Prophet预测-修正的主题强度演化模型——以干细胞领域为实证

发布时间：2021-05-18 11:59

　　[目的/意义]主题演化对科技前沿探测、创新战略部署具有十分重要的作用。[方法/过程]将主题演化分析过程分解为主题的表示、相似性关联和强度演化计算几个步骤,提出一种主题强度演化与预测模型,使用LDA模型进行主题的表示,提出内容、共现和趋势相似度等维度进行主题关联计算,引入基于Prophet的预测-修正模型进行主题演化趋势预测。并以干细胞领域为例,进行演化的实证分析。[结果/结论]实验表明,对每个研究主题采用Logistic增长模型进行预测R2Score都达到0.90以上,表明Prophet中的Logistic增长模型与该领域主题增长趋势规律相符合,能够较好地拟合主题强度的演化趋势。提出的主题演化模型对专业领域内主题分布与演化分析有一定的借鉴意义。 

【文章来源】：图书情报工作. 2020,64(08)北大核心CSSCI

【文章页数】：15 页

【文章目录】：
1 研究现状
    (1)数据价值高。
    (2)数据不完整。
2 研究方法流程
    2.1 主题表示建模
        (1)主题模型参数选择问题。
        (2)主题的语义增强问题。
    2.2 主题关联
        2.2.1 主题强度
        2.2.2 主题相似性度量方法
        2.2.3 三种主题相似性度量方法的一致性
    2.3 主题趋势预测
3 实证研究
    3.1 数据预处理
        (1)关键词抽取。
        (2)主题的语义增强。
    3.2 干细胞领域研究主题的抽取
    3.3 主题强度计算及关联性分析
        (1)3种相似度度量方法结果。
        (2)3种相似性度量方法的一致性分析结果。
    3.4 主题强度演化分析与预测
    3.5 主题强度演化分析与预测结果展示
4 总结讨论


【参考文献】：
期刊论文
[1]基于Chunk-LDAvis的核心技术主题识别方法研究[J]. 刘自强,许海云,岳丽欣,方曙.  图书情报工作. 2019(09)
[2]基于医学文献的主题演化类型与演化路径识别方法研究[J]. 范少萍,安新颖,单连慧,晏归来,宫小翠.  情报理论与实践. 2019(03)
[3]技术主题演化研究方法综述[J]. 罗文馨,王园园.  知识管理论坛. 2018(05)
[4]LDA模型的优化及其主题数量选择研究——以科技文献为例[J]. 王婷婷,韩满,王宇.  数据分析与知识发现. 2018(01)
[5]基于PhraseLDA模型的主题短语挖掘方法研究[J]. 张琴,张智雄.  图书情报工作. 2017(08)
[6]面向TRIZ的领域专利技术挖掘系统设计与实践[J]. 胡正银,刘春江,隗玲,杨宁,徐源,许海云,文奕.  图书情报工作. 2017(01)

硕士论文
[1]基于名词短语提取与词条权重分析的话题提取算法研究[D]. 孙孟孟.浙江大学 2014



本文编号：3193751