基于PageRank和Node2vec的研究热点与集群发现——以国际深度学习研究领域为例

发布时间：2022-07-20 14:51

　　[目的/意义]为有效挖掘领域研究热点与集群,规避单纯基于频次统计的热点排序方法所存在的弊端,以及基于高频关键词共词网络集群发现方法所带来的偏差。[方法/过程]提出利用无向加权PagaRank算法进行研究热点排序,综合考量关键词之间共现的数量和质量,同时强调全部关键词共词网络的重要性,综合Node2vec表示学习和t-SNE聚类算法对全部关键词进行集群发现,以国际深度学习领域研究文献为例,分别进行热点排序和集群发现。[结果/结论]研究表明PageRank算法不仅能够区分频次统计算法无法区分的排名,而且从整体网络结构衡量研究热点,综合考量共现的数量和质量,使排序结果更为准确;整合Node2vec和t-SNE算法进行研究集群发现,可有效改善单纯利用高频关键词进行集群发现的不足,避免在有限的关联密切的高频关键词之间强制分门别类;综合热点和集群发现方法,可在凸显热点的基础上描述集群细节,有效揭示集群脉络。 

【文章页数】：7 页

【文章目录】：
0 引 言
1 研究方法
    1.1 PageRank算法
    1.2 Node2vec算法
    1.3 T-SNE降维聚类算法
2 数据采集与处理
3 研究热点发现
    3.1 PageRank结果与频次统计结果一致性检验
    3.2 PageRank结果与频次统计结果差异性分析
4 研究集群发现
    4.1 基于全部关键词共词网络的集群聚类
    4.2 热点集群展示
5 结 语


【参考文献】：
期刊论文
[1]基于PageRank的论文引用网络关系挖掘[J]. 金洁,徐岳皓,刘振宇.  中国电子科学研究院学报. 2019(09)
[2]基于改进PageRank算法的作者影响力评价研究[J]. 臧思思,李秀霞,孔月.  情报理论与实践. 2019(11)
[3]基于PageRank的热点发现混合算法研究[J]. 应毅,黄慧,刘定一.  计算机技术与发展. 2019(09)
[4]基于t-SNE降维的科学基金资助项目可视化方法研究[J]. 陈挺,李国鹏,王小梅.  数据分析与知识发现. 2018(08)
[5]混合关键词选择策略对共词分析效果的影响研究[J]. 李纲,李昱瑶,谢子霖,巴志超.  情报理论与实践. 2017(11)
[6]共词分析过程中的若干问题研究[J]. 李纲,巴志超.  中国图书馆学报. 2017(04)
[7]国内知识网络发展述评及演化分析[J]. 邱均平,刘宁.  图书馆学研究. 2016(10)
[8]国际信息可视化知识族群:演化、聚类及迁徙研究[J]. 张敏,霍朝光,霍帆帆,吴郁松.  情报科学. 2016(04)
[9]科技论文关键词特征及其对共词分析的影响[J]. 胡昌平,陈果.  情报学报. 2014 (01)
[10]基于词频g指数的共词聚类关键词选取研究——以教育技术学硕士学位论文为例[J]. 张松,刘成新,苌雨.  现代教育技术. 2013(10)



本文编号：3664196