国内外LIS学科主题热度演化分析与预测

[目的/意义]梳理LIS领域学科知识的发展脉络,追踪、预测学科研究热点和增长点。[研究设计/方法]基于LIS领域国外和国内核心期刊数据,使用TP-JIF模型计算学科主题的热度并衡量学科主题的状态,对LIS领域国内外研究热点和学科增长点进行演化分析;使用TPP-LSTM学科主题预测模型,对LIS领域国内外的研究热点和增长点进行预测。[结论/发现]国内外LIS领域研究热点的体量和侧重点具有较大差异,国外研究热点聚焦在社交媒体、电子病历、知识管理、文献计量、机器学习、替代计量等方面,而国内聚焦在图书馆学类、大数据、知识服务、数字人文、人工智能等方面。数据科学可能是LIS领域国内外最具潜力的增长点,医疗健康、人工智能、科研评价指标与体系、数据素养以及数据管理等研究也有望快速增长。[创新/价值]从研究热点和学科增长点两个方面揭示了国内外LIS学科之间的差异,并对研究热点和学科增长点进行了预测,为学科未来规划提供参考。     

国内档案学学科主题网络构建与演化分析研究

本文在档案学学科主题快速发展变化的背景下,分析一定时间国内档案学的主题结构及演化状况,梳理国内档案学科近20年来的发展脉络。获取1998—2017年间档案学核心期刊的关键词,根据关键词共现关系分时段构建主题网络,展现不同时期档案学的主题结构;根据相似度判断主题之间的演化情况,勾勒出档案学科研究内容的动态变化。根据主题的演化情况得出7条演化路径并归纳出演化的规律;引发学科主题变化的原因有经济、文化、社会科技形态与现代信息技术的影响等;预测未来数字档案、档案文化、档案公共服务、档案信息资源开发利用及整合等仍是学科的研究重点,更加重视面向公众提供档案信息服务和知识服务,与其他学科进一步交叉融合,跨学科范围越来越广泛。研究结果有利于档案学领域学者把握学科的发展脉络,更好地发现新的学科增长点。     

潜在学科交叉主题识别方法研究

[目的 /意义]提出一种潜在学科交叉主题识别方法,主要开展学科交叉主题识别与知识融合测度两方面的研究,以识别处于知识融合潜伏期和萌芽期的潜在学科交叉主题。[方法 /过程]首先,设计并提出学科关联实体抽取规则,构建基于学科关联实体的学科交叉潜力计算方法,以实现学科交叉主题识别,解决潜在交叉点识别的问题;其次,构建以融合强度、融合广度、融合深度为中心的学科交叉主题知识融合阶段特征测度指标与方法,以揭示知识融合过程;最后,基于交叉主题知识融合阶段特征与判断规则,识别处于潜伏期与萌芽期的潜在学科交叉主题。[结果 /结论 ]以合成生物学和水稻遗传改良领域为例,开展潜在学科交叉主题识别研究,以验证方法的可行性。结果表明,提出的方法能够识别学科领域之间的潜在交叉主题,为高效探测有潜力的学科交叉研究领域,发掘未来的研究发展动向和机会提供可能。     

基于共词分析法的学科主题演化研究进展与分析

[目的/意义]分析学科主题演化趋势,对科研人员研究学科知识、决策层规划学科布局都有重要意义.相比于词频分析法和共引分析法,共词分析法的优势是能深入文献内部,从微观角度揭示学科主题演化规律.分析中国国内基于共词分析法的学科主题演化研究现状,以期为相关研究人员提供参考和借鉴.[方法/过程]采用人工判读法提炼出基于共词分析法的学科主题演化研究分析流程的5个步骤,并对每个步骤中研究人员使用的策略、分析手段和工具进行归纳总结.[结果/结论]数据集的来源数据库主要有综合类、专门类和引文类等3种,检索策略有基于词、基于期刊和复合检索策略等3种;共词分析对象来源主要为作者关键词,关键词选取主要基于关键词词频、关键词共现词频和前两者相结合3个角度;构建共词矩阵时使用得最多的归一化系数为ochiai系数;最常用的主题演化分析手段为聚类分析和社会网络分析图谱;使用得最频繁的工具为SPSS软件.     

