基于“Topic”的语义信息组织技术研究——以DITA和Topic Maps为中心

基于“Topic”的语义信息组织与图书馆学的经典Subject理论密不可分，可将其视为较为抽象化的Subject理论在语义Web环境下的一种“演化”和实用化的主题技术。文章首先解读Subject和Topic的概念，并概述两种基于Topic的国际标准技术，即TopicMaps和DITA；其次，简要描述TopicMaps的技术和应用，并重点介绍在图书馆界鲜为人知的DITA技术及其应用；再次，对基于“Topic”的语义信息组织方法予以总结。

基于BERTopic模型的国外信息资源管理研究进展分析

[目的/意义]文章从已有研究成果中提取主题,梳理主要研究方向,展示主题热度变化趋势,为了解和评估国外信息资源管理(IRM)研究发展现状与趋势提供参考。[方法/过程]采用新兴BERTopic模型对2013—2022年期间WoS数据库中IRM相关文献进行主题提取与识别,结合相关主题词及主题距离划分研究方向,并利用动态主题模型揭示国外IRM领域的演变过程。[结果/结论]国外IRM近10年的研究可分为59个主题,可归纳为信息技术及应用、企业信息管理、图书馆管理与服务、健康信息管理、信息用户与服务、IRM基本理论与方法、文献计量与评价7个方向。大多数主题的研究热度变化偏向稳定的趋势,数字化建设、开放数据等部分主题热度逐渐上涨,而外包、知识管理等少数主题热度退却。

基于BERTopic模型的网络暴力事件衍生舆情探测

[研究目的]在海量用户生成内容中及时探测和剖析网络暴力事件的衍生舆情能够为舆情事件链的演化分析、同类舆情的研判介入、衍生事件的监测预警提供理论支持。[研究方法]使用BERTopic模型对短文本内容主题建模并采用聚类的方式展示主题的潜在层次结构。根据词向量余弦相似度设计主题衍生度的计量算法,同时融合词共现网络在文档-词语层面信息捕捉的优势以及桑基图直观演示舆情演化过程的特点,衡量主题间的影响力与衍生关系。[研究结论]在开源数据集下多组主题模型的对照实验中,BERTopic模型在短文本建模以及下游任务的平均得分提高2.13%。在网络暴力热点事件的应用实例中,多维细粒度分析与交互式可视化方法可达到直观展示暴力事件的主题聚类、词义关联与演化态势的效果,实现网络暴力事件衍生舆情的探测与分析。

基于BERTopic算法的引文主题实证分析——以一篇高被引诺贝尔生理学或医学奖论文为例

[目的/意义]引文主题识别/分析(CTR/CTA)是引文内容分析(CCA)的一项重要研究议题,通过对引文语料中蕴涵主题信息的识别和提取,可望为论文学术贡献评价、知识扩散及演化分析等问题的解决提供新的研究思路。[过程/方法]以一篇高被引诺贝尔生理学或医学获奖关键论文为例,采用BERTopic算法对其引文句语料进行主题识别,并对识别出的引文主题展开多个维度的分析与讨论。[结果/结论]对高被引论文开展引文主题识别分析,有助于更全面细致地揭示其学术贡献内容及演化趋势;BERTopic算法能较好识别案例文献的多个引文主题,且不同引文主题的施引文献特征分布不尽相同;对引文主题重要性、演化趋势及其与原文主题差异性的分析,能多维度刻画研究同行对案例文献学术贡献的认识,表明CTR/CTA研究对学术论文评价具有深入探索价值。

基于BERTopic的中药治疗眼科疾病的处方用药规律分析

目的分析中医药治疗眼科疾病的处方用药规律,探讨治疗眼科疾病的更多潜在配伍组合。方法收集眼科专家门诊的中医处方并整理筛选,采用Python 3.9.10中BERTopic算法对复发性虹膜睫状体炎的所有处方进行分析,得到药物关键词聚类组合;采用SPSS 25.0对中药处方数据进行层次聚类,比较两种方法的优劣和药物配伍组合的挖掘效果。结果采用BERTopic算法得到核心药物关键词组合累计2种,包括酒地龙、土茯苓、大青叶、葎草等;应用层次聚类得到的药物组合包括葎草、土茯苓、菝葜等。应用BERTopic技术的算法具有不易受噪声数据影响、提高聚类效率、增强对于处方文本语义理解等诸多优势。结论使用基于BERTopic技术的算法在寻找疾病潜在中药配伍中表现良好,潜力较大,能为眼科疾病的中药配伍组合提供更多参考方向。

