论文题目：科学研究前沿主题识别 ——以图书情报学科为例
摘要：随着以计算机为主的新一代高新技术的发展,科学研究出现了从高度分化逐渐走向交叉综合的发展研究。图书情报学作为一门图书馆学科与情报信息学科相结合的新科目,其专业学习方面包含了图书馆学、情报学以及档案学的课程,在三者之间交叉涉及,不仅包含了“信息”,同时也包含了“管理”,可作为研究学科交叉的重要参考。我国图书情报与档案管理学科正处于传统与新兴交替的阶段。研究热点与研究主题一直不断变化,如何准确挖掘识别出潜在研究主题和当前研究热门主题已成为当下迫切需要解决的研究问题。本文结合隐含狄利克雷分配（LDA）主题挖掘算法和社交网络分析算法的优缺点,提出一种基于LDA主题挖掘和社交网络相结合的主题识别算法。从宏观层面将整体研究领域分为细小领域。并在各领域内在进行微观的挖掘各主题词间的联系,从而给予各领域代表性名称以及该领域下的核心主题词。本文运用LDA主题挖掘算法、共词分析算法以及社交网络分析算法将图书情报领域核心主题分成5个,分别是信息服务主题、情报分析主题、数字资源主题、知识管理主题、图书馆研究主题。本文通过运用合理的文本挖掘方法进行相关研究,消除主观意愿。由计算机实现自动化处理、分类以及预测。结合多源数据进行分析研究,有效解决了科学研究数据单一性的限制。本文提出主题识别算法,使研究的主题脉络更加清晰。同时也降低学科热点研究的专业性门槛,让更多新进研究者加入学科热点的探讨中,增强了新进学者的学术自信。主题挖掘研究对图书情报领域的发展提供了切实有效的参考意见,具有一定的应用前景和实用价值。
关键词：LDA主题挖掘;共词分析;社交网络分析;图书情报;前沿主题识别
学科专业：图书情报
摘要
Abstract
1 绪论
1.1 引言
1.2 研究意义
1.3 研究内容
1.4 研究创新性
2 文献综述及相关理论
2.1 文献综述
2.1.1 研究前沿综述
2.1.2 “文献计量”文献综述
2.1.3 “多源数据融合”文献综述
2.1.4 “文本挖掘”文献综述
2.1.5 文献综述评述
2.2 理论基础
2.2.1 文本预处理
2.2.2 共词分析
2.2.3 社交网络分析
2.2.4 LDA主题挖掘
2.3 本章小结
3 数据计量分析
3.1 图书情报领域数据计量研究框架
3.2 图书情报领域NSSFC计量统计分析
3.3 图书情报领域NSFC计量统计分析
3.4 图书情报领域论文计量统计分析
3.5 本章小结
4 科学前沿探究模型
4.1 数据介绍
4.2 数据预处理
4.2.1 残缺值处理
4.2.2 中文分词
4.2.3 去停用词
4.3 共词分析
4.4 社交网络分析
4.5 LDA主题挖掘
4.6 本章小结
5 图书情报领域主题关联挖掘
5.1 算法构建
5.1.1 传统LDA主题模型
5.1.2 LDA主题模型优化框架
5.1.3 文本集共词网络构建
5.1.4 隐含空间模型降维
5.1.5 共词网络社区划分
5.1.6 主题识别算法实现
5.2 主题挖掘算法效果对比
5.2.1 文档—主题分布概率分布效果对比
5.2.2 主题一致性指标
5.3 信息服务主题
5.4 情报分析主题
5.5 数字资源主题
5.6 知识管理主题
5.7 图书馆研究主题
5.8 主题演化分析
5.9 本章小结
6 结论与展望
6.1 结论
6.2 展望
6.2.1 实验改进——多源异构数据
6.2.2 应用方向
参考文献
致谢