在信息时代中，快速准确地了解和掌握学科领域内研究热点以及科学前沿对科研人员的研究工作具有重要意义，更是未来科研工作中不可或缺的重要研究环节之一。而大量、高速、多样、价值不一的大数据研究环境则对科研工作人员浏览、获取有价值信息的能力提出了新的要求。共词分析法是科研人员用以挖掘学科领域内容、研究热点及科学前沿的重要方法之一。在近四十年的发展过程中，共词分析法不但广泛应用于诸多学科领域中，而且其理论和方法均得到进一步改进和完善。但由于理论假设的局限性及相关技术限制，共词分析法仍然存在诸多有待完善的问题。在当前信息量日益膨胀的环境下，共词分析法在解决学科领域内容挖掘时的问题日益尖锐。尤其是共词分析法关键词词集的选择问题，从根本上影响着共词分析法的效果。LDA模型因其突出的主题挖掘能力而兴起，同时为共词分析方法的改进提供了一条新途径。　　本文从提高共词分析法关键词词集完整性、准确性的角度，提出一种基于LDA模型改进共词分析法的新途径，主要包括如下研究内容及结论:　　(1)梳理并分析了共词分析法发展改进现状和LDA在文本挖掘领域的研究现状。基于其具体的改进情况和特点，进一步总结了各方法有待解决的主要问题，并针对各方法的问题和特点分别提出了其未来发展主要方向和趋势。　　(2)研究共词分析法的原理及其主要过程，引入复杂网络算法——Girvan Newman算法作为聚类分析的方法，并选择特定学科领域展开实证分析。　　(3)研究LDA模型的原理及其建模过程，选择与共词分析法相同的实证数据展开分析，并将其主题探测效果与传统共词分析法效果进行深入比较。　　(4)提出基于LDA模型的共词分析法改进方案，主要包括改进原理、作者关键词增补以及改进后的共词分析法步骤等三部分;在增补作者关键词阶段，从关键词对文档重要性的角度出发，定义主题重要度的概念，以保障关键词增补的质量;在选择最优增补效果的关键词词集阶段，构建参考关键词表，以增强评价关键词增补效果的客观性。　　(5)对基于LDA模型改进后的共词分析法展开实证分析，实证数据与传统共词分析法和LDA模型实证数据一致，将三种方法的结果进行对比分析，并从主题识别的丰富性、可辨识性以及准确与全面性等三个角度验证改进方法较传统方法更有效、可靠。