, and provide support services for scientific research innovation.[Method/process] This paper proposed a method based on LDA2vec model for multi-source text research hotspot identification and built a model for scientific research hotspot identification. This method combined the advantages of LDA topic model on implicit semantic mining and the context of Word2Vec word vector model. Taking the scientific literature in the field of machine learning as an example, the model extraction degree (perplexity) and topic coherence (topic coherence) were used to compare the topic extraction effects of LDA2vec and LDA in the context of multi-source text.[Result/conclusion] After experiments, the results show that the method proposed in this paper is feasible and can be improved to some extent in the face of multi-source data. The method can relatively quickly and accurately identify the hot content in the multi-data source text, make up for the shortcoming of the single analysis data source for subject detection, and enrich the practical application of the multi-data source fusion theory system. 相似文献
12.
领域热点识别是科技情报与文献计量领域研究的关键问题之一,其能够为科技、教育部门的政策制定及科研人员的研究决策提供参考和依据。现有领域热点识别的研究主要基于文献计量学方法,并没有利用丰富的Web数据。本文提出了一种基于涌现模式挖掘的框架,利用社会化问答社区中的问答内容来识别领域研究热点。首先,提取问答内容中的关键词,并基于关键词的共现性进行聚类;然后,基于聚类结果构建候选研究热点模式集合,利用涌现模式挖掘方法识别领域研究热点并分析其发展趋势。本文基于知乎社区的“机器学习”话题数据集进行实验,利用卡方检验与领域前沿进行对比,结果表明该框架能够有效识别领域研究热点。该方法利用关键词聚类较好的缓解了涌现模式识别方法计算复杂度大等问题,具有良好的可行性;同时,该方法在线社区热点识别等问题中具有潜在的应用价值。 相似文献
13.
[目的/意义]作为一门与信息技术密切关联的学科,近年来快速发展的人工智能为情报学带来了诸多影响。有效梳理和整合这些影响的发展脉络与应用场景,强化人工智能在当前情报工作中的角色与作用,能为情报学相关研究的发展提供一定的参考与启示。[研究设计/方法]聚焦情报学领域人工智能相关研究,从高被引论文、文献共引、主题词共现三个维度对人工智能在情报学中的知识基础及其演化和研究热点予以分析与解读。[结论/发现]归纳了人工智能研究对情报学的影响,主要包括促进情报学研究主题的衍生和情报学研究方法的革新两方面,并从理论创新、研究对象拓展、信息服务提升与学科建设四个方面探讨人工智能在情报学领域可能的应用。[创新/价值]通过对情报学领域人工智能相关研究进行深入量化分析和定性研究,探讨和揭示了该主题下研究热点、研究趋势和相关发展规律,为相关领域学者提供一定借鉴与启发。 相似文献
14.
[目的/意义]以情报学为例,探索基于社会化问答网站热点的学科认知特点挖掘方法及其可行性。通过总结归纳知乎用户对情报学的知识期待和学科认知,为情报学学科建设提供特定参考。[方法/过程]以知乎情报学话题下的"精华"讨论内容作为分析对象,运用聚类分析、多维尺度分析等方法挖掘关注热点,并对这些关注热点的自身属性、相互关系和核心程度等特征进行分析与探究。[结果/结论]知乎的情报学关注热点可分为信息检索与搜索引擎、网络营销与电子商务等7类,反映出大众对情报学的技术、商业、学科、社会4方面的知识需求,进而构建出信息技术、现实应用、信息社会3个维度的学科认知特点。 相似文献
15.
科学计量学主流研究领域与热点前沿研究 总被引：2，自引：0，他引：2
[目的/意义]基于对《科学计量学》杂志的研究与回顾,找出科学计量学领域进入发展时期后的主流研究领域和热点前沿,探究其演进脉络,并绘制可视化的知识图谱。[方法/过程]借助Bibexcel与SPSS软件,通过共引分析与因子分析法,得出科学计量学在各发展阶段的主流研究领域;通过共词分析法,利用CiteSpace II软件,对科学计量学3个阶段的研究热点与前沿分别进行识别与可视化。[结果/结论]引文分析、科学合作、科研评价一直是科学计量学在发展时期的主流研究领域,科学计量学的研究对象不断扩充,研究方法不断完善,并逐渐引入社会网络分析等其他学科方法;随着发展阶段的推移,研究热点与前沿的网络密度不断提高,研究前沿动态转变过程中的转折点也不断增加,科学计量学领域的研究更加丰富和深入。创新性地对科学计量学的主流研究领域和热点前沿进行分阶段分析,可以更清晰地展示出发展时期科学计量学的演进脉络。 相似文献
16.
