基于文本挖掘的科技文献主题演化研究进展

来源：图书情报工作杂志2022年第13期北京时间：

作者：梁爽,刘小平

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图书情报与档案管理系 北京 100190

摘要：[目的/意义]梳理国内外基于文本挖掘的科技文献主题演化相关研究,对主题演化分析中使用的各种方法进行分类、归纳与总结,并提出现有研究存在的不足,为主题演化研究提供新的思路与借鉴意义。[方法/过程]依照国内外学者进行主题演化研究的一般流程,对数据集选取与对象分析、主题识别研究、主题演化研究(主题演化时序分析、主题强度演化分析、主题内容演化分析)3个分析层面中所使用的各类模型、指标与方法进行梳理比较与优缺点总结,提出现有研究的局限性并对未来发展做出展望。[结果/结论]当前研究已具有一定规模和较为成熟的分析体系,但仍存在以下不足:数据来源较为单一;LDA及相关扩展模型存在的弊端需进一步克服;缺乏对其他机器学习及深度学习算法的探索应用;演化分析方法需相互结合、互补互融。未来应针对以上问题做出相应改进与深入探究。

关键词：文本挖掘,主题模型,主题识别,主题演化,

基金资助：本文系中国科学院文献情报能力建设专项\"支撑院科技规划与布局的全球科技态势战略研判\"(项目编号:E1290423)研究成果之一。