基于PLDA模型与多数据源融合相关性分析的新兴主题探测研究——以石墨烯领域为例

[目的/意义]为快速准确地前瞻识别蕴含在多数据源文本中的新兴主题,为科技创新决策提供情报支撑服务。[方法/过程]提出一种基于PLDA模型和多数据源融合相关性分析的新兴主题探测方法,从要素、趋势、主题及情景4方面分析多数据源相关性特征,构建基于多源分析文本的新兴主题探测公式。[结果/结论]通过文献调查法并咨询石墨烯领域相关专家,表明该方法能够更加快速准确地前瞻识别出多数据源文本中的新兴主题,弥补了单一分析数据源进行主题探测的不足,丰富多数据源融合理论体系的实践应用。

面向学科新兴主题探测的多源科技文献时滞计算及启示——以农业学科领域为例

为探究面向学科新兴主题探测领域多源科技文献融合过程中的时滞性问题,本文设计了多源科技文献时滞计算方案。首先,从获取的4种科技文献数据集中提取学科主题,计算学科主题间的相似度,构建相似矩阵;其次,基于匈牙利最优匹配算法寻求相似度损耗最小条件下的最优组合;最后,构建线性方程模型并拟合计算时滞程度。本文以2009-2016年农业学科领域337790篇摘要文本为实验数据,抽取基金项目文本学科主题为250个、专利文献为260个、期刊论文为260个、会议论文为240个,利用上述多源科技文献时滞计算方案实验。结果表明:期刊论文滞后于基金项目文本和会议论文1年,专利文献滞后于期刊论文1年,结合以往对不同学科领域数据的研究结果,验证了多源科技文献时滞计算方案的可行性和有效性,同时也为多源科技文献融合策略的制定提供新思路。

基于时间序列分析和SVM模型的基金项目新兴主题趋势预测与可视化研究

[目的/意义]基金项目文本蕴含着丰富的前沿主题信息,通过细粒度识别科学研究前沿中的新兴主题,可以预测分析新兴主题未来发展趋势并可视化展示。[方法/过程]文章提出一种基于时间序列分析和SVM模型的基金项目新兴主题趋势预测与可视化分析方法,分析基金项目内外部特征属性,构建基金项目新兴主题探测公式,利用时间序列分析和支持向量机等深度学习算法模型,对新兴主题发展趋势进行预测分析,最后利用可视化分析软件Gephi进行可视化展示以揭示前沿领域竞争态势。[结果/结论]通过以石墨烯领域数据进行实验并结合专家咨询和传统论文聚类方法对比分析,表明该方法能够更加快速准确识别新兴主题,为我国科技政策制定提供决策支持和参考。