[发明专利]基于自信息的跨学科领域共现主题发现方法

摘要

本发明公开了一种基于自信息的跨学科领域共现主题发现方法，该方法具体步骤如下：(1)、数据收集：收集高引文献作者关于其科研成功的自评文档集；(2)、数据处理：提取和数字化自评中的正文部分；(3)、抽取候选低频主题词；(4)、计算低频主题评价系数；(5)、设定低频主题词评价系数的阈值；(6)、过滤低频主题词。该方法为主题发现的相关研究提供了新的思路。不仅高频词与主题有紧密关系，低频词也是一种可以利用的资源。该方法可以应用到评价类文档集的主题发现，例如从自传题材中提取人物的共同经历、从股票评论中提取评价股票的共同指标，从而实现不同学科领域文档集中的共现主题提取。

主权项

1.一种基于自信息的跨学科领域共现主题发现方法，其特征在于：操作步骤包括：(1)、数据收集：收集高引文献作者关于其科研成功的自评文档集；(2)、数据处理：提取和数字化自评中的正文部分；(3)、抽取候选低频主题词；(4)、计算低频主题评价系数；(5)、设定低频主题词评价系数的阈值；设定的阈值要确保低频主题词的提取时的查全率和查准率，即尽可能多的得到低频主题词而不引入过多的非低频主题词，进行实验后，确定阈值λ＝2.3；(6)、过滤低频主题词；现有阈值λ的取值会出现查全率高而查准率相对低的现象，自评篇幅较小，高频词是专业词的可能性较大，所以去除大部分专业词，从而提高查准率；再通过人工标记的方式去除未明显指向主题的词组，从而对结果进行优化。