基于LDA模型的主题演化分析:以情报学文献为例  

Evolution of Topic Using LDA Model: Evidence From Information Science Journals

作　　者：朱茂然[1] 王奕磊 高松[1] 王洪伟[1] 张晓鹏 ZHU Maoran;WANG Yilei;GAO Song;WANG Hongwei;ZHANG Xiaopeng(School of Eeononfies and Management,Tongji University,Shanghai 200092,Chin)

机构地区：[1]同济大学经济与管理学院,上海200092

出　　处：《北京工业大学学报》2018年第7期1047-1053,共7页Journal of Beijing University of Technology

基　　金：国家自然科学基金资助项目(71371144;71771177;71701085)

摘　　要：为了掌握科研动态和追踪研究热点,需要挖掘文献中的主题及其变化规律,因此,提出了一种基于隐性狄利克雷分布(latent Dirichlet allocation,LDA)的主题演化分析模型.首先,在整个文本集合上使用LDA模型识别主题及其关键词,并计算每个时间窗口中文档-主题概率分布;然后,对各个时间窗口下的文本集合分别使用LDA模型计算出主题-词汇概率分布,并计算不同时间窗口下不同主题的相似度,从而得出主题强度的演化趋势;最后,通过相似主题下的词汇的概率分布得到主题内容的变化.可观察到中文情报学领域,"语义分析"等主题的关注度具有持续上升的趋势.To learn about the trend and monitor the hot topic of research, mining evolution of topic intensity from papers plays an important role. A model based on Latent Dirichlet Allocation （LDA） was proposed. Firstly, the collections of all the papers by using LDA to find out topics and their key words, and probability distribution of documentation-topic on dirt）rent time windows was obtained. Secondly, LDA was applied in papers on every single time window to get probability distribution of topic-word,

关 键 词：主题演化 主题强度 主题内容 隐性狄利克雷分布 

分 类 号：TP391.1[自动化与计算机技术—计算机应用技术]