[发明专利]基于KL距离相似性度量的研究热点演变行为检测方法

摘要

本发明公开了一种基于KL距离相似性度量的研究热点演变行为检测方法，其将刊物主题性和刊物的时序性相结合，提出了时序刊物主题模型TS‑JTM，以实现学术刊物的时态热点抽取，在此基础上建立基于时间序列的主题快照刊物研究热点演变模型，同时，利用概率分布KL距离相似性度量方法，提出了度量相邻时刻主题快照中主题演变行为的检测方法，以实现对刊物中研究热点演变的细粒度分析。

主权项

1.一种基于KL距离相似性度量的研究热点演变行为检测方法，其特征在于：包括如下步骤：步骤1：获取刊物文献，并基于刊物文献的发表时间构建具有时间属性的主题词语料库；其中，以刊物文献的发表时间划分时间片，所述主题词语料库由各个时间片上的数据集构成，每个时间片上的数据集由相匹配时间发表的刊物文献的文献特征向量构成；式中，Ct为时间片t上的数据集，(wi,ji)为刊物文献i的文献特征向量，wi为刊物文献i的特征词集合，ji为刊物文献i所属的刊物，ci为特征词集合中的第i个特征词，n1为时间片t上刊物文献的数量，n2为刊物文献i上特征词的数量；其中，刊物文献的特征词是刊物文献的内容进行分词处理后得到的；步骤2：基于刊物主题性与时序性构建时序刊物主题模型；其中，所述时序刊物主题模型中每个时间片对应一个刊物主题模型，两个相邻时间片中下一时间片的刊物主题模型中刊物‑主题分布θ的狄利克雷先验参数α、主题‑词分布φ的狄利克雷先验参数β与上一时间片的两个狄利克雷先验参数α、β相关联；步骤3：基于时序刊物主题模型中各个时间片上的刊物主题模型依次对相匹配时间片上的数据集进行主题提取得到每个时间片上的刊物‑主题分布以及主题‑词分布；步骤4：获取待测刊物在各个时间片上主题以及主题‑词分布，并基于主题‑词分布计算同一待测刊物在相邻时间片上每任意两个主题之间的KL距离,再基于主题快照刊物研究热点演变模型得出待测刊物中各个主题的演变行为；其中，所述主题快照刊物研究热点演变模型包括主题延续、新生、消亡、分裂和融合五类演变行为检测规律，每类演变行为检测规律均基于相邻时间片上主题的相似性以及演变行为特性鉴别，所述演变行为特性与相似性相关，两个主题的相似性采用KL距离度量。