[1] 程薛柯,苏成.基于共词分析的世界肿瘤学研究主题演化分析[J].国际肿瘤学杂志,2015,42(10):795-800.
[2] 李勇,安新颖.基于LDA的主题演化研究[J].医学信息学杂志,2013,34(2):57-61.
[3] 王莉亚.主题演化研究进展[J].情报探索,2014(4):29-31.
[4] 刘自强,王效岳,白如江.语义分类的学科主题演化分析方法研究——以我国图书情报领域大数据研究为例[J].图书情报工作,2016,60(15):76-85.
[5] 马费成,张勤.国内外知识管理研究热点——基于词频的统计分析[J].情报学报,2006(2):146-151.
[6] 王莉亚.基于关键词突变的主题突变研究[J].情报理论与实践,2013,36(11):45-48.
[7] 安新颖.基于改进信息熵的干细胞研究领域共词分析[J].图书情报工作,2011,55(2):37-40.
[8] 侯剑华,吕东博,王鹏.从硕士学位论文看我国科学技术哲学研究的转向——基于对硕士学位论文的计量分析[J].黑龙江高教研究,2014(2):7-10.
[9] 倪文珊,宗乾进,袁勤俭.国际电子商务研究主题演化及启示——基于Web of Science的计量分析[J].现代情报,2013,33(8):84-88.
[10] SMALL H. Tracking and predicting growth areas inscience[J].Scientometrics,2006,68(3):595-610.
[11] ALLAN J,CARBONELL J, DODDINGTON G,et al. Topic detection and tracking pilot study:final report[J].Proceedings of the DARPA broadcast news transcription andunderstandingworkshop,1998:194-218.
[12] GRIFFITHS T,STEYVERS M.Finding scientific topics[J]. Proceedings of the National Academy of Sciences of the United States of America,2004,101(S1):5228-5235.
[13] ALSUMAIR L,BARBARA D,DOMENICONI C. On-line LDA:adaptive topic models for mining text streams with applications to topic detection and tracking[C]//Proceeding of the 2008 eighth IEEE international conference on data mining.Fairfax:IEEE Computer Society,2008:3-12.
[14] BLEI D M,LAFFETY J D.Dynamic topic models[C]//Proceedings of the 23rd international conference on machine learning.Pennsylvania:ACM,2006:113-120.
[15] 程齐凯,王晓光.一种基于共词网络社区的科研主题演化分析框架[J].图书情报工作,2013,57(8):91-96.
[16] 李湘东,张娇,袁满.基于LDA模型的科技期刊主题演化研究[J].情报杂志,2014,33(7):115-121.
[17] HUAGONG_ADU.主题模型-LDA浅析[EB/OL].[2017-06-10].http://blog.csdn.net/huagong_adu/article/details/7937616.
[18] 陈亮,杨冠灿,张静,等.面向技术演化分析的多主路径方法研究[J].图书情报工作,2015,59(10):124-130.
[19] ASUR S,PARTHASARATHY S,UCAR D.An event-based framework for characterizing the evolutionary behavior of interaction graphs[C]//Proceedingsof the 13th ACM SIGKDD conference.Columbus:ACM,2007:1-35. |