网络学术社区跨平台用户生成内容知识聚合研究  

Research on Cross-platform User-generated Content Knowledge Aggregation in Online Academic Community

作　　者：陶兴 张向先[1] 张莉曼 卢恒 Tao Xing

机构地区：[1]吉林大学管理学院,吉林长春130022

出　　处：《情报理论与实践》2020年第7期151-156,共6页Information Studies:Theory & Application

基　　金：国家社会科学基金项目“大数据驱动下学术新媒体知识聚合及创新服务研究”的成果之一,项目编号:18BTQ085。

摘　　要：[目的/意义]文章利用LDA主题模型与W2V-MMR自动摘要技术实现多个网络学术社区的跨平台知识聚合。弥补了现阶段单一平台提供专业知识不充分的问题,为社区内的科研工作者带来知识获取的便利。[方法/过程]首先利用LDA主题模型对用户生成内容文本进行主题获取、过滤与融合,形成跨平台知识主题。在此基础上通过W2V-MMR摘要生成方法进行跨平台知识摘要生成。[结果/结论]通过实例验证了该方法在跨平台知识聚合中的有效性,为网络学术社区中的知识聚合服务提供了方法依据。[局限]聚合方法对文本质量要求较高,低质量文本会导致主题的知识丰富度降低。[Purpose/significance]This paper uses LDA topic model and W2 V-MMR automatic summarization technology to achieve cross-platform knowledge aggregation of multiple online academic communities.It makes up for the insufficient professional knowledge provided by a single platform,and brings convenience for scientific research workers in the community to acquire knowledge.[Methods/process]Firstly,LDA model is used to acquire,filter and fuse user-generated content to form cross-platform knowledge topics.On this basis,W2 V-MMR is used to generate cross-platform knowledge summarization.[Result/conclusion]The effectiveness of the proposed method in cross-platform knowledge aggregation is verified by an experiment,which provides a method basis for knowledge aggregation service in online academic community.[Limitations]The aggregation method requires a high-quality text,and the low-quality text will lead to a decrease in the knowledge richness of the topic.

关 键 词：网络学术社区 用户生成内容 知识聚合 主题发现 自动摘要 

分 类 号：TP391.1[自动化与计算机技术—计算机应用技术]