多源数据环境下科研热点识别方法研究

doi:10.13266/j.issn.0252-3116.2020.05.009

图书情报工作 ›› 2020, Vol. 64 ›› Issue (5): 78-88.DOI: 10.13266/j.issn.0252-3116.2020.05.009

多源数据环境下科研热点识别方法研究

裘惠麟¹, 邵波^1,2

1. 南京大学信息管理学院南京 210046;
2. 南京大学图书馆南京 210046

收稿日期:2019-05-20 修回日期:2019-09-16 出版日期:2020-03-05 发布日期:2020-03-05
作者简介:裘惠麟(ORCID:0000-0001-6516-2789),硕士研究生,E-mail:qiuhuilinqha@163.com;邵波(ORCID:0000-0002-6528-5196),副馆长,教授,博士。

Research on Identification Methods of Scientific Research Hotspots Under Multi-source Data

Qiu Huilin¹, Shao Bo^1,2

1. School of Information Management, Nanjing University, Nanjing 210046;
2. Nanjing University Library, Nanjing 210046

Received:2019-05-20 Revised:2019-09-16 Online:2020-03-05 Published:2020-03-05

摘要/Abstract

摘要： [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。

关键词: 主题模型, LDA2vec, 科研热点, LDA, Word2vec, 多源数据融合

Abstract: [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.

Key words: topic model, LDA2vec, research hotspot, LDA, word2vec, multisource data fusion

中图分类号:

G251.2

裘惠麟, 邵波. 多源数据环境下科研热点识别方法研究[J]. 图书情报工作, 2020, 64(5): 78-88.

Qiu Huilin, Shao Bo. Research on Identification Methods of Scientific Research Hotspots Under Multi-source Data[J]. LIS, 2020, 64(5): 78-88.

参考文献

[1] 邱均平,温芳芳.近五年来图书情报学研究热点与前沿的可视化分析——基于13种高影响力外文源刊的计量研究[J].中国图书馆学报,2011,37(2):51-60.
[2] 任红娟.文献特征融合的的科学结构分析方法研究[J].情报杂志,2013,32(7):97-100.
[3] MORRIS S A, YEN G, WU Z, et al. Time line visualization of research fronts[J]. Journal of the Association for Information Science & Technology,2003,54(5):413-422.
[4] SMALL H. Co-citation in the scientific literature:a new measure of the relationship between two documents[J]. Journal of the Association for Information Science & Technology,1973,24(4):265-269.
[5] 雷晓庆,刘晓雁.论文关键词特征的统计与分析[J].图书情报工作,1998(5):19-20,32.
[6] 曾倩,杨思洛.国外图书情报学科知识交流的比较研究——以期刊引证分析为视觉[J].情报理论与实践,2013,36(10):114-119.
[7] 智库百科[EB/OL].[2019-02-20].https://wiki.mbalib.com/wiki/知识单元.2018-12-02-2019-02-28.
[8] 王晓光.科学知识网络的形成与演化(I):共词网络方法的提出[J].情报学报, 2009,28(4):599-605.
[9] 祝清松,冷伏海.基于引文内容分析的高被引论文主题识别研究[J].中国图书馆学报, 2014,40(1):39-49.
[10] 杨超,朱东华,汪雪锋,等.专利技术主题分析:基于SAO结构的LDA主题模型方法[J].图书情报工作,2017(3):86-96.
[11] 阮光册,夏磊.基于Doc2Vec的期刊论文热点选题识别[J].情报理论与实践,2019, 42(4):110-115.
[12] 赵一方,裴雷,康乐乐.基于段落信息增益的政策文本主题识别研究[J].数字图书馆论坛,2018(11):2-10.
[13] LOWE S A. The beta-binomial mixture model for word frequencies in documents with applications to information retrieval[C]//Proceedings of the sixth European conference on speech communication and technology. Budapest:Dragon System Inc,1999.
[14] BLEI D M, NG A Y, JORDAN M I. Latent dirichlet allocation[J]. Journal of machine learning research, 2003, 3:993-1022.
[15] 冯佳,张云秋.基于本体的研究主题语义分析方法研究[J].图书情报工作, 2018,62(7):96-103.
[16] 王洪伟,高松,陆頲.基于LDA和SNA的在线新闻热点识别研究[J].情报学报, 2016(10):1022-1037.
[17] 李永忠,蔡佳.基于LDA的国内电子政务研究主题演化及可视化分析[J].现代情报, 2017,37(4):158-164.
[18] 叶春蕾,冷伏海.基于引文-主题概率模型的科技文献主题识别方法研究[J].情报理论与实践,2013,36(9):100-103.
[19] 王连喜.国内微博研究热点分析及主题挖掘——以计算机和图书情报学科为研究对象[J].情报杂志, 2015(4):127-132.
[20] 马红,蔡永明.共词网络LDA模型的中文文本主题分析:以交通法学文献(2000-2016)为例[J].数据分析与知识发现,2017,32(12):17-26.
[21] 沈思,徐飞,吴鹏.面向科学研究主题的文献隐含时间信息分析与挖掘[J].情报学报,2017,36(4):370-381.
[22] 蒲姗姗.基于知识互补的科研合作专家推荐模型研究[J].情报理论与实践, 2018,41(8):100-105.
[23] 周娜,李秀霞,高丹,等.基于潜在主题的知识组合分析研究——以传播学为例[J].农业图书情报学刊, 2018(9):85-90.
[24] 刘玉文,吴宣够,郭强.网络热点新闻焦点识别与演化跟踪[J].小型微型计算机系统, 2017(4):738-743.
[25] 张聪,易秀双,朱明浩,等.一种基于Spark学术研究热点的挖掘方法[J/OL].计算机工程,2019.[2019-02-20]. http://kns.cnki.net/kcms/detail/31.1289.TP.20190129.1332.005.html.
[26] 关鹏,王曰芬.学科领域生命周期中作者研究兴趣演化分析[J].图书情报工作, 2016,60(10):116-124.
[27] HOFMANN T. Probabilistic latent semantic analysis[C]//Fifteenth conference on uncertainty in artificial intelligence. Berkeley:Morgan kaufmann publishers Inc.,1999:289-296.
[28] MOODY C E. Mixing dirichlet topic models and word embedding to make LDA2vec[EB/OL].[2019-02-20]. http://arxiv.org/abs/1605.02019.
[29] 化柏林,李广建.大数据环境下的多源融合型竞争情报研究[J].情报理论与实践, 2015,38(4):1-5.
[30] 化柏林,李广建.大数据环境下多源信息融合的理论与应用探讨[J].图书情报工作, 2015,59(16):5-10.
[31] 化柏林.多源信息融合方法研究[J].情报理论与实践,2013,36(11):16-19.

