基于机器学习算法的研究热点趋势预测模型对比与分析——BP神经网络、支持向量机与LSTM模型

[目的/意义]细粒度分析学科领域热点主题发展脉络并对利用机器学习算法对未来发展趋势进行准确预测研究。[方法/过程]提出一种基于机器学习算法的研究热点趋势预测方法与分析框架，以基因工程领域为例利用主题概率模型识别WOS核心集中论文摘要数据研究热点主题并进行主题演化关联构建，然后选取BP神经网络、支持向量机及LSTM模型等3种典型机器学习算法进行预测分析，最后利用RE指标和精准度指标评价机器学习算法预测效果并对基因工程领域在医药卫生、农业食品等方面研究趋势进行分析。[结果/结论]实验表明基于LSTM模型对热点主题未来发展趋势预测准确度最高，支持向量机预测效果次之，BP神经网络预测效果较差且预测稳定性不足，同时结合专家咨询和文献调研表明本文方法可快速识别基因领域研究主题及发展趋势，可为我国学科领域大势研判和架构调整提供决策支持和参考。     

专利前沿技术主题识别及趋势预测方法——以人工智能领域为例

[目的/意义]产业变革快速演进,技术创新成为驱动社会经济发展、提高国家和企业科技竞争力的关键所在,如何对前沿技术进行识别和预测,成为国家科技政策研究和企业技术创新活动关注的热点。[方法/过程]以人工智能作为重点研究领域,首先以LDA模型进行技术主题抽取,并结合K-means算法进行专利文本聚类;在此基础上,以Z分数表示技术主题创新度,以Sen's斜率估计技术主题授权趋势,两个指标结合形成技术主题前沿度并将二者映射到二维空间,识别前沿技术主题以及划分技术主题类型;再,计算前沿技术主题的新颖度和关注度,二者融合形成技术主题趋势度指标;最后,采用三次指数平滑法对前沿技术主题的发展趋势进行预测。[结果/结论]人工智能领域的前沿技术主题有“智能家居”“电动汽车”和“自动化控制系统”,其中“智能家居”在未来3年的发展呈下降态势,而“电动汽车”和“自动化控制系统”的发展呈明显上升趋势。     

基于论文和专利数据的研究前沿挖掘研究——以智能网联汽车领域为例

[目的/意义]对比论文数据和专利数据的特征指标,识别热点、新兴、潜在和消亡研究前沿主题.[方法/过程]利用LDA主题模型,对智能汽车领域相关的论文数据和专利数据进行主题提取,计算两个数据源下各主题的强度和主题新颖度并进行对比分析.[结果/结论]本文识别出路径规划技术等热点研究前沿6个、智能计算等新兴研究前沿2个、安全认...     

基于隐含空间模型降维和LDA模型的学科主题识别研究

[目的/意义]现有学科研究主题的梳理多为领域专家的定性分析和学科学者的文献梳理,一定程度会由于研究思维的局限性和获取知识的片面性造成学科研究主题误判,为有效避免漏判误判现象的发生,提出识别模型。[方法/过程]首先,运用传统LDA模型分析主题特征词;其次,结合上下文语义信息进行中文分词,形成学科主题词库;最后,结合隐含位置聚类算法发现潜在社区,提高主题识别效果。[结果/结论]提出的方法一定程度上优化了主题挖掘算法在识别短文本主题的效果,消除主观意愿。由计算机自行分类并实现科学研究前沿主题的预测,揭示前沿领域的研究热点,为致力于研究前沿学科的新兴学者提供参考价值。     

学科研究热点识别新视角：主题动能——以图书情报领域为例

[目的/意义]从研究主题的知识生产与扩散两方面识别学科研究热点,有利于明确学科重点,把握学科发展动向,为预测未来研究趋势提供研究基础。[方法/过程]提出主题动能概念,基于研究主题的生产与扩散指标构建主题动能模型,综合分析某时间段某主题的研究质量(横向热度)与速度(纵向变化),识别学科研究热点;并根据多时间段的动能变化情况划分不同类型的研究热点,描述其动态变化。[结果/结论]选择图书情报领域2017—2021年研究文献与引证文献为例进行实证分析,发现主题动能模型能够有效识别当前阶段的学科研究热点;选择2012—2016年和2017—2021年两个时间段的相关数据分析主题动能变化,能够划分学科“前沿型”“稳定型”“衰退型”三种类型研究热点,实现对学科研究的动态描述。     

