共查询到20条相似文献，搜索用时 437 毫秒
1.
[目的/意义]旨在发现国内用户画像研究领域的研究主题以及这些主题的发展脉络,为图书馆用户画像的构建提供参考。[方法/过程]运用LDA主题模型对国内用户画像研究论文的题目、摘要和关键词等内容进行文本挖掘,按年度对热点主题进行分析并发现各主题的演化趋势。[结果/结论]国内用户画像研究领域大体可划分为8个研究主题：新媒体营销、电商系统与精准营销、推荐算法与推荐系统、健康信息服务、教育教学、金融服务、社交网络与内容分析、高校图书馆与信息服务。研究主题按年度演化趋势可分为上升主题、平稳主题和衰减主题3类。高校图书馆与信息服务是上升幅度最大的主题,这表明研究人员越来越关注用户画像在图书馆及相关领域的应用研究。 相似文献
2.
[目的/意义]探究在线健康社区的研究热点及主题演化脉络,为在线健康社区领域的探索研究提供借鉴,同时在一定程度上助力健康中国战略的实施。[方法/过程]以2006—2021年Web of Science核心集中有关在线健康社区领域的339篇文献为研究对象,利用SciMAT软件制作关键词重叠图、主题战略坐标图和主题演化路径图,分析在线健康社区领域的研究热点和演化路径。[结果/结论]在线健康社区领域各时期聚类的主题数量先减后增,主题类团的演化能力不断增强,演化路径日渐平稳。三条主要的主题演化路径为：(1)在线健康社区的社会支持研究：社会支持→社会支持→社会支持→社会支持、癌症;(2)在线健康社区的在线社交媒体研究：质量→在线社交媒体→在线社交媒体;(3)在线健康社区的在线评论研究：口碑→在线评论。 相似文献
3.
[目的/意义]主路径上核心主题的演化可以反映行业发展方向，凸显行业热点技术并预测技术的未来发展，有效判断技术主题间的传承演变关系。[方法/过程]本研究构建一种凸显主路径上的核心主题及演化方法。该方法不同于文本挖掘和聚类，是基于引文网络主路径映射专利分类号的链接计数，通过专利的分类号替代技术主题在主路径上演化并计算节点的技术主题含量，以技术主题含量的变化凸显主路径上的核心主题及其发展历程。[结果/结论]展示有机发光二极管OLED的主题演化图，证实了该方法的合理性。 相似文献
4.
[目的/意义]分析国内外话语权研究现状,掌握其热点主题及演化趋势,对于破解中国话语困境,推动国内话语权研究的创新发展具有重要参考意义。[方法/过程]选取1990—2022年间国内外话语权相关研究文献,采用DTM动态主题模型对其进行主题挖掘,并从热点主题识别与分析、主题强度演化趋势及主题关键词演化路径三方面对比分析国内外话语权研究的现状及差异。[结果/结论]国内外话语权研究在热点主题、研究方法、主题强度及主题演化趋势等方面均存在较大差异：(1)在热点主题的研究方法上,国内研究更注重开展思辨研究,而国外研究更倾向于采用定量研究方法开展实证研究;(2)在主题强度演化趋势上,国内研究的主题强度变化波动较大,而国外研究的研究主题则具有较强的传承性和递进性;(3)在热点主题的识别和主题关键词演化路径上,国内研究的热点主题多于国外,且国内外同一研究主题处于不同发展阶段时的研究重心存在显著差异,与时代背景密切相关。 相似文献
5.
【目的/意义】识别信息隐私研究领域的热点主题,梳理主题演化路径。【方法/过程】针对主题识别语义杂乱
等问题,提出时序关联与结构表征视角下的主题演化分析方法。首先利用LDA（Latent Dirichlet Allocation）模型识
别多时间窗口下的文献主题,进一步运用共词分析绘制语义更为独立的主题凝聚子群。在此基础上,从时序关联
维度计算相邻窗口下主题间的相似度,梳理演化路径;从结构表征维度,设计主题新颖度、中心性、影响力等计量指
标,探寻信息隐私前沿和热点主题的演化变迁。【结果/结论】实证分析结果表明,本文方法可以深度挖掘信息隐私
领域研究主题,从宏微观两个维度全面梳理主题的演化路径。研究有利于探测信息隐私研究的前沿。【创新/局限】
综合运用LDA主题模型与共词分析方法绘制主题凝聚子群,从时序演化和结构表征两个维度探寻主题演化路径。
未来研究中有待于引入多种数据源以对比主题差异,有待于引入多元组术语改善主题识别效果。 相似文献
6.
