论文部分内容阅读
随着计算机的发展和大数据时代的悄然来临,从大量的、有噪音的数据中抽取出代表未来学科发展方向的新兴主题成为各级政府及科技政策制定者关注的问题。与此同时,根据前沿发展方向进行产业发展方向制定和科学部署结构分布成为科技机构抢占科研机构的关键所在。 在新兴主题研究领域,逐渐形成了较为成熟的理论和研究方法,比如基于论文分析数据源的引文分析方法、共被引方法等传统情报学研究方法,以用来预测和分析学科发展的新动态。与此同时,基于论文的研究方法,因其分析数据源为存在时间滞后性的数据源,无论研究和探测方法如何进行修改和改进,都无法改变论文时滞性的本质属性。 本文以美国国家科学基金会(National Science Foundation, NSF)的政府资助项目文本为分析数据源,综合运用主题模型、机器学习、可视化分析等技术,识别出蕴含其中的新兴主题,从而对未来主题研究进行预测分析。本文研究可分为三个步骤:主题概率识别、政府资助项目新兴主题识别、新兴主题预测分析,具体来讲,主要是: (1)基于PLDA模型的主题概率识别模型研究。基于概率模型深入文本内容,识别出政府资助项目文本中的主题词及相关权重分布,利用主题相似度建立主题关联构建。 (2)政府资助项目新兴主题识别。分析政府资助项目文本的资助强度、资助金额以及主题强度等指标,建立一套基于政府资助项目文本分析的新兴主题探测公式,分析该文本中主题的发展及演化情况。 (3)基于机器学习模型的新兴主题预测分析与可视化研究。将采用机器学习中相关理论和方法,对数据进行滑动窗口处理,建立时间序列模型,对未来学科发展主题进行预测分析。 实验结果表明,本文提出的新兴主题识别、预测与可视化分析技术可以有效识别出蕴含在政府资助项目中的新兴主题并对其未来发展进行预测分析,从而为科技政策制定者提供决策支持和决策参考,为我国进行学科调整和重点研究领域的部署提供理论和技术支持,从而围绕未来发展方向进行科研创新,提供科研效率。同时,本文利用政府资助项目文本中的三个主题特征进行识别并构建新兴主题探测模型,未来将进一步对相关特征进行分析与验证,完成新兴主题探测体系。