基于BERTopic模型的数字政府治理领域的主题识别与内容分析

[目的/意义]在信息技术创新、政府数字化转型的背景下,中国学术界输出的“数字政府治理”相关研究体量较大,现阶段亟待对其进行科学整理和综述概览,以回应“政府治理现代化”目标对理论研究的新要求。[方法/过程]以2011-2023年间中国知网数据库收录的有关数字政府治理研究的1829篇文献为数据来源,借助深度学习模型BERTopic和文献计量法CiteSpace相互验证分析数字政府治理领域的研究阶段、研究关键词、研究热点主题及内容等,使得结果具有高准确性和强解释性,以科学有效地探测主题取向及特征,展望数字政府治理领域的未来研究方向。[结果/结论]中国数字政府治理研究在过去的10年间发展迅猛,已成为学者探索的热点论域;现有文献研究热点整体上聚焦于价值导向、治理模式进化、技术工具嵌入;重点主题关注的是“政府数据开放共享研究”“基于数字技术的政务服务改革研究”“城乡场域下的数字化治理研究”“数字政府治理水平的评估研究”及“数字化转型下具体治理领域的实践研究”。未来,数字政府治理仍然是一个具有持续性拓展空间的研究领域,将逐步实现数字政府治理的更广场域触达、精准滴灌、多项学科融合和技术实用主义。

基于BERTopic主题建模的延时现场救护研究趋势与热点分析

目的分析2009~2024年间国际延时现场救护领域的文献,探究主要研究主题及其发展趋势,以期为未来救护策略提供理论支持。方法系统检索PubMed、Embase、Web of Science和中国知网等数据库,筛选并纳入283篇相关文献。运用BERTopic主题建模技术对文献进行主题识别和关键词分析,并进行可视化展示。结果当前研究主要聚焦在“急救策略研究”“智能技术与信息管理”“实战应用”与“政策与理论研究”等4个方面,预测这些领域将持续成为研究热点。结论国际延时现场救护研究正处于快速发展阶段,建议未来研究深入重点领域,开发有效的救护策略,以提升救治效率和伤员生存率。

基于BERTopic模型的组织成员工作投入研究的主题提取

[目的/意义]旨在通过科学计量方法,挖掘“组织成员工作投入”文献资源中蕴藏的主题,为后续研究提供参考和启示。[方法/过程]搜集中国知网学术期刊数据库中2002-2023年相关文献的摘要和发表年份,经过文本预处理,使用BERTopic模型进行主题提取和可视化分析。[结果/结论]国内现有的关于组织成员工作投入的研究可以分为研究内容和研究方法两大主题集群,均表现出多样化态势。主题时序演化分析揭示了组织成员工作投入研究正逐步转向对个体差异和心理健康的关注。未来研究可从新技术的影响、工作投入动态变化以及跨学科合作等方面进行拓展。

基于BERTopic模型的公众心理应激信息表征分析

[目的/意义]在后疫情时代的背景下,探讨心理应激的信息表征对公众的心理健康建设及社会发展具有重要意义。[方法/过程]使用BERTopic模型对问答数据进行匹配和热度分析,探究不同主题下用户的关注内容和关注程度。[结果/结论]用户心理应激信息表征主要集中在生理反应、认知反应、情感反应、行为反应4种类型。本研究从后疫情时代的视角出发探讨心理应激的信息表征,能够以常态化心理应激干预为目标为决策者提出长期心理支持服务建议,推进线上线下并举的心理服务。

基于BERTopic模型的用户层次化需求及动机分析--以抖音平台为例

[研究目的]在分析短视频平台的用户生成内容构成,提炼其在时间演化与社会事件影响下表现出的构造与演化规律,挖掘短视频用户的内在行为需要,探讨其用户参与行为的潜在动机因素。[研究方法]以抖音平台237万条短视频发布数据作为研究样本,使用BERTopic模型实现主题聚类,总结用户一定时间内的话题的关注情况,并在互联网视角下结合马斯洛需求层次理论,揭示用户参与行为背后需求与动机。[研究结论]首先,用户的需求关注度由高至低的排列顺序为尊重需求、安全需求、社交需求、自我实现需求与生理需求,且该关注顺序能在日常的时间推移中保持稳定;其次,用户对于社会事件有着较高的讨论度,相关事件能够显著影响时段内用户的视频内容构成,但对用户的关注程度分布影响微弱;最后,用户在发布视频过程中和点赞互动的关注热点存在差异。用户在发布视频时更关注尊重层次需求,而在浏览互动时,自我实现层次需求受到的关注程度显著提升。