[目的/意义]从知识流视角揭示研究前沿核心主题与发展主题知识吸收与扩散过程,分析其演变规律及关键节点,以期为研究人员深入开展前沿研究提供新视角和新思路。[方法/过程]首先,基于共被引理论获取研究前沿核心文献和施引文献集合,通过主题聚类识别前沿核心主题和发展主题两类知识节点;其次,对知识节点进行向量化表示,通过计算知识节点间相似度构建知识节点之间的关联关系,依据知识节点类型和节点关联关系识别研究前沿知识流动的6种类型;再次,利用EChart平台对主题演化状态进行可视化;最后,以“基因组编辑技术及其在农作物中的应用”研究前沿为例开展实证研究,并结合近年基因编辑技术研究内容、相关前沿发布情况验证方法的可行性和有效性。[结果/结论]实证结果表明,基于核心主题和发展主题,从知识流的视角对主题演化状态进行分析,能够识别前沿主题演化路径及发展的关键节点,有助于探索研究前沿可能的创新切入点,开展前瞻布局,把握前沿机遇。 相似文献
7.
[目的/意义]通过技术预测的量化趋势演化模型预测挥发性有机物（VOCs）的新技术和技术发展态势,从而为该领域提供技术路径方案。[方法/过程]文章基于专业术语、高频词、词共现三个维度,分析得到术语集,从新技术发现和领域技术发展态势两个方面,提出了一种基于趋势演化分析的模型。模型包括领域技术主题筛选与处理、领域新技术主题清洗、领域技术主题时序演化趋势三个模块。[结果/结论]实证验证了趋势演化模型的可行性,预测了挥发性有机物(VOCs)治理技术主题主要集中于挥发性有机物催化及催化剂应用研究领域、光催化研究领域、挥发性有机物治理设备及工艺研究领域、污染源控制研究领域和污染源检测/监测研究领域。 相似文献
8.
[目的/意义]当前学科领域主题演化与预测研究文献快速增长,适时开展国内外最新研究的梳理与述评,助力研究的价值提升。[方法/过程]首先,归纳现有研究理论基础,构建研究总体框架图;其次,依据研究的内在知识逻辑,刻画了主题演化与主题预测的方法路径;最后,在剖析研究价值的基础上,提出未来研究建议。[结果/结论]后续研究需加强科学演化模型、演化扩散理论以及科学—技术关联模型的完善与应用,积极使用深度语言模型以及深度学习算法以提升主题预测的准确性,同时在宏观、中观以及微观三个层面丰富研究对象颗粒度,并注重研究的科技情报实效。 相似文献
9.
【目的/意义】数字阅读给人们的知识与信息获取带来了巨大的变化，识别数字阅读领域的研究热点及其主题演化路径，有助于对数字阅读领域建立起动态的全景化视野。【方法/过程】文章以数字阅读领域的高水平论文为基础数据源，基于关键词共现关系构建领域知识网络，通过高频次与高度值关键词识别领域研究热点，采用SLM社团发现算法和主题密度图跟踪分析领域的主题演化路径。【结果/结论】研究结果表明，数字阅读领域已具有相对稳定的知识体系架构；从数字出版到阅读推广再到问题消解，领域研究逐渐走向成熟；从关注阅读形式到关注阅读效果，领域研究进入内涵式发展道路。【创新/局限】研究工作主要聚焦于国内学术界具有代表性的高水平研究层次，未来的研究工作将纳入更广泛的数据来源，进行更加全面细致地研究。 相似文献
10.
[目的/意义]颠覆性技术对技术和市场具有双重影响,无论是对科技发展还是市场结构调整都起到十分重要的作用,准确识别颠覆性技术能够解决可能出现的技术壁垒,对国家和企业具有重要意义。[方法/过程]从技术主题的演化趋势和演化形式两个维度提出颠覆性技术识别框架。首先,利用LDA模型和基于全局和局部影响力的社区探测方法识别领域内的技术主题。其次,基于颠覆性技术的“突变性”和“融合性”特征,引入技术主题时序共现网络和主题引用网络对主题间的演化趋势和演化形式进行判别,实现颠覆性技术的识别。最后,以人工智能领域为例验证提出的颠覆性技术识别方法的可行性和有效性。[结果/结论]该方法能够准确实现颠覆性技术的识别,研究识别出人工智能领域的7项颠覆性技术,包括“机器人模块化设计方法及应用”“相关领域机器人技术及应用主题”“仿生机器人技术及应用”“自动无人智能系统”“自动驾驶技术”“服务机器人技术及应用”和“机器人部件优化技术”这有利于我国抓住科技创新主动权,加快颠覆性技术布局。 相似文献
11.
