基于文本挖掘的我国传染病研究主题与方法演进分析

目的基于主题建模的文本分析思路,开展传染病相关科学主题的内容挖掘和呈现,尝试从文本建模视角呈现我国传染病科学主题的演变趋势。方法收集中国知识资源总库(CNKI)中传染病相关论文,使用文档语义结构挖掘工具集gensim对其标题与摘要进行文本预处理与特征转化,呈现和绘制传染病相关科学主题的演进模式,基于机器学习工具scikit-learn的LDA(Latent Dirichlet Allocation)和主题邻近度计算的文本挖掘方法。结果对我国近30年间发表的2 594篇以传染病为主题的期刊文献进行分析,我国传染病相关研究可划分为"传染病特性研究"、"传染病防控防疫"、"数理分析与预测研究"3大主题。主要研究方法为问卷调查法、传染病模型、假设检验、动力学模型等。结论新发传染病的暴发流行极大地促进了传染病学主题研究文献的发表。近年来与数学、计算机、经管、情报领域的关联越发紧密,传染病学研究呈现出与多学科多方法交叉融合的发展态势。