“主题词簇”方法研究——英文科技文献主题词清洗、合并与聚类

摘要：

如何从科技文献数据中获取有效的信息,提升知识发现的能力是当前科学学研究中甚为关注的热点问题.大量相关的分析技术与方法均围绕自然语言处理技术所获取的“主题词”展开.然而,一般情况下,从科技文献数据中获取的主题词数量庞大,人工清洗几无可能,软件清洗亦缺乏可信度.本文以文献计量学方法为基础,构建了包括停词表、模糊语义处理、关联规则、词频与文档频次转换以及聚类分析在内的半自动化“主题词簇”方法体系,实现了以定量方法为主、定性方法为辅的主题词清洗、合并与聚类方案,旨在为技术竞争情报分析提供更为精准的主题词词表.本文以Derwent专利数据库中国“光伏电池”领域的科技文献为例,展开实证研究,验证了方法的科学性与有效性.

关键词：文本分析、文献计量学、文本挖掘、主题词簇、光伏电池

所属期刊栏目：31

分类号：G306(科学研究理论)

资助基金：科技部创新方法工作专项2011IM010500;科技情报项目Q172011A001

在线出版日期：2013-12-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1615-1622