[发明专利]一种学者研究兴趣标签挖掘与演变分析方法、系统及介质

权利要求书

1.一种学者研究兴趣标签挖掘与演变分析方法，其特征在于，包括下述步骤：

收集学者所有的学术成果信息，对学术成果当中的文本信息进行文本预处理，并转化为结构化的学者学术成果信息文档；

挖掘各个时间片上的学者学术研究关键词，利用社区发现方法挖掘表征研究兴趣的研究关键词社区，形成各时间片上的研究兴趣标签，具体为：

连接各时间片上的学术成果发表时间，文本词序列二元组记录，形成各时间片上的学者学术成果文档；

使用关键词挖掘模型或算法挖掘各时间片上的研究关键词；

记录各时间片上的共现研究关键词对并记录各共现研究关键词对的出现次数，其中共现研究关键词对是指在一个学术成果文本词集合当中出现的无序的两个研究关键词形成的二元组，共现研究关键词对出现一次是指共现研究关键词对当中的两个研究关键词构成的集合为一个学术成果的文本词序列中的元素构成的集合的子集；

构建各时间片上的研究关键词共现图，其中，共现图的节点为时间片上的研究关键词，共现图的边表征时间片上的共现研究关键词对，共现图的边的权重为各边所代表的共现研究关键词对的出现次数；

利用社区发现算法挖掘各时间片上的研究关键词共现图当中的研究关键词社区，滤除规模较小的研究关键词社区，得到各时间片上的表征学者研究兴趣的研究关键词社区；

提取各时间片上规模最大的研究关键词社区当中具有最大权重的边所连接的两端节点所表示的研究关键词对，形成学者在各时间片上的研究兴趣标签

根据各时间片上所挖掘的研究兴趣标签，以文字描述或可视化图表的方式生成学者的研究兴趣演变情况，具体为：

在单一时间片上，选取最大规模研究关键词社区当中具有最大共现次数的共现研究关键词对中的两个词，按照语法规则排序后形成该时间片上的研究兴趣标签；

当需要在一个时间片上需要生成更多研究兴趣标签时，选取最大规模研究关键词社区当中具有更少共现次数的共现研究关键词对中的两个词，按照语法规则排序后形成该时间片上的多个研究兴趣标签；

按照时间顺序列排各时间上的研究兴趣标签，形成学者的研究兴趣演变轨迹，并以图示方式或文字方式描述该演变轨迹。

2.根据权利要求1所述一种学者研究兴趣标签挖掘与演变分析方法，其特征在于，所述收集学者所有的学术成果信息，对学术成果当中的文本信息进行文本预处理，并转化为结构化的学者学术成果信息文档，具体为：

从学术数据源中收集学者发表的所有学术成果数据，所述学术成果数包括学术成果的标题、摘要、正文与发表时间；

对各学术成果当中的标题、摘要与正文的文本数据进行预处理，所述文本数据进行预处理包括：分词、统一字符的大小写或繁简体表征同一字符的字符形式、订正词语拼写错误与错别字、去除停用词和词干或词形统一，形成各学术成果的文本词序列；

各学术成果以发表时间，文本词序列二元组形式进行结构化，形成结构化的学者学术成果文档，并存入数据库中。

3.根据权利要求1所述一种学者研究兴趣标签挖掘与演变分析方法，其特征在于，所述使用关键词挖掘模型或算法挖掘各时间片上的研究关键词，具体为：

将学术成果按照发表时间分为不同时间片上的学术成果；

将各时间片上的文本词序列输入现有关键词提取模型提取不同时间片上的研究关键词。

4.根据权利要求1所述一种学者研究兴趣标签挖掘与演变分析方法，其特征在于，所述利用社区发现算法挖掘各时间片上的研究关键词共现图当中的研究关键词社区，滤除规模较小的研究关键词社区，得到各时间片上的表征学者研究兴趣的研究关键词社区，具体为：

使用社区发现算法，在各时间片上计算研究关键词的社区；

在使用者规定的社区规模阈值下滤除规模较小的研究关键词社区。