基于LDA和循环神经网络的金融科技研究文献主题关联和预测

发布时间：2024-03-11 00:52

　　在新一轮的科技革命推动下,与金融科技相关的行业迅速崛起。近些年来,人工智能、区块链、云计算和大数据成为了各行各业的焦点,对“金融科技”的学术研究也随之繁荣。不少学者紧跟时事,对金融科技的相关领域一直在探索,对其可行性进行分析,也从不同角度提出了具有建设性的建议。科学梳理研究文献中的隐藏主题和主题的发展脉络,具有重要的现实意义。如何运用科学计量和文本挖掘等方法对海量文献进行梳理,如何挖掘大量学术论文中的研究主题,梳理研究主题的演化过程和关联关系,预测主题前沿热点,对掌握科技竞争先机至关重要。目前,关于主题挖掘与识别、关联演化和主题前沿预测的方法有很多,包括文本挖掘、共词分析、引文分析等,形成一定范式,但仍然存在不足:首先,在切分时间窗口时,根据主题时间跨度平均切分,忽略学科主题发展的生命周期性;其次,在进行主题关联演化分析时,仅仅使用单一的相似度指标,没有对比分析不同差异性度量的优劣,可能不能很好地反映主题演化关系;另外,对于主题指标的预测,带有主观性不够科学,部分主题前沿指标设计不全面,不能很好地刻画主题发展趋势。基于此,本文以金融科技的研究文献为文本数据集,利用LDA主题模型进行这些...

【文章页数】：50 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 引言
    第一节 研究背景
    第二节 文献综述
    第三节 论文创新
    第四节 论文结构安排
第二章 研究理论和方法
    第一节 生命周期理论
    第二节 主题挖掘基础
        一、LDA主题挖掘原理
        二、LDA模型的困惑度
        三、主题关联分析
        四、主题语义演化模式
        五、主题预测指标
    第三节 循环神经网络基础
        一、循环神经网络
        二、LSTM神经网络
    第四节 研究思路和框架
第三章 金融科技研究文献的主题关联和主题预测
    第一节 时间窗口划分
    第二节 数据集处理
    第三节 主题挖掘分析
    第四节 主题和主题热度展示
        一、全局主题总结
        二、萌芽期主题
        三、成长期主题
        四、成长快速期主题
        五、衰退期/转型期的主题展示
    第五节 主题关联性分析
        一、各个时间窗口间的主题演化分析
        二、全局的主题演化分析
    第六节 主题预测分析
        一、主题指标
        二、模型设置
        三、模型结果分析
        四、模型预测分析
第四章 总结与展望
参考文献
致谢



本文编号：3925571