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模型的组织成员工作投入研究的主题提取

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。

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。

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.

基于组合相似度动态聚类和词熵的网络话题在线检测

[研究目的]为实现网络热点话题的在线检测,提升增量式聚类算法的聚类效果,提出了基于组合相似度的动态聚类算法,同时通过计算词熵实现主题词提取和演化跟踪。[研究方法]通过CIFG-BiLSTM-CRF模型实现文本的命名实体识别,计算文本与话题的实体相似度,再取文本词向量与话题中心余弦相似度的最大值作为词向量相似度,二者结合判断文本所属话题。在聚类过程中利用时间窗口策略实现话题中心和成员文本的动态更新。同时,计算文本词熵,生成话题的词熵和列表,实现话题主题词提取和演化跟踪。实验以新冠疫情新闻为数据实现话题在线检测,并展示了话题主题词的演化和跟踪过程。[研究结论]实验表明,与传统相似度计算方法相比,组合相似度能够获得更好的聚类效果,聚类过程中提取出的话题主题词也正确地反映了原始数据的热点话题内容。

2014-2023年国内外小儿骨科多中心研究的文献计量学分析

目的使用文献计量学方法分析国内外小儿骨科多中心研究论文发表的现状及热点。方法检索中国知网(China National Knowledge Infrastructure,CNKI)、万方医学网、维普数据库和Web of Science(WOS)中的小儿骨科多中心研究相关中文及外文文献,检索时限为2014年1月1日至2023年12月30日。采用Microsoft Excel和CiteSpace进行数据处理,对纳入文献的时间分布、期刊分布、机构分布、国家分布以及关键词等进行统计及可视化分析。结果共纳入文献846篇,其中外文文献716篇、中文文献130篇;美国发文量最高(387篇)。《中华小儿外科杂志》(15篇)和Journal of Pediatric Orthopaedics(119篇)分别是国内、国外刊登小儿骨科多中心研究论文最多的期刊。中文文献关键词主要被聚类为"儿童""外科手术""超声检查""三维成像""内固定器"5个簇;外文文献关键词主要聚类为developmental dysplasia of the hip,natural history,adult spinal deformity,avascular necrosis等13个关键词簇。关键词突现分析表明,当前国内研究的热点在于治疗结果、危险因素、超声检查等方面,国外研究的热点在于早发性脊柱侧凸、诊断、骨病学等方面。结论小儿骨科多中心研究近10年来主要关注点在于手术治疗、特殊疾病、预后结局和诊断等方面,美国在该领域发文最多,中国小儿骨科多中心研究逐渐获得国际认可,未来应继续加强多层次、全方位的科研合作,进一步提高小儿骨科多中心研究的质量。

融合兴趣主题矩阵和主题生命树的社交用户长短兴趣挖掘

[目的/意义]针对当前社交用户兴趣挖掘效果不理想,且缺乏对兴趣类型特征的深入研究,提出一种新的长短兴趣挖掘方法。[方法/过程]首先引入兴趣价值参数作为先验知识对Labeled LDA主题模型进行改进,依据改进的主题模型挖掘不同时间窗口的兴趣主题,构建兴趣主题矩阵。然后基于用户兴趣的变化规律构建主题生命树,挖掘用户兴趣的生命特征和潜在关联,将用户兴趣划分为长期兴趣、短期兴趣和过期兴趣。最后依据兴趣主题的强度和波动幅度量化用户不同类型兴趣的权重,实现对用户兴趣的准确表示。[结果/结论]实验采用从新浪微博爬取的真实数据作为训练集和测试集,与已有的兴趣挖掘方法进行比较,结果发现长短兴趣挖掘方法在F1值和MRR值上最高分别提升了7.68%和7.41%。[局限]仅利用微博文本信息对方法进行验证,缺乏对跨平台信息的深入探讨。

