基于多源数据的领域主题演化路径分析

来源：图书情报工作杂志2023年第14期北京时间：

作者：张敬,朱相丽

单位：1 中国科学院文献情报中心 北京 100190;2 中国科学院大学经济与管理学院信息资源管理系 北京 100190

摘要：[目的/意义] 为全面、客观、高效、直观地掌握科技领域主题的发展规律和演变趋势，提出一种基于多源数据的领域主题演化路径识别和分析框架。[方法/过程] 获取不同来源的科技文献数据，利用多维样本有序聚类方法辅助时间切片，基于改进的词袋构建方法，提升LDA模型主题识别效果，借助Louvain社区发现算法在主题层进行多源数据的融合，分析领域主题演化路径。[结果/结论] 利用美国太赫兹研究领域基金项目、论文和专利3种来源的数据进行实证研究，结果表明，3种数据源能够清晰划分出4个时间窗口，改进的词袋构建方法能够表征更准确的领域信息内涵，主题社区有助于从多源数据复杂的演化网络中厘清主题演化脉络。

关键词：多源数据融合,领域主题演化路径,LDA主题模型,词袋构建,时间窗口划分,有序样本聚类,Louvain社区,发现算法,