基于LDA主题模型与链路预测的新兴主题关联机会发现研究

摘要：

[目的]对新兴主题关联机会的发现方法进行实验性研究,提供一种有效的新兴主题关联机会发现方法.[方法]以深度学习研究领域发表的文献集合为研究对象,通过LDA主题模型方法挖掘文献内在特征,进而以主题为节点,通过链路预测对新兴主题关联机会进行预测.[结果]深度学习研究领域主题共现网络的最优指标为AA指标;未来深度学习领域的大数据分析研究最有可能与生物医疗领域主题研究及深度学习算法自身机理改进主题研究产生关联.[局限]链路预测方法对连通性较差的网络预测结果欠佳.[结论]利用主题模型与链路预测相结合的方法进行未来新兴主题关联机会发现具有一定的有效性与可靠性.

关键词：新兴主题关联、LDA、主题模型、链路预测

所属期刊栏目：3

分类号：G350(情报学、情报工作)

资助基金：国家自然科学基金青年项目“共生视角下的院士科学合作网络结构与演化趋势研究:以中美两国科学院院士为例”71603015;北京市自然科学基金项目“基于技术共生网络结构探测和演化的新兴趋势识别研究”项目9182001的研究成果之一

在线出版日期：2019-04-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共14页

页码：104-117