[目的/意义]文本智能计算是近年来的新兴交叉学科,揭示其研究动态对情报学研究有重要意义。[方法/过程]从关键词共现网络的视角,以WOS核心合集中的文献为分析样本,借助复杂网络计算、社区划分以及可视化等技术手段,揭示了文本智能计算研究的主题结构和演化脉络,并总结归纳了其发展态势。[结果/结论]当前文本智能计算研究的结构趋于稳定,各子领域关联性较强。研究当前主要分为5个子领域,人工智能、数据挖掘是当前的领域研究热点,文本分析领域将有所突破,并成为新的研究重心。 相似文献
12.
【目的/意义】构建主题-主题关联的学科知识网络,从主题之间语义关联角度度量主题在学科知识网络中
的影响力,分析学科知识结构演化规律,为热点、前沿主题探测提供方法支撑。【方法/过程】基于 LDA主题模型抽取
学科领域研究主题,利用主题在科学文献中的共现关系构建主题-主题关联的学科知识网络,并提出主题影响力概
念和度量方法;基于复杂网络结构分析方法对学科领域生命周期内主题-主题关联的学科知识网络进行演化分
析。【结果/结论】实证分析表明主题的网络影响力是主题强度、被学者关注度等外部特征指标的有力补充,可用来
探测热点、前沿主题。同时,学科知识结构随着学科领域的发展表现出较强的小世界网络特征。 相似文献
13.
[研究目的]新兴领域由于发展时间不长,相关研究的文本量不够充足,先切分文本后关联主题的演化方法可能会导致各时间窗主题重复等问题,因此提出一种先整体识别热点,后切片分析演化的方法,解决新兴领域演化分析中文本量不足的问题。[研究方法]以制氢领域的核心中文期刊文献为数据源,通过构建指标体系先对整体语料库进行热点主题识别,再进行时间切片。对每个时间窗口的文本进行LDA主题抽取,并利用Word2Vec训练词向量,通过相似度计算进行热点主题的子话题关联及其主路径的词汇关联,从而分析各热点主题的结构演化和内容演化。[研究结论]绘制了各热点主题的结构演化图,并以热点主题光催化剂性能及其制备为例,揭示了其在各时间窗内的热点转移关系;同时绘制了其内容演化图,揭示了其各时间窗内的研究重点。实现了演化研究方面的精细化表达,为文本量不够充足的新兴领域演化分析提供了有效可行的思路。 相似文献
14.
[目的/意义]预测社科领域在未来有发展潜力的研究主题对于科研工作者寻找新的学科增长点和政府部门优化资源配置至关重要。文章提出一种基于语义表示和动态主题模型的社科领域新兴主题预测框架,以期丰富和完善主题预测研究的方法体系。[方法/过程]首先,使用BERT模型和UMAP算法对文本进行语义表示和向量降维,再通过动态主题模型对嵌入向量进行聚类,从而获得全局主题;其次,构建新兴主题指标计算公式,基于Neural Prophet模型和非参数检验方法预测新兴主题;最后,通过划分时间窗将全局主题细化为多个局部主题,以定位最近时间段的新兴词汇。[结果/结论]选取“人口老龄化”领域的学术论文和报纸进行实证研究,并采用资料验证法进行方法有效性分析,结果表明该方法能够快速准确地预测社科领域中的新兴主题。 相似文献
15.
