二十一世纪以来,数字化进程不断加快,数据量呈指数增长。文献作为科学研究和技术研究成果的载体,是人们获取知识的重要媒介,它使得知识的传播突破了时空局限。研究任何学科领域都必须经过大面积罗列数据材料,大量阅读文献,在前辈基础上展开更加深入的研究。但是文献的增长速度遵循“指数增长”规律。人工阅读文献似乎有些冗长而低效。本文利用基于python爬虫技术、LDA主题模型及共现网络模型对统计学各中文核心期刊侧重和特色、统计学领域热门话题及主流研究方法进行自动化信息抽取,并绘制相关知识网络图谱。本文共包括三个章节。第一章介绍相关理论与概念,包括python网络爬虫技术、LDA主题模型原理。第二章首先说明数据来源与口径,然后对统计学各中文核心期刊的侧重点和特色进行了对比分析。发现从引用覆盖率角度看,《统计与信息论坛》与《统计研究》期刊质量最高;从平均下载数和平均引用数看,《统计研究》期刊质量最高;从关键词角度看,《数理统计与管理》期刊侧重理论创新性研究,《统计研究》期刊侧重宏观经济统计;《统计与决策》期刊侧重微观经济,偏向统计学在企业管理的应用;《统计与信息论坛》侧重理论与应用的结合。第三章进行统计学领域知识网络的构建。利用LDA主题模型将统计学领域近十年的研究主题概括为20个。其中,13个归为内容型主题,7个归为方法型主题。接着,根据“内容-方法”知识网络、“作者-内容-方法”知识网络、“时间-内容-方法”知识网络分别寻找隐含关联组。比如“评价体系-经济增长”是热门“内容-方法”关联组,“许涤龙-货币政策-评价体系”是热门“作者-内容-方法”关联组。另外,在主题强度变化方面,大数据和生态协调两项研究内容近5年主题强度上升态势最为明显。方法主题中,抽样调查法主题强度明显下降,机器学习相关方法主题强度明显上升。