基于文本聚类的生物医学工程领域研究前沿主题探测分析

生物医学工程是一个大跨度、多学科交叉的学科领域,涉及生命科学、医学、物理、工程等多个学科。本文基于爱思唯尔Sci Val数据库创建的9.6万个研究主题,结合生物医学工程学科分布特征,构建全球生物医学工程领域研究前沿计量指标体系,对生物医学工程领域研究前沿主题进行探测与遴选,识别出该领域内的热点、媒体高关注度、新兴研究前沿主题,并对研究前沿主题态势进行实证分析,为生物医学工程领域科研人员、高层科研管理者决策提供参考。     

基于多源数据知识融合方法的研究前沿识别

[目的/意义]面对科技创新演变的加剧和交叉融合加速的大环境，利用情报研究方法及其他学科方法准确识别科技前沿成为获取科技战略情报的重要任务。研究前沿不仅提供了对当前重点和未来趋势的预见，而且为政府决策提供了关键指标。[方法/过程]通过内容分析对当前研究前沿的识别框架、方法以及多元关系、深入内容层面分析方法的应用等现状进行总结，发现目前在研究前沿识别模型和方法中仍存在不足。[结果/结论]针对不足，结合多源数据进行知识融合初步设计了综合宏观和微观的前沿识别模型，将多实体和多关系融合应用到主题关联，利用图模型的社团结构识别和Clique所含信息进行主题表示；划分研究前沿类型并构建前瞻性指标体系，完成科技前沿的识别，以期更准确、高效、全面地识别科技前沿。     

基于主题扩散演化滞后的研究前沿趋势预测方法研究

[目的/意义]从微观视角把握研究前沿主题在基金项目、论文数据中的关联关系,有助于准确把握科学知识生长中的研究前沿活动机理,对于研究前沿、新兴趋势识别和多源科技文献融合等工作具有一定的实践指导意义。[方法/过程]首先,利用LDA模型进行基金、论文研究主题探测;然后,综合新兴度、关注度指标和战略坐标图进行初始研究前沿判别,在主题扩散演化滞后效应测度结果基础上进行滞后修正的研究前沿识别;最后,利用ARIMA模型和Word2Vec模型进行研究前沿主题趋势预测分析。[结果/结论]以美国纳米农业领域为例进行了实证研究。研究发现,基金和论文在外部数量和内部主题特征两个层面都显示出一定的滞后性。文章对纳米颗粒在农作物代谢过程中诱导应激机制、用于绿色可持续环境及农业应用的纳米气泡技术、农作物吸收不同剂量下纳米材料的反应与机制等7个研究前沿主题发展趋势进行了预测分析。     

科学与技术对比视角下的前沿主题识别与演化分析

[研究目的]基于研究前沿多维特征指标测度识别研究前沿,分析科学前沿主题与技术前沿主题间的联系及其演化。[研究方法]首先,对论文和专利数据进行主题挖掘,从前沿主题特征出发通过新颖度、增长性、影响力和交叉性4个测度指标识别出研究前沿,分析科学前沿主题与技术前沿主题间的联系;其次,通过主题相似度计算、主题过滤等方法识别具有演化关系的主题对,并对前沿主题内容演化过程进行可视化分析。[研究结论]以固体氧化物燃料电池领域为例,识别出了包括固体氧化物燃料电池堆研究等在内的4个科学前沿主题与复合电极材料在内的4个技术前沿主题,科学研究与技术研究互相推进,呈现双螺旋式发展。     

基于支持向量机和改进粒子群算法的科学前沿预测模型研究

【目的/意义】识别科学研究前沿主题,预测未来发展趋势。【方法/过程】首先利用主题概率模型识别出论文、 专利及基金项目多源数据中的科学前沿主题;考虑研究前沿主题演化的复杂性和非线性的特点,利用机器学习算 法和支持向量机模型预测主题发展趋势,并采用改进后的粒子群算法对模型参数进行优化,以提高传统支持向量 机模型在处理非线性、小样本等数据上的预测准确度。【结果/结论】实验对比发现,本方法对于研究前沿主题的预测 准确度较高,准确识别出石墨烯领域未来发展趋势。     