科学文献主题建模方法及其效果评估研究

[背景/意义]研究和对比不同主题建模方法在科学文献主题识别上的应用表现,对于合理选择使用主题建模技术开展科学文献主题挖掘具有重要意义。[方法/过程]通过构建中英文科学文献实验语料,选择3种主题建模方法(LDA、Top2vec、Bertopic)和5种文本特征计算方法(Bag of Words、TFIDF、Doc2vec、MiniLM、SciBert)进行中英文科学文献主题建模实验,并对不同建模结果的主题多样性、主题一致性、主题稳定性和主题离散性指标进行对比分析。[结果/结论]不同建模工具的主题识别结果存在较大差异,其中LDA与Bertopic在英文和中文语料上识别出的主题中具有相似性关系的主题占比相对较高,但也仅为9.81%和7.46%;基于Doc2vec算法的Top2vec模型在主题多样性指标上的表现相对最优;基于文本预训练算法的Top2vec模型和Bertopic模型的主题稳定性和离散性指标优于传统主题建模方法。针对大语言模型技术的快速发展和广泛应用,加快推进科学文献预训练模型研发,并将之应用于科技情报业务实践是当前的重要研究方向。

2016—2022年北京市通州区60岁及以上老年人群肺结核流行特征及治疗转归分析

目的:分析2016—2022年北京市通州区60岁及以上老年人群肺结核流行特征及治疗转归情况,为通州区制定老年结核病防治策略提供参考。方法:通过“中国疾病预防控制信息系统”子系统“结核病信息管理系统”收集2016—2022年北京市通州区所有登记管理的60岁及以上老年活动性肺结核患者相关临床信息,包括病案信息、诊疗情况、实验室检查等,运用描述性统计方法分析患者特征和治疗转归,应用季节指数对时间序列进行季节效应分析。结果:2016—2022年,通州区共登记管理活动性肺结核患者4208例,其中,60岁及以上老年肺结核患者963例(22.88%),占比从2016年的22.75%(157/690)上升至2022年的28.06%(142/506),呈上升趋势(χ_(趋势)^(2)=5.749,P=0.016)。老年肺结核患者登记率[53.18/10万(963/181.08万)]明显高于全人群[37.67/10万(4208/1117.14万)],且分别从2016年的82.81/10万(157/18.96万)和50.07/10万(690/137.80万)下降至2022年的43.80/10万(142/32.42万)和27.45/10万(506/184.31万),均呈下降趋势(χ_(趋势)^(2)=10.266,P=0.001;χ_(趋势)^(2)=52.560,P<0.001)。老年患者病原学阳性率[53.27%(513/963)]和0月序痰涂片阳性率[30.22%(291/963)]均明显高于非老年患者[38.34%(1244/3245)和18.86%(612/3245)],差异均有统计学意义(χ^(2)=68.534,P<0.001;χ^(2)=56.844,P<0.001)。老年肺结核患者以男性[68.95%(664/963)]、60~69岁[48.81%(470/963)]、被动发现[90.24%(869/963)]、综合医院转诊[81.83%(788/963)]为主;平均就诊延迟率为40.08%(386/963)。老年肺结核流行期为每年的6~9月,季节指数分别为127.15%、103.47%、134.63%、102.22%。总体成功治疗率为84.29%(692/821),且从2016年的82.80%(130/157)上升至2021年的90.78%(128/141),呈上升趋势(χ_(趋势)^(2)=4.359,P=0.026);其中,女性成功治疗率[88.45%(222/251)]高于男性[82.46%(470/570)],低龄组成功治疗率[89.63%(363/405)]高于中龄组[82.44%(216/262)]和高龄组[73.38%(113/154)],差异均有统计学意义(χ^(2)=4.721,P=0.030;χ^(2)=23.243,P<0.001)。结论:2016—2022年北京市通州区老年肺结核疫情呈下降趋势,但老年肺结核患者登记数占比仍较高且呈逐年上升趋势,且以60~69岁、男性、转诊者居多,并具有病原学阳性率高、就诊延迟率高、治疗转归不理想的特点,应结合老年肺结核疫情特点,有针对性地制定相应的防控策略。

