[发明专利]一种科研文献主题演化的分析方法和装置

摘要

本发明公开了一种科研文献主题演化的分析方法，其方法包括步骤：A1，指定学科的科研文献下载，文献元数据的整理；A2，文献元数据的预处理形成文献数据集；A3，利用LDA科研文献概率主题模型，计算得到科研主题词的分布和主题文献的分布；A4，利用主题文献的时间信息，对提取的主题在时间轴上进行划分，形成不同时间段上的子主题；A5，利用主题的相关性关系的度量来构建主题演化图，跟踪科研主题的演化情况。本发明的实施例所提供的科研文献主题演化的分析方法和装置，可以实现揭示挖掘预设科研领域的科研主题随时间变化的规律，有助于把握科研主题的演化脉络。

主权项

1.一种科研文献主题演化的分析方法，其特征在于，包括以下步骤：A1，指定学科的科研文献下载，文献元数据的整理；A2，文献元数据的预处理形成文献数据集；A3，利用LDA概率主题模型提取主题，发现主题词的分布和主题文献的分布；A4，利用属于某一个主题的所有文档的时间信息，将提取的主题在时间轴上进行划分，形成不同时间段上的子主题；A5，利用主题的相关性关系的度量来构建主题演化图，跟踪科研主题的演化情况；上述步骤A3中的科研主题提取过程，主要包括利用文档的词频矩阵和文档的词汇表，利用LDA模型对科研文档集进行主题提取，得到模型的参数：主题词的分布p(w|z)即表示单词w属于主题k的概率，和文档主题的分布p(z|d)即θ_d，k表示主题k属于文档d的概率，对上述模型参数通过公式计算得到每个主题文档的分布p(d|z)；上述步骤A5中的主题演化分析具体包括：A51.构造由相邻的两个时间段上任意两个主题z_i和z_j和属于这两个主题的共有词W和主题文献的共有引用文献D所组成的三重有向图G＝(V，E)，图G中的矩形顶点表示主题、圆形顶点表示主题包含的词、菱形顶点表示主题包含的文献的引用文献，主题顶点、词顶点和引用文献顶点三者之间的关系用双向边表示，其中边的权重分别用词在主题中的权重，引用文献的文献在主题中的权重来表示；A52.图G中的边的权重对主题顶点进行归一化，即所有连接到同一个主题的所有词和引用文献的权重都归一化为1；A53.建立基于图G的随机游走模型，用公式计算从图G中某一主题z_i开始的随机游走到任意一主题顶点r的概率A54.将图G中的共有词W和共有引用文献D的顶点变为入边顶点形成图G′，对图G′所示的有向图重新进行如A53步骤中所描述的随机游走建模，得到从图G′中某一主题z_i开始的随机游走到任意一主题顶点r的概率和其中和分别表示在词w和引用文献d所在的顶点变为入边顶点时，从图G′中某一主题z_i开始的随机游走到任意一主题顶点r的概率，利用公式计算两个主题z_i和z_j之间在词w和引用文献d作用下的相关性其中表示从主题z_i随机游走到主题z_j的概率，λ为加权系数，考虑主题z_i和z_j之间的所有的共有词W和共有的引用文献D计算得到该两个主题之间的相关性为A55.对相邻时间段上的任意的两个主题按照A51‑A54所示步骤求解相关性度量，为度量值大于一定门限值的两个主题建立有向边，边的方向按照主题之间的时间关系来确定，构建主题之间的演化关系图。