基于文献引证及其内容相似度的主题混合聚类方法研究

[目的/意义]科技文献中蕴含丰富的语义知识,随着科学的发展,科技文献数量的激增,用户很难快速准确找到他们真正需要的知识和文献,如何按照一定的知识关系对科技文献进行组织和聚类来探测主题和学科结构的动态演化规律一直是科学界关注的重点。文献间的引用关系和内容相似性关系分别揭示文献之间的内在和外在关联,它们在文献主题关联分析中起着不可替代的作用,文章探索在文献主题聚类过程中两种关系混合是否优于单一关系。[方法/过程]以TREC 2005 genomics track为实验数据集,选取专家判定为与所在主题内容相关或部分相关的3098篇文献,分别从PubMed和WoS数据库中获取每篇文献的内容和引文数据,选用两种较常用的文本内容相似性和引用关系相似性计算方法PMRA和文献引用耦合关系,采用社团划分的聚类方法,将混合聚类结果与基于单一关系聚类结果进行对比。[结果/结论]实验结果说明文献引用耦合关系和文献内容相似性关系在主题聚类过程中可以相互补充,基于混合关系的聚类效果整体上优于单一关系。