基于深度图神经网络方法的领域知识结构探测

准确地探测和识别学科领域知识结构对于理解学科发展动态、制定科技政策以及开展科研活动具有重要意义。当前,针对该问题的探索思路主要集中在两个方面:文本内容分析和网络结构分析。在现有的研究中,这两种研究思路往往仅作为相互辅证的依据,缺少同时融合文本信息与结构信息来探测领域知识结构的方法。因此,本文借助深度学习领域涌现出的新兴算法,把深度图神经网络模型与文档表示学习以及流形学习算法加以综合,提出新的学科领域知识结构探测框架。分别选取了代表基础研究学科与新涌现研究领域的两个数据集对所提研究框架进行验证,实验结果表明,深度图神经网络能够有效融合文献的文本内容特征信息以及其引用关系特征信息,提高了领域知识结构探测效率及可识别度。本文的研究拓展了深度图神经网络模型的应用场景,并对情报工程应用领域具有一定的借鉴参考价值。