技术主题动态演化分析的一种新方法:DPL-BMM模型

揭示技术演化脉络是把握技术发展规律的前提,基于专利信息的主题挖掘是基于技术发展微观机制呈现宏观规律的重要研究内容,对技术超前布局和创新驱动实践具有重大意义。技术主题动态演化分析DPL-BMM(Dirichlet process biterm-based mixture model with labelling)是一种附有标签的基于双项狄利克雷过程的混合模型,其突破了传统主题模型在进行主题识别时需固定主题数目的局限,通过增加技术主题表示模块使识别到的技术主题内容更加明确。本文以人工智能领域技术为例进行实证分析,研究结果表明,该方法对技术主题及其演化脉络展示具有实际应用价值。

由规模化到精准化:国家中小学智慧教育平台教师研修的差异化需求及优化策略研究

立足常态化的新发展阶段,国家智慧教育平台教师寒暑假研修如何从规模化走向差异化、精准化,“按需施训”尤为关键。研究以基础教育阶段参训教师的9.06万条、149万余字反馈文本为研究对象,综合运用结构主题模型(STM)及重要性-绩效分析法(IPA),构建了国家中小学智慧教育平台教师研修需求框架,并深入分析其差异、明确基于需求要素的优化方向。研究发现:参训教师需求包含个体发展和系统环境两个层面的五类需求,且均存在显著的区域及城乡差异,针对时间安排及学时认定等研修机制需求仍须优化改进。研究为教师寒暑假研修精准化、差异化发展提供实证依据与决策支持,为优化研修服务提供策略建议。

我国教育元宇宙研究的热点透视与未来路向——基于核心文献的LDA主题模型分析

教育元宇宙作为元宇宙的教育应用前景广阔,对相关文献进行系统分析有助于推进其应用向纵深发展。基于LDA主题模型和人工内容分析对关于教育元宇宙的130篇核心期刊文献进行系统梳理后发现,我国教育元宇宙研究主要围绕基本理论、批判审视、思政教育应用、学习赋能、场景创设、技术支撑、模型构建等7个主题展开,为教育元宇宙建构学理支撑、凝聚理性共识、铺筑可为进路、筑牢技术基座和汇聚多维创想积淀了丰硕成果。基于此,未来教育元宇宙还应从顶层设计、关系廓清、伦理规约、技术向善、场景拓展等5个方面着力:探赜教育元宇宙顶层设计研究,统筹教育元宇宙系统构建;完善教育数字化转型与教育元宇宙逻辑关系研究,驱动两大领域协同演进;深入教育元宇宙伦理规范研究,促进教育元宇宙健康发展;夯实教育元宇宙意识形态属性研究,保障教育元宇宙向善属性;拓展教育元宇宙应用场景研究,牵引教育元宇宙实践落地。

基于单篇高被引数据论文的多层级数据再利用主题差异分析

[目的/意义]在当今“数据密集型”时代,科学数据的重要性不断凸显,深入研究数据论文的利用价值有助于推动科学数据的开放和共享。[方法/过程]文章以单篇高被引论文为研究对象,根据对其不同的引证层级构建文献集合,通过对两个引证文献集合论文的关键词统计和聚类分析,对其主题团簇的差异性进行对比和分析,进而揭示数据论文的多层级数据再利用和特征演化情况。[结果/结论]研究发现,不同层级的数据再利用扩展出了不同细度的研究主题,体现了数据论文知识扩散的模式和规律。

