基于LDA和word2vec模型的情報學期刊主題挖掘與演化分析

楊中華; 李般若

0
0
瀏覽
下載

摘要
關鍵詞
基金信息
論文圖表
動態公開評議
相關論文
評論

基于LDA和word2vec模型的情報學期刊主題挖掘與演化分析

首發時間：2023-05-12

楊中華 ^{1
2}
楊中華，男，副教授，研究方向：文獻計量、文本挖掘；
李般若 ¹
李般若，女，碩士研究生，研究方向：文本挖掘與知識發現；

1、武漢科技大學恒大管理學院，湖北武漢 430065
2、湖北省產業政策與管理研究中心，湖北武漢 430065

摘要：LDA模型常常被用來探尋情報學學科領域的研究變化趨勢以及某一時期的研究熱點。針對LDA模型主題模型挖掘過程中主題個數選擇問題和主題關聯構建時未考慮主題詞語義含義問題做進一步優化研究，為豐富和完善主題演化分析方法提供參考。以《情報雜志》為例，運行LDA模型對期刊中摘要、標題和關鍵字結合作為語料主題模型。在設置主題個數時，結合使用困惑度和主題平均相似度初步確定主題個數，再運用信息熵進一步優化過濾識別出的主題；在主題演化建立關聯時，提出一種基于LDA和word2vec的主題演化研究方法方法?；贚DA和word2vec主題演化研究方法能夠結合語義表示很好地發現主題內容新生、消亡、繼承、分化、融合關系，這對科研人員判斷學科變化趨勢，決策者發現研究重點有重要意義。

關鍵詞：管理科學與工程主題挖掘主題演化 LDA word2vec 《情報雜志》

For information in English, please click here

LDA and word2vec Based Topic Mining and Evolution Analysis of Chinese Information Science Journal Paper

Yang Zhonghua ^{1
2}
楊中華，男，副教授，研究方向：文獻計量、文本挖掘；
Li Banruo ¹
李般若，女，碩士研究生，研究方向：文本挖掘與知識發現；

1、Evergrande School of Management, Wuhan University of Science & Technology, Wuhan Hubei 430065, China
2、 Hubei Province Center for Industrial Policy and Management Research, Wuhan Hubei 430065, China)

Abstract：The LDA model is usually adopted to investigate the research dynamics and research hotspots in the field of information science. In the process of topic mining with LDA model, an optimization is made on the determination of the number of topics and taking semantic meaning of topic words into consideration in the construction of topic association, so as to provide a reference for enriching and improving the method of topic evolution.Taking Journal of Intelligence as an example, the LDA model is used to investigate the topics of the journal with abstracts, titles and keywords as the corpus. When setting the number of topics, the number of topics is preliminarily determined by the perplexity and average similarity of topics, and then the information entropy is used to filter the identified topics; when establishing the association of topics, a LDA and word2vec based topic evolution analysis method is proposed. With semantic representation, the proposed method can identify key topic semantic evolution patterns effectively such as rebirth, extinction, inheritance, division and merging of topic content, which is of great significance for researchers to investigate the trend of discipline development.

Keywords： Management Science and Engineering topic mining topic evolution LDA word2vec Journal of Intelligence

基金：

論文圖表：

引用

導出參考文獻

.txt

.ris

.doc

楊中華，李般若. 基于LDA和word2vec模型的情報學期刊主題挖掘與演化分析[EB/OL]. 北京：中國科技論文在線 [2023-05-12]. http://www.cielomedsolutions.com/releasepaper/content/202305-77.

No.****

動態公開評議

共計0人參與

動態評論進行中

評論

全部評論

0/1000

論文編號	202305-77
論文題目	基于LDA和word2vec模型的情報學期刊主題挖掘與演化分析
文獻類型
收錄期刊	上傳封面中文期刊英文期刊期刊名稱（中文）期刊名稱（英文）年，卷（）上傳封面中文專著英文專著書名（中文）書名（英文）出版地出版社出版年上傳封面中文譯著英文譯著書名（中文）書名（英文）出版地出版社出版年上傳封面中文論文集英文論文集編者.論文集名稱（中文） [c]. 出版地出版社出版年， - 編者.論文集名稱（英文） [c]. 出版地出版社出版年，- 上傳封面中文文獻英文文獻期刊名稱（中文）期刊名稱（英文）日期-- 在線地址http:// 上傳封面中文文獻英文文獻文題（中文）文題（英文）出版地出版社,出版日期-- 上傳封面中文文獻英文文獻文題（中文）文題（英文）出版地出版社,出版日期--
英文作者寫法：中外文作者均姓前名后，姓大寫，名的第一個字母大寫，姓全稱寫出，名可只寫第一個字母，其后不加實心圓點“.”, 作者之間用逗號“，”分隔，最后為實心圓點“.”, 示例1：原姓名寫法：Albert Einstein,編入參考文獻時寫法：Einstein A. 示例2：原姓名寫法：李時珍；編入參考文獻時寫法：LI S Z. 示例3：YELLAND R L,JONES S C,EASTON K S,et al.