湿疹患儿照料者对外用皮质类固醇激素治疗的认知状况调查

目的了解湿疹患儿照料者对外用皮质类固醇激素(TCS)治疗的认知情况及其影响因素,为有针对性开展用药宣教工作,提高患儿用药依从性,改善治疗效果提供参考。方法采用调查问卷对2020年12月—2021年3月首都儿科研究所附属儿童医院皮肤科就诊的171例湿疹患儿照料者进行问卷调查,包括照料者对TCS及其副作用的认知情况、相关知识的获取途径、患儿TCS治疗的依从性,分析照料者对TCS治疗湿疹相关认知的影响因素。结果仅22.22%(38/171)的照料者对TCS“非常了解”,而有16.37%(28/171)“完全不了解”。仅9.36%(16/171)的照料者对TCS副作用“完全了解”。照料者主要从“网络”(46.20%)、“病友或周围人”(38.60%)和“医生”(22.81%)获取TCS治疗湿疹相关知识。TCS使用时,61.99%(106/171)的照料者“完全按医嘱”,35.08%(60/171)“不完全按医嘱”,2.92%(5/171)表示“完全不使用TCS”。在对TCS及其副作用的认知方面,不同年龄、学历和职业状态的照料者之间均存在统计学差异(均P<0.05)。在对TCS治疗湿疹相关资讯获取途径以及对TCS治疗的依从性方面,不同年龄、不同学历的照料者之间存在统计学差异(均P<0.05),而不同职业状态照料者之间无统计学差异(P值分别为0.062、0.074)。结论儿童湿疹照料者对TCS治疗湿疹的认知程度较低,依从性不高。照料者对TCS的认知和用药依从性受年龄和教育程度的影响。临床医生有必要关注不同群体在疾病和用药相关信息获取上的差异,加强宣讲和科普,促进合理用药,改善湿疹儿童皮肤健康管理。

重大突发事件下网络舆情传播中社会群体主题演化图谱构建研究

研究重大突发事件下网络舆情传播中社会群体主题演化图谱构建,对重大突发事件的应急和维护社会稳定具有重要作用。文章基于LDA主题模型构建社会群体主题演化图谱,基于主题时序统计和主题频次统计构建社会群体主题热度演化图谱,基于JS散度和DFS算法构建社会群体主题路径演化图谱,并给出重大突发事件下网络舆情传播中社会群体主题演化图谱构建过程模型。研究发现:利用构建的模型可以对群体主题特征、主题热度影响因素及主题最优传播路径进行分析,发现重大突发事件下舆情演进态势和识别敏感舆情话题,从而进行正向的舆情引导,为重大突发事件下网络舆情治理提供新的参考视角。

基于CNKI数据库的西藏考古研究现状及热点主题的可视化分析

以中国知网收录的西藏考古相关文献数据为研究对象,运用文献计量学结合定量分析工具,对西藏考古研究状况进行了全面分析。研究结果表明:藏学、民族学、文物考古和民族高校学报等领域期刊是西藏考古研究成果发表的主要阵地;四川大学的霍巍教授是该领域的领军人物;近三十年西藏考古领域的研究主要聚焦于青藏高原史前文明、佛教考古、吐蕃墓葬、考古出土材料文化属性以及高原丝绸之路等五个方面。同时“唐朝”“丝绸之路”和“文化交融交流”具有潜力成为未来的研究热点。

石家庄市家蝇对常用杀虫剂的抗性调查

目的调查石家庄市家蝇对常用杀虫剂的抗药性,为科学使用杀虫剂提供依据。方法采用微量点滴法进行抗药性测定。结果家蝇对甲基吡恶磷、氯菊酯、联苯菊酯、高效氯氟氰菊酯的LD_(50)分别为0.3835、0.3297、0.1786、0.0436μg/♀;家蝇对上述药剂的抗性倍数分别为31.69、38.34、3.78、14.06。结论需要持续开展家蝇抗药性监测,在环境治理的基础上选择低抗性的杀虫剂。

基于密度聚类算法改进的语义主路径分析方法研究

语义主路径分析方法在改进传统主路径分析法中主路径内容单一、主题一致性较差等不足的同时,留下了两个缺陷,即所选主路径在语义空间的位置可能偏离主题聚簇中心、不同主路径的主题区分度并不明显。本文在语义主路径分析方法的基础上,提出一种逐步优化的主路径选择方法,即将主题聚簇密度和路径遍历权重进行叠加形成复合密度,通过调节复合密度中两个要素的比重来优化主题聚簇中心的定位,当聚簇中心的位置变化收敛后,将位于不同主题聚簇中心的路径作为结果输出。将本文方法分别用于电动汽车锂离子电池专利引文网络和材料科学领域高影响力论文引文网络,实验结果显示,本文方法所产生的多条主路径不仅在主题聚簇中的布局更加合理,而且选取不当主路径的可能性也大大降低,从而验证了本文方法的有效性。

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。