学科知识结构主题演化模式研究——以图书情报学领域“计量学”主题为例

[目的/意义] 提出3种主题演化模式：主题全局演化、主题团簇演化和主题协同演化,以期梳理学科知识结构的演化模式,进一步丰富揭示学科知识结构的研究范式。[方法/过程] 以Web of Science中2001-2015年间图书情报学领域的核心期刊文献数据为研究对象,以"计量学"为研究主题,基于时序分析、主题-关键词共现分析构建2-模网络,利用NetDraw对各主题演化模式进行可视化呈现。[结果/结论] 通过深入比较3种演化模式得出：主题全局演化可以直观、系统把握学科的历史轨迹和研究路径;以"团簇状"为子网络单元的主题团簇演化模式,可以更为细粒度、挖掘深度更高、更全面系统、真实具体地仿真主题演化;而主题协同演化,结合全局演化和团簇演化的优势,能以"联系与发展"的视角揭示主题在演化过程中彼此之间的关联程度及其融合与独立趋势。     

基于主题关联的知识演化路径识别研究——以3D打印领域为例

[目的/意义]科技创新需要快速发现特定科技领域中关键知识衍生与演化的路径,探索未来的知识创新趋势,为此,有必要对知识演化路径进行动态可视化研究。[方法/过程]从主题关联的角度入手,以3D打印领域为例,基于LDA识别出科技创新主题并进行分阶段细化分析,探测主题集群内部与外部的关联强度,识别出主题不同生命周期的演化能力及其演化类型。[结果/结论]实验结果表明,该方法从主题关联的角度入手,构建了基于时间序列的知识演化路径,丰富了知识管理和信息计量的理论研究方法,在实践上则有助于探测科技创新知识。     

基于文献时间特征的学科主题演化分析方法研究 ——以图书情报学领域为例

在分析文献在不同研究阶段用词时间特征的倾向性基础上,提出一种基于主题模型的研究发展阶段识别方法。重点阐述该方法的构建过程,包括时间特征抽取、发展阶段界定、主题冷热变化分析等步骤。为验证该方法的有效性,针对词频统计法和主题模型方法在主题演化分析中的效果进行比较分析。结果表明,该方法能在识别主题热点和发展趋势的同时,有效地区分不同主题所反映的研究发展阶段。     

学科交叉的测度、可视化研究及应用——一个情报学文献计量研究案例

将学科交叉的定量化研究分为计量指标和可视化两种方式,深入分析Rao-Stirling、信息熵、中介中心度、网络密度和网络核心度5种指标的计量差异和学科交叉覆盖地图的可视化方式。在此基础上,以Web of Science数据库收录的2001-2010年间情报学期刊论文为数据源做学科交叉度计量的实证研究,分析5种交叉度计量指标的计量特征和指标间的相关关系。研究发现：情报学在这10年间并未与与本学科跨度较大的学科形成更多交叉,同时情报学在其研究领域内的核心地位有所减弱,并通过学科交叉覆盖图展示情报学研究领域的范围以及与情报学关系最为密切的学科领域。     

情报学的学科结构及其演化分析

文章使用引文分析方法以及CiteSpace可视化工具,以情报学领域的12种期刊在2000-2009年间的186751条引文为例,从学科结构及其时序变化、交叉点、引用突变点三方面进行分析,力图更加清晰地揭示情报学的学科结构及其动态演化历程、演化过程中的关键路径和已经或将要出现的重要研究前沿.     

基于SAO的技术主题创新演化路径识别及其可视化研究

利用专利文献数据识别技术领域的技术主题演化发展路径并分析其发展趋势,对于科技界、企业界进行专利技术创新具有重要的意义。首先,使用Open IE 5.1进行SAO (subject-action-object)三元组抽取,基于LDA (latent Dirichlet allocation)模型进行主题识别,根据TRIZ技术创新思想,基于action语义词典将技术主题划分到四个维度;然后,通过计算SAO三元组之间的相似度来测度技术主题之间的语义关联构建技术主题创新演化路径,并利用可视化技术构建技术主题创新演化路径可视化图谱,利用该图谱辅助分析技术主题演化脉络及其发展趋势。最后,通过石墨烯超级电容器（集流体）领域的实证,对该领域的技术问题（problem to problem,P-P）主题、技术功能（solution to solution,S-S）主题、解决方案（problem to solution,P-S）主题和技术效果（solution to problem,S-P）主题的创新演化路径进行解读分析,验证了本研究提出方法的可行性和有效性。     

