[发明专利]多信息融合的科研文献主题发现和跟踪方法及其系统

摘要

本发明公开了一种多信息融合的科研主题发现和跟踪方法及其系统，其方法包括步骤：S1，指定学科的科研文献下载，文献元数据的整理；S2，文献元数据的预处理形成文献数据集；S3，建立综合利用文本和引用信息的多源信息融合的科研文献概率主题模型，发现主题词的分布和主题核心文献的分布；S4，以获取的主题核心文献分布和主题词分布为基础，结合文献的时间信息，利用主题跟踪计算公式，跟踪科研主题的变化情况。本发明的实施例所提供的科研主题发现和跟踪方法和系统，可以实现揭示挖掘预设科研领域的科研主题，科研人员的研究兴趣随时间变化的规律，有助于把握科研主题的演化脉络。

主权项

1.一种多信息融合的科研主题发现和跟踪方法，其特征在于，包括以下步骤：S1，指定学科的科研文献下载，文献元数据的整理；S2，文献元数据的预处理形成文献数据集；S3，建立综合利用文本和引用信息的多源信息融合的科研文献概率主题模型，发现主题词的分布和主题核心文献的分布；S4，以获取的主题核心文献分布和主题词分布为基础，结合文献的时间信息，利用主题跟踪计算公式，跟踪科研主题的变化情况；上述步骤S3具体包括：S31，根据数据集的文献引用关系建立文献引用概率主题模型R1，该概率主题模型R1的特征在于，根据文献主题分布D_{doc_topic}(；d)～θ_d和主题文献分布利用吉布斯采样来生成主题，得到每个主题的核心文献的分布其中有θ_d～Dir(α)和S32，对S31步骤中生成的主题按照属于该主题的文献的概率从高到低进行排序，取每个主题中概率排在前五分之一的文献组成新的主题S33，对S32步骤中生成的每个主题利用组成该主题的文献的内容建立基于“词袋”模型的概率主题模型R2，该概率主题模型R2的特征在于，根据文献主题分布D_{doc_topic}(；d)～θ′_d来生成主题z′_d,n，再根据主题词的分布来生成文献的词，利用吉布斯采样算法公式来生成模型参数即主题词的分布和文献主题的分布θ′_m,k′，其中有θ′_d～Dir(α)和用所得主题模型的参数和θ′_m,k′组成主题上述步骤S4具体包括：S41、将属于主题的文献按照文献所属的时间t，以年y为单位离散到对应的时间窗口t_d；S42、按照以下公式计算主题zk′在时间窗口td的主题强度p(zk′|td):其中λ和μ为加权系数，D_t和N_t分别为时间窗口t_d内所包含的总文献数和总单词数，θ′_d,k′表示t_d时间内的文档d的第k′个主题的概率分布；S43、以年为单位的时间为横坐标，每年时间上计算得到的主题强度p(zk′|td)为纵坐标，绘制出主题随时间变化的曲线。