多源数据环境下科研热点识别方法研究

Research on Identification Methods of Scientific Research Hotspots Under Multi-source Data

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

[1]	李倩, 王帅. LDA模型下我国公共图书馆微信平台阅读推广内容主题研究[J]. 图书情报工作, 2022, 66(8): 72-83.
[2]	吕璐成, 赵亚娟, 王学昭, 韩涛, 赵萍, 张迪. 基于表示学习的技术融合差异度测度方法及其效果研究[J]. 图书情报工作, 2022, 66(4): 118-128.
[3]	吕鲲, 陈箫羽, 靖继鹏. 基于组合分词方法和LDA模型的区块链金融产业关键技术识别研究[J]. 图书情报工作, 2022, 66(19): 110-121.
[4]	范春竹, 邓小昭, 韩毅. 社交媒体用户消极使用行为：多源数据融合视角[J]. 图书情报工作, 2022, 66(15): 76-85.
[5]	梁爽, 刘小平. 基于文本挖掘的科技文献主题演化研究进展[J]. 图书情报工作, 2022, 66(13): 138-149.
[6]	丁敬达, 陈一帆, 刘超, 蔡微. 基于共词和Word2Vec加权向量的文献-主题语义匹配分析方法[J]. 图书情报工作, 2022, 66(12): 108-116.
[7]	顾佳云, 熊回香, 肖兵. 虚拟学术社区中融合用户动态兴趣与社交关系的学者推荐研究[J]. 图书情报工作, 2022, 66(11): 110-120.
[8]	陈虹枢, 宋亚慧, 金茜茜, 汪雪锋. 动态主题网络视角下的突破性创新主题识别:以区块链领域为例[J]. 图书情报工作, 2022, 66(10): 45-58.
[9]	郭顺利, 步辉. 融合Word2vec和WGRA的社会化问答社区答案有用性排序方法研究——以携程问答为例[J]. 图书情报工作, 2021, 65(23): 126-135.
[10]	王秀红, 高敏. 基于BERT-LDA的关键技术识别方法及其实证研究——以农业机器人为例[J]. 图书情报工作, 2021, 65(22): 114-125.
[11]	杨波, 邵婉婷. 基于LDA-BERT融合模型的弱信号识别研究【涉嫌严重学术不端撤稿】[J]. 图书情报工作, 2021, 65(16): 98-107.
[12]	赵登鹏, 熊回香, 田丰收, 李昕然. 基于序列比对算法的中文文本相似度计算研究[J]. 图书情报工作, 2021, 65(11): 101-112.
[13]	何琳, 乔粤, 刘雪琪. 春秋时期社会发展的主题挖掘与演变分析——以《左传》为例[J]. 图书情报工作, 2020, 64(7): 30-38.
[14]	蔡庆平, 马海群. 基于Word2Vec和CNN的产品评论细粒度情感分析模型[J]. 图书情报工作, 2020, 64(6): 49-58.
[15]	蒋甜, 刘小平, 刘会洲. 基于关键词关联度指标(KRI)进行LDA噪声主题过滤的方法研究[J]. 图书情报工作, 2020, 64(3): 92-99.