[目的/意义]从微观视角把握研究前沿主题在基金项目、论文数据中的关联关系,有助于准确把握科学知识生长中的研究前沿活动机理,对于研究前沿、新兴趋势识别和多源科技文献融合等工作具有一定的实践指导意义。[方法/过程]首先,利用LDA模型进行基金、论文研究主题探测;然后,综合新兴度、关注度指标和战略坐标图进行初始研究前沿判别,在主题扩散演化滞后效应测度结果基础上进行滞后修正的研究前沿识别;最后,利用ARIMA模型和Word2Vec模型进行研究前沿主题趋势预测分析。[结果/结论]以美国纳米农业领域为例进行了实证研究。研究发现,基金和论文在外部数量和内部主题特征两个层面都显示出一定的滞后性。文章对纳米颗粒在农作物代谢过程中诱导应激机制、用于绿色可持续环境及农业应用的纳米气泡技术、农作物吸收不同剂量下纳米材料的反应与机制等7个研究前沿主题发展趋势进行了预测分析。 相似文献
16.
【目的/意义】云计算的普及使得MI学科受到学术界的持续关注，对MI主题识别与演化的分析可以揭示历史演化，有助于发现人们关注的问题，预见该领域的未来发展。【方法/过程】本文利用潜狄利克雷分配（Latent Dirichlet Allocation, LDA）主题模型对web of science(WOS)数据库中与MI相关的主题进行识别和挖掘，并利用生命周期理论、变异系数法、Kullback-Leibler divergence(KL)等理论和方法绘制出MI研究主题的演化路径。【结果/结论】研究结果表明，MI的研究主题正逐渐向方法、技术和实践的研究方向发展，医疗数据分析、临床数据挖掘、健康信息技术等新兴技术和应用方向将成为未来MI学科的研究热点。【创新/局限】本文从生命周期视角对全球范围内医学信息学学科的主题演化进行挖掘和分析，为该学科未来的发展提供借鉴，但并没对各地区分别进行分析，因此存在一定的局限性。 相似文献
17.
基于机器学习算法的研究热点趋势预测模型对比与分析——BP神经网络、支持向量机与LSTM模型 总被引：2，自引：0，他引：2
[目的/意义]细粒度分析学科领域热点主题发展脉络并对利用机器学习算法对未来发展趋势进行准确预测研究。[方法/过程]提出一种基于机器学习算法的研究热点趋势预测方法与分析框架，以基因工程领域为例利用主题概率模型识别WOS核心集中论文摘要数据研究热点主题并进行主题演化关联构建，然后选取BP神经网络、支持向量机及LSTM模型等3种典型机器学习算法进行预测分析，最后利用RE指标和精准度指标评价机器学习算法预测效果并对基因工程领域在医药卫生、农业食品等方面研究趋势进行分析。[结果/结论]实验表明基于LSTM模型对热点主题未来发展趋势预测准确度最高，支持向量机预测效果次之，BP神经网络预测效果较差且预测稳定性不足，同时结合专家咨询和文献调研表明本文方法可快速识别基因领域研究主题及发展趋势，可为我国学科领域大势研判和架构调整提供决策支持和参考。 相似文献
18.
[目的/意义]分析2007-2016年中国竞争情报年会会议论文的基本情况,揭示竞争情报研究热点主题及其演化规律,探索竞争情报的未来发展趋势。[方法/过程]选取2007-2016年中国竞争情报年会会议论文,对高频关键词综合运用共词分析、聚类分析和战略坐标图方法进行分析。[结果/结论]展示我国竞争情报研究的主题演化特征,表明竞争情报系统是领域研究的基础主题和活跃主题,大数据和智库研究将会是我国竞争情报发展新的挑战,以情报池为基础的综合情报分析将会是未来竞争情报研究的趋势。 相似文献
19.
20.
[目的/意义]舆情反转现象频发消耗了网民的信任感,降低了网民在网络世界的安全感。基于舆情大数据对反转现象进行及时的分析识别,对营造健康安全的互联网舆论环境具有重要意义。[方法/过程]文章通过案例分析对舆情反转的特征与规律进行了归纳总结,并从主题演化角度出发,提出一种基于主题聚类模型LDA与门控循环神经网络单元(GRU)的舆情反转实时识别模型(DDPOR)。首先根据时间窗口采集实时文本数据,利用主题模型动态计算事件的当前言论较于先前观点的主题吻合度。随后结合文本时序特征,利用门控循环神经网络完成反转判定,实现网络舆情事件的反转预测。最后选取27个经典舆情反转案例开展实证分析,检验模型对反转的识别率与灵敏度。[结果/结论]实验表明,DDPOR可以及时地实现舆情反转的自动化识别,识别准确率高达90.54%,优于其他对比模型,且对网络舆情的实时监测与管控具有一定实践价值。 相似文献