形成性评价在眼科住院医师规范化培训中的应用

眼科住院医师规范化培训是毕业后医学教育的重要组成部分,首都医科大学宣武医院眼科不断改进对住院医师的管理及教学方法,在住院医师规范化培训专题讲座、教学查房和病例讨论等教学活动中,引入形成性评价,以《眼科培训细则》及推荐教材为指导,确定学习及评价范围,将每月进行的教学活动内容形成理论知识测试卷,对研究对象进行闭卷考试。试卷评阅后逐一反馈给住院医师,同时对每道题完成情况进行分析,反馈给相关授课教师。通过一段时间的尝试,发现住院医师对教学活动中知识点的掌握情况明显提升。对参与的教师和住院医师进行问卷调查显示,均对此培养方式有较高的满意度。在眼科住院医师规范化培训教学活动理论授课中应用形成性评价,可以调动住院医师参加教学活动的积极性和主动性,提高专注度和自主学习的意愿,促进课后复习及相关文献书籍的学习,有助于理论知识的掌握,提高学习成绩。同时此法有助于教师及时调整授课内容和方法,提高教学效率,更好地达到教学目的。

主题方面共享的领域主题层次模型

层次主题模型是构建主题层次的重要工具.现有的层次主题模型大多通过在主题模型中引入nCRP构造方法,为文档主题提供树形结构的先验分布,但无法生成具有明确领域涵义的主题层次结构,即领域主题层次.同时,领域主题不仅存在层次关系,而且不同父主题下的子主题之间还存在子领域方面共享的关联关系,在现有主题关系研究中没有合适的模型来生成这种领域主题层次.为了从领域文本中自动、有效地挖掘出领域主题的层次关系和关联关系,在4个方面进行创新研究.首先,通过主题共享机制改进nCRP构造方法,提出nCRP+层次构造方法,为主题模型中的主题提供具有分层主题方面共享的树形先验分布;其次,结合nCRP+和HDP模型构建重分层的Dirichlet过程,提出rHDP(reallocated hierarchical Dirichlet processes)层次主题模型;第三,结合领域分类信息、词语语义和主题词的领域代表性,定义领域知识,包括基于投票机制的领域隶属度、词语与领域主题的语义相关度和层次化的主题-词语贡献度;最后,通过领域知识改进rHDP主题模型中领域主题和主题词的分配过程,提出结合领域知识的层次主题模型rHDP_DK(rHDP with domain knowledge),并改进采样过程.实验结果表明,基于nCRP+的层次主题模型在评价指标方面均优于基于nCRP的层次主题模型(hLDA,nHDP)和神经主题模型(TSNTM);通过rHDP_DK模型生成的主题层次结构具有领域主题层次清晰、关联子主题的主题词领域差异明确的特点.此外,该模型将为领域主题层次提供一个通用的自动挖掘框架.

多平台视角下用户知识交流主题挖掘与画像分析——以ChatGPT话题为例

[目的/意义]基于多平台视角挖掘用户知识交流主题特征,构建用户画像标签体系,有助于全面理解用户利用差异化平台开展知识交流行为的规律偏好,为平台提供精确优化策略,为平台间生态建设提供参考依据。[方法/过程]采集大众社交平台、兴趣交流平台、垂直知识平台3类典型平台中ChatGPT话题相关的原创博文及用户数据,采用BERTopic模型凝练知识交流主题,结合多平台数据特点,从自然属性、社会属性、知识交流行为属性和知识交流主题属性4个维度抽出画像标签,通过K-means聚类实现用户画像,呈现群组特征并进行平台差异对比。[结果/结论]研究识别出了应用场景、行业进展、未来探讨、相关产业、咨询求助、热门话题、使用感受、风险监督8大知识交流方向及46个主题;根据属性特征将用户划分为专业贡献型、综合共享型、社交求知型和话题潜力型4类,平台间知识交流主题和用户画像存在显著差异,各平台应采取差异化的激励方式,增强平台用户黏性。

基于细粒度知识图谱的科技文献主题发现与热点分析

[目的/意义]利用知识图谱进行细粒度的知识组织并识别科技文献的热点主题,有助于科研工作者把握领域的研究现状和学科前沿,进而为科研资源优化配置提供有力支持。[方法/过程]提出一套基于知识图谱的主题发现和热点分析方法。首先,识别科技文献中的知识元,再抽取知识元中的语义实体进行主题发现;其次,构建“文献—知识元—主题”知识图谱,通过知识图谱中的共现关系网络识别领域的研究热点;最后,以农学领域的中文学术论文为实验数据,进行实证研究。[结果/结论]所构建的细粒度知识图谱不仅能够揭示科学知识与主题的潜在关联,而且能够实现科技文献主题的热点分析。