基于语义表示和动态主题模型的社科领域新兴主题预测研究

[目的/意义]预测社科领域在未来有发展潜力的研究主题对于科研工作者寻找新的学科增长点和政府部门优化资源配置至关重要。文章提出一种基于语义表示和动态主题模型的社科领域新兴主题预测框架,以期丰富和完善主题预测研究的方法体系。[方法/过程]首先,使用BERT模型和UMAP算法对文本进行语义表示和向量降维,再通过动态主题模型对嵌入向量进行聚类,从而获得全局主题;其次,构建新兴主题指标计算公式,基于Neural Prophet模型和非参数检验方法预测新兴主题;最后,通过划分时间窗将全局主题细化为多个局部主题,以定位最近时间段的新兴词汇。[结果/结论]选取“人口老龄化”领域的学术论文和报纸进行实证研究,并采用资料验证法进行方法有效性分析,结果表明该方法能够快速准确地预测社科领域中的新兴主题。     

学科研究主题发展等级划分与趋势预测方法——以我国智慧图书馆研究为例

【目的/意义】主题发展等级划分是信息组织研究的基础性问题,也是科研人员和科研管理部门进行研究选 题和学科服务的重要工作,对学科研究主题进行高效的发展等级划分与趋势预测,能够帮助相关科研人员和机构 把握学科领域研究态势,准确做出科研决策。【方法/过程】本文结合主题模型、Sen’s斜率估计法、Mann-Kendall法、 指数平滑法,提出一种学科研究主题发展等级划分与趋势预测方法。首先,在主题识别的基础上,形成主题发文度 和主题引文度两个指标,并参考波士顿矩阵对学科研究主题发展等级进行划分;然后,融合研究主题发文量、被引 量和下载量,形成主题热力度指标,采用指数平滑法对研究主题未来发展态势进行预测。【结果/结论】以我国“智慧 图书馆”研究的实验表明,本文所提方法能够对学科领域研究主题进行全方位、细粒度地发展等级划分和趋势预 测。【创新/局限】本文所提方法对其他学科研究主题的分析具有普适性,为实现动态情报分析提供了新的视角,局 限在于需要提高主题建模的可解读性,并进一步优化趋势预测方法。     

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

【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。     

基于可视化学科多样性测度指数和主题模型的领域学科交叉知识图谱构建——以纳米科技领域为例

[目的/意义]基于文献计量学和文本挖掘方法探索与某领域相关的学科交叉知识图谱的新思路。[方法/过程]提出可视化学科多样性测度指数和主题模型的领域学科交叉知识图谱研究框架，基于Science Overlay Map和嵌入领域本体的LDAvis进行领域学科交叉知识图谱的构建，并以纳米科技领域为例，验证学科交叉知识图谱研究框架的有效性和适用性。[结果/结论]基于Science Overlay Map的领域学科交叉科学地图，从全学科的角度展示纳米科技领域与其他学科的交叉情况，基于LDAvis结合领域本体的学科交叉主题交互图则聚焦具体的学科交叉主题和主题之间的相互关系，二者的结合可以从宏观和微观上更清晰地把握纳米科技领域与其他学科的交叉情况。本研究可以弥补学科交叉主题识别结果不容易被解释的局限性，为领域学科交叉知识图谱研究提供了一种解决方案的新视角。     

基于引文网络结构变换的大数据研究前沿预测

【目的/意义】对大数据知识领域的研究前沿及未来发展趋势进行预测。【方法/过程】利用引文网络结构变 换模型方法,通过 CiteSpace信息可视化软件工具,对下载于 Web of Science检索平台的大数据研究领域文献进行分 析,绘制文献共被引和引文结构变换知识图谱,分别从共被引文献和施引文献的视角,对大数据领域的研究前沿和 未来发展趋势进行预测。【结果/结论】预测出了对学科发展具有潜在影响力、交叉属性最强、对中心度影响最大的 文献以及相关研究主题。这种分析方法,避免了从施引文献或被引文献的单一角度分析知识领域研究前沿的不 足,对系统地分析知识领域的前沿,预测未来潜在变化趋势具有一定的参考价值。     

