计算机科学已经进入了跨时代发展的阶段,人工智能和文本挖掘技术的成熟为深入分析挖掘科研文献的摘要长文本提供了新的手段和方法。目前,LDA主题模型在微博话题识别、新闻主题识别等领域表现出了优异的性能,但针对科研文献等领域的应用较少,已经有部分学者应用LDA主题模型对情报学、计算机科学等领域的学术期刊进行主题分析。在我国应用深层语义挖掘模型对管理科学领域的科学文献研究仍处于起步状态。本文率先将LDA主题模型应用于管理科学领域学术文献的主题挖掘中,进而探索我国管理科学领域主题的演化与发展。本文分析数据选取期刊中的摘要部分,摘要是学者对其论文的高度概括和总结,涵盖了文献的整体信息。与一般关键词共现分析方法相比,对摘要长文本进行主题提取可以在更大的程度上保留了文献原始信息,可以在一定程度上解决关键词无法很好的概括文献信息的问题。本文创新性的提出基于一阶差分的概率阈值设定和基于滑动时间窗口的数据切分方法。差分概率阈值设定有效的改善了主题筛选困难的问题,有效的识别相近概率的主题群,完善主题识别过程。本文提出的滑动时间窗口的数据切分,克服了不同时间区域内主题对齐困难,改善了主题断层问题。本文通过LDA主题模型在整体数据上完成热门主题识别工作,并基于滑动时间窗口的数据划分,分时间段分别构建模型,实现对热门主题的演化分析,包括主题强度的演化和主题内容的演化。通过LDA主题模型构建管理科学领域科学论文热点分析的量化模型,有助于发现我国管理科学领域前沿问题,探索我国管理科学学科的演化方向,进而能够明确我国管理科学未来研究的重点领域,实现对我国管理科学宏观的整体性的认知。