[目的/意义]搜集和分析国内外图书情报领域人工智能研究的相关文献,以期了解人工智能在图书情报领域目前的研究进展及未来的研究趋势,为学术界和产业界的研究提供借鉴和启示。[方法/过程]运用文献分析和知识图谱可视化方法,对国内外图书情报领域人工智能研究的起源和发展、国内外研究热点及未来研究趋势进行对比和可视化分析。[结果/结论]从研究发展趋势看,国内外相关研究成果的数量呈逐年递增态势。从研究热点看,国外研究主要围绕人工智能在信息检索、社交媒体内容分类及情感分析、知识问答方面的应用研究;国内研究主要围绕人工智能在网络舆情分析、图书馆智能搜索和推荐服务、社交媒体网络数据分析方面的研究。从研究趋势看,未来研究应围绕人工智能技术应用在视觉搜索和语义搜索、智慧图书馆服务、社交网络数据挖掘、人工智能对隐私与安全的影响4个主要方向来开展研究。 相似文献
17.
[目的/意义]面对世界范围内各种思想文化交流、交融、交锋的新形势,深入挖掘国际传媒研究热点,对促进我国传媒领域的学术发展与学科体系完善具有重要意义。[方法/过程]本文以Web of Science数据库中2015—2019年传媒类期刊文献数据为基础,结合概率主题模型、文献计量方法以及自然语言处理技术对文档内容和元数据进行联合建模,构建国家-主题分布矩阵,较为全面地挖掘了近五年来国际传媒研究的地理分布与知识结构,最终落脚于国内传媒领域研究的热点主题分析。[结果/结论]研究结果表明,数字技术推动新媒体蓬勃发展,不断刺激传媒领域的产业升级与文化重塑。我国部分主题在理论研究、产学交流、学科融合等方面仍存在探索与提升的空间,需要在重视理论研究与应用研究、基础学科与新兴学科协同发展的基础上,开展符合国内需求、具有国际视野的传媒研究,为传媒领域的持续深入发展添砖加瓦。 相似文献
18.
[目的/意义]针对专利主题分析中以词为基本单位会造成专利中的多词术语难以被识别、主题模型结果不佳的问题,提出融入术语的专利主题发现模型,以解决该问题。[方法/过程]模型首先引入类别熵,有效地识别出专利文献中的术语;然后利用泛化波利亚瓮模型增加语义相似术语分配到同一主题的概率,以缓解术语作为基本主题模型分析单位所带来的数据稀疏性问题。[结果/结论]实验结果表明本文提出的模型包含的术语信息提高了主题生成的质量,使主题表示具有更强的可读性和主题判别性。 相似文献
19.
[目的/意义]大数据环境下,如何有效融合利用多种数据源是企业产品竞争情报研究和实践的关键问题。以任务分解为视角,利用不同数据源自身特点有针对性地解决产品竞争情报分析不同阶段任务,提出并验证目标级融合的竞争情报分析模型,为后续理论研究和实践开展提供依据。[方法/过程]首先,对产品消费数据、产品动态新闻、用户数据几种典型网络数据源进行比较,梳理其特征和在产品市场竞争情报分析中的利用价值;其次,从竞争产品识别、产品动态跟踪及产品用户分析3个任务出发,将对应的数据源融合到产品竞争情报分析流程中。在实证部分,选择"OPPO R9s"手机为分析对象,融合利用主流电子商务平台、百度新闻及新浪微博用户数据进行产品竞争情报分析。[结果/结论]实验结果表明,采用多源融合方案可有效识别OPPO R9s的竞争产品、跟踪其市场热点事件并揭示关注产品的用户组成情况,为企业竞争策略制定提供决策依据。 相似文献