基于Rao-Stirling指数和LDA模型的领域学科交叉主题识别——以纳米科技为例

发布时间：2023-10-07 20:31

　　【目的/意义】基于Rao-Stirling指数和LDA模型进行领域学科交叉主题识别,并以纳米科技为例验证将Rao-Stirling指数和LDA模型用于领域学科交叉主题识别的有效性和适用性。【方法/过程】基于Rao-Stirling指数测度领域文献学科交叉程度,设定阈值发现高度学科交叉文献。基于LDA模型对筛选出的学科交叉文献进行主题识别,发现学科交叉点和学科交叉研究主题。【结果/结论】基于Rao-Stirling指数从引文的角度进行领域文献学科交叉测度可以有效地发现与某领域相关的学科交叉文献,且有利于大数据集的学科交叉文献发现研究的实现。基于LDA模型进行学科交叉主题识别可以有效地发现学科交叉主题。两方法的组合应用为发现某领域学科交叉主题研究提供一种新视角。

【文章页数】：9 页

【文章目录】：
1 引言
2 国内外研究现状
    2.1学科交叉文献发现研究
        2.1.1第一代多样性测度
        2.1.2第二代多样性测度
        2.1.3第三代多样性测度
    2.2主题识别研究
        2.2.1潜在语义索引(Latent Semantic Indexing,LSI)
        2.2.2概率潜在语义索引（probabilistic Latent Semantic Indexing,pLSI)
        2.2.3隐含狄利克雷分布（Latent Dirichlet Allocation,LDA)
3 研究方法
4 领域文献引文所属期刊的学科分布
5 基于Rao-Stirling指数的领域学科交叉文献发现
6 基于LDA模型的领域学科交叉文献的主题识别
    6.1主题数目的确定
    6.2主题识别
7 讨论与结论



本文编号：3852455