基于Z分数与Sen's斜率的研究前沿识别方法——以图书馆学领域为例

【目的/意义】学科领域的研究前沿是科学研究的重点。鉴于识别研究前沿中缺乏将用户需求信息和发文 趋势结合的现况,本文提出基于引文量与发文量,利用Z分数与Sen’ s斜率的研究前沿识别方法。【方法/过程】利用 LDA模型提取学科领域的研究主题,以Z分数代表研究主题的活跃度,Sen’ s斜率代表研究主题的发文趋势,以图书 馆学领域为例,分析其研究主题在2012-2017年的发文量与引文量,实现对该领域研究前沿的识别。【结果/结论】图 书馆学领域的前沿主题有图书馆网络化与自动化、阅读推广、公共文化事业、信息资源建设与知识管理等。通过与 Citespace突发检测法相比,证明本文提出的方法在识别学科领域研究前沿时更全面。     

SSCI图书馆学与情报学领域作者主题可视化分析

[目的/意义]旨在发现当前国际上LIS研究领域中的结构化特征,为未来相关学术研究和行业发展提供借鉴。[方法/过程]对2009—2022年SSCI中LIS分类下的文献题录数据建立作者—主题模型并进行可视化解读。在此基础上依据论文引证网络,将重点被引作者主题分布与领域整体主题分布作对比分析。[结果/结论]LIS相关研究与医学信息学、社会信息学相互交叉并拓展出了数据驱动型研究簇,其中企业发展等相关研究受到了领域内学者的广泛关注。     

创新生态系统领域学科多样性测度研究

[目的/意义]创新生态系统是近年兴起的热门领域,反映了学术研究前沿与趋势。对其学科多样性进行研究有助于激发学术思想碰撞,产生新见解,为科技政策制定与管理提供依据。[方法/过程]基于共类分析,以Web of Science数据库创新生态系统领域2002-2017年相关核心文献为目标,通过学科覆盖图,学科丰富度、均匀性、差异性和综合测度指标对比分析创新生态系统领域学科多样性特征。[结果/结论]创新生态系统领域整体学科多样性较强,主要集中于邻近领域或学科。且创新生态系统受其他领域的影响大于其本身对其他学科的影响。时序上,其学科多样性并无显著增强趋势,但总体上目标文献被引频率越高,学科多样性越强。     

面向科学与技术的交叉领域研究——概念内涵、测度方法

[目的/意义]科学与技术的交叉融合是前沿创新突破的重要生长点。系统性梳理与总结国内外交叉领域的研究成果,旨在为本领域研究提供参考。[方法/过程]基于科学领域内部交叉、技术领域内部交叉、科学—技术领域间交叉3种交叉类型,梳理交叉领域的概念关系及其内涵,立足计量学与内容挖掘视角,细致阐释交叉领域的测度方法。[结果/结论]基于现有研究,提出交叉领域研究的概念关系与测度方法框架,从3个方面总结该领域未来发展方向：基于科技报告、专著、标准、论文、专利等海量、多源、异构数据的交叉研究,综合3种类型交叉的全局分析,基于交叉领域的前沿创新方向探测。     

基于知识流的研究前沿主题演化分析方法研究——以“基因组编辑技术及其在农作物中的应用”研究前沿为例

[目的/意义]从知识流视角揭示研究前沿核心主题与发展主题知识吸收与扩散过程,分析其演变规律及关键节点,以期为研究人员深入开展前沿研究提供新视角和新思路。[方法/过程]首先,基于共被引理论获取研究前沿核心文献和施引文献集合,通过主题聚类识别前沿核心主题和发展主题两类知识节点;其次,对知识节点进行向量化表示,通过计算知识节点间相似度构建知识节点之间的关联关系,依据知识节点类型和节点关联关系识别研究前沿知识流动的6种类型;再次,利用EChart平台对主题演化状态进行可视化;最后,以“基因组编辑技术及其在农作物中的应用”研究前沿为例开展实证研究,并结合近年基因编辑技术研究内容、相关前沿发布情况验证方法的可行性和有效性。[结果/结论]实证结果表明,基于核心主题和发展主题,从知识流的视角对主题演化状态进行分析,能够识别前沿主题演化路径及发展的关键节点,有助于探索研究前沿可能的创新切入点,开展前瞻布局,把握前沿机遇。