| 知识单元重组视角下的科学主题预测研究 |
| |
| 引用本文： | 梁继文,杨建林,王伟.知识单元重组视角下的科学主题预测研究[J].情报学报,2023(5):511-524. |
| |
| 作者姓名： | 梁继文 杨建林 王伟 |
| |
| 作者单位： | 1. 南京大学信息管理学院;2. 江苏省数据工程与知识服务重点实验室 |
| |
| 基金项目： | 国家社会科学基金重点项目“大数据环境下领域知识加工与组织模式研究（20ATQ006）； |
| |
| 摘 要： | 准确的科学主题预测能够明确学科未来的发展方向，为科研领域的发展规划和管理决策提供参考。本文着眼于新生科学主题的预测，基于知识单元重组视角，将主题-特征词的表征关系类比为科学概念-知识单元的表征关系，提出科学主题预测方法。首先，使用LDA (latent Dirichlet allocation)主题模型获取全局主题、特征词与概率矩阵，通过转置向量空间获得特征词向量；其次，运用ARIMA (autoregressive integrated moving average model)模型预测特征词的词频并计算向量调节系数，从而获得特征词预测向量，运用t-SNE (t-distributed stochastic neighbor embedding)算法将预测向量降维，并使用模糊C-均值算法将低维预测向量聚类生成预测主题，实现知识单元的重组；最后，筛选出由多个原始主题聚合而来、具有全新释义的预测主题，将其视为科学主题预测结果。本文以“知识管理-知识组织-知识服务”领域为例进行实证研究，预测出智库、数字人文等在已有领域研究中尚未出现的新词与相关主题，并通过特征词直接聚合与概念集成这两种主题...
|
| 关 键 词： | 知识单元 科学概念 科学主题 主题预测 向量调节 |
|
|