基于主题相关分析的跨学科主题发现方法及实证研究——以动物资源与育种领域为例

[目的/意义] 针对单学科和双学科主题发现方法无法挖掘现有交叉文献中主题演化来源的问题,提出面向跨学科的主题发现方法,为跨学科发展和合作提供依据。[方法/过程] 首先在动物资源与育种领域期刊文献数据中选取已经出现交叉现象的两个基础学科文献及其交叉文献,使用改进的主题相关分析方法,提取共同主题和各自的独立主题;然后利用相关性测度方法量化不同学科独立主题的相关性;最后对共同主题和相似性较高的独立主题进行具体分析。[结果/结论] 在动物资源与育种领域的农学生殖生物学、兽医学以及其交叉文献上进行实验验证,结果表明所提出的方法能够有效发现交叉主题的学科出处。     

�ڿ����ĺ����о�����ʶ�����ݻ�·�����ӻ������о�——���ҹ�ҽ�ƽ�����Ϣ�����ڿ�����Ϊ��

��[Purpose/significance] This paper proposes the identification of the core research topics and their evolution path visualization methods, in order to provide reference for the field subject evolution analysis research, which has certain significance for revealing the evolution characteristics and development laws of the core topics.[Method/process] Using the LDA model for topic recognition and combining multi-dimensional scaling analysis and visualization techniques to map LDA topic recognition results to two-dimensional space. The topic similarity algorithm was used to detect the association between adjacent time topics, a new visual display method was proposed. We constructed cross-evolution paths of different types of research topics to reveal the dynamic changes of core topics and secondary topics in the evolution process.[Result/conclusion] Taking the medical health information field in China as an example, the research results show that the core research topics in the field of medical and health information in China mainly include electronic health records and Internet medical treatment. Among them, core themes such as health management and smart medical treatment show a good development trend.     

基于DTM的国内外情报学研究主题热度演化对比研究

[目的/意义] 为揭示情报学领域近15年的研究方向和发展演化情况,了解和掌握研究主题热度的动态变化。[方法/过程] 基于动态主题模型（Dynamic Topic Model）,以国内外情报学领域影响因子较高的6本核心期刊作为数据集,分析国内外情报学研究主题演化过程,从主题热度的宏观维度和词语变化的微观角度入手,对比分析主题的研究内容和研究热度异同点,以期为我国情报学研究提供参考和借鉴。[结果/结论] 研究结果表明,国内情报学研究内容偏重实际应用,国外偏重于技术与方法的创新;同一研究主题在不同时期涉及研究内容差别明显,导致其研究热度随着时间推移发生变化;相对于国内,国外情报学研究主题传承性和递进性更强,热度变化较小。     

基于引文的跨学科领域发展路径分析——以眼动追踪领域为例

[目的/意义] 跨学科研究已成为现代科学创新研究的重要范式和必然趋势，探究跨学科领域中学科的发展模式与演化路径，对于揭示跨学科领域形成与发展的动态过程具有重要意义。[方法/过程] 以眼动追踪（Eye Tracking，ET）领域为例，对文献引文关系进行提取与学科标注，构建文献和学科层面的引文关系网络；计算各学科的他引比率、他被引比率和普赖斯指数，从宏观层面分析ET领域中主要学科的跨学科发展模式；考察不同阶段内部及不同阶段之间的学科引证关系，探究不同阶段各学科在跨学科发展过程中的关系结构与角色演变；基于引文的中介中心度识别连接不同学科关系的重要文献，考察重要文献、高被引文献以及参考文献之间的引文关系，从微观层面揭示ET领域发展的具体演化路径。[结果/结论] ET领域发展经历潜伏期、发展期和成熟期三个阶段，并呈现独立型、交叉型和学习型三种学科发展模式；各学科之间的引证关系随阶段变化逐渐紧密且分布逐渐均匀，神经学、心理学和临床医学在跨学科发展和知识输出方面处于核心地位；ET领域纵向发展表现为独立型学科的基础理论创新，横向发展表现为3种类型学科的深度融合，并呈现出"独立-线性-网状"的发展路径。     

