科研之友
微信
新浪微博
Facebook
分享链接
摘要
准确的科学主题预测能够明确学科未来的发展方向，为科研领域的发展规划和管理决策提供参考。本文着眼于新生科学主题的预测，基于知识单元重组视角，将主题-特征词的表征关系类比为科学概念-知识单元的表征关系，提出科学主题预测方法。首先，使用LDA (latent Dirichlet allocation)主题模型获取全局主题、特征词与概率矩阵，通过转置向量空间获得特征词向量；其次，运用ARIMA (autoregressive integrated moving average model)模型预测特征词的词频并计算向量调节系数，从而获得特征词预测向量，运用t-SNE (t-distributed stochastic neighbor embedding)算法将预测向量降维，并使用模糊C-均值算法将低维预测向量聚类生成预测主题，实现知识单元的重组；最后，筛选出由多个原始主题聚合而来、具有全新释义的预测主题，将其视为科学主题预测结果。本文以“知识管理-知识组织-知识服务”领域为例进行实证研究，预测出智库、数字人文等在已有领域研究中尚未出现的新词与相关主题，并通过特征词直接聚合与概念集成这两种主题映射模式，获得这些新生主题的基本内涵与相关研究内容。实证结果表明，本文提出的科学主题预测方法能够准确地预测出新生主题。
- 单位