基于概率图模型的科研文献主题演化研究

学术文献的主题分析对于研究者进行思路整理及发现研究主题非常重要.通过进一步的分析,能够理解主题如何发展变化,以及如何影响研究者的行为等等.探索了基于概率图模型的科研文献主题演化问题,特别分析了主题随时间的相互影响问题,提出了基于模块化网络的方法研究主题之间的相互关系,从而理解其相互影响.首先,利用主题模型获取时间文本的主题及其强度曲线,然后利用时间序列的逐段线性表示方法去除序列中的噪音,从而有效反映趋势信息,使得利用模块化网络能够更加准确地反映主题的影响关系,实验结果及其相关分析证明了方法的有效性.     

基于层次概率主题模型的科技文献主题发现及演化

自动挖掘科技文献主题并识别主题变化对于科研工作者及时获取相关领域的最新研究动态有着重要作用.针对科技文献主题多样、动态性强等特点,分析科技文献主题发现及演化具体方法,基于层次概率主题模型hLDA,采用Gibbs抽样来进行模型参数估计,并运用互信息的方法对主题词进行筛选,以提取高质量的主题词.最后,利用先/后离散分析方法研究主题随时间的演化问题.实验结果验证了主题发现及演化方法的可行性及有效性.     

国内基于主题模型的科技文献主题发现及演化研究进展

[目的/意义]分析中国国内基于主题模型的科技文献主题发现及演化研究进展,以期为相关研究人员提供参考借鉴及研究思路。[方法/过程]选取中国知网(CNKI)数据库及万方数据知识服务平台作为文献来源,检索并筛选相关文献,通过人工判读提炼出基于主题模型的科技文献主题发现及演化研究的分析流程,并采用文献分析法对流程中国内研究人员所使用到的策略、方法、分析手段等进行归纳和总结。[结果/结论]研究已初具规模,形成较为完整的分析流程,同时各个流程环节上所涉及到的策略、方法和分析手段较为多样化。另外,也存在着一些问题:主题模型方法在科技文献领域的应用尚且不成熟,主题数目固定,缺少对主题模型应用效果的评价方法与准则。     

基于文本挖掘的科技文献主题演化研究进展

[目的/意义]梳理国内外基于文本挖掘的科技文献主题演化相关研究,对主题演化分析中使用的各种方法进行分类、归纳与总结,并提出现有研究存在的不足,为主题演化研究提供新的思路与借鉴意义。[方法/过程]依照国内外学者进行主题演化研究的一般流程,对数据集选取与对象分析、主题识别研究、主题演化研究(主题演化时序分析、主题强度演化分析、主题内容演化分析)3个分析层面中所使用的各类模型、指标与方法进行梳理比较与优缺点总结,提出现有研究的局限性并对未来发展做出展望。[结果/结论]当前研究已具有一定规模和较为成熟的分析体系,但仍存在以下不足：数据来源较为单一;LDA及相关扩展模型存在的弊端需进一步克服;缺乏对其他机器学习及深度学习算法的探索应用;演化分析方法需相互结合、互补互融。未来应针对以上问题做出相应改进与深入探究。     

Prophet预测-修正的主题强度演化模型——以干细胞领域为实证

[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。     

基于主题变迁的领域发展路径智能化识别——以人工智能为例

[目的/意义]识别领域发展路径对于科技创新具有重要意义,但现有方法如专家访谈、引文分析等不能适应文献爆发性增长的现状,针对这一问题,提出一种基于主题变迁的领域发展路径识别方法。[方法/过程]该方法可以自动从Aminer平台获取数据,通过构建关键词-学者矩阵,综合使用KMeans++和谱聚类算法识别出研究主题和相关学者;通过相似度计算实现不同主题之间的关联,最终获得研究领域的发展路径并进行可视化展示。[结果/结论]通过对人工智能领域的实证分析,结果表明该方法能够有效反映领域研究主题的变迁,有助于研究者快速定位领域的研究热点和重点,丰富领域发展路径相关的研究方法。