[发明专利]科研热点主题分析方法、装置与电子设备

说明书

本发明实施例提供一种科研热点主题分析方法、装置与电子设备，其中所述方法包括：建立基于科研文献的引用网络，并采用随机游走算法，计算每篇文档的文献排序权重，以过滤文献，获取引文数据和语料库；基于概率主题层次组合模型，对获取的所述引文数据和语料库进行评价筛选，获取热点科研主题。本发明实施例依据文献结构信息和主题所属信息构建主题演化图，并通过主题演化图，将主题描述优化、主题排序和主题演化结合起来，在提高时间效率的前提下获取更准确结果。

技术领域

本发明实施例涉及科研文献主题挖掘技术领域，更具体地，涉及一种科研热点主题分析方法、装置与电子设备。

背景技术

在科研分析工作中，从海量的文献信息中有效的发掘出热点科研主题以及热点主题发展变化的情况，正逐渐成为当前科研相关管理部门和科研工作者所关注的问题。

在传统的科研数据分析方法中，引入了概率主题模型的机器学习方法，该模型的使用，为从事科研数据分析的科研人员提供了一种新的研究思路。同时，从科研人员个人角度来说，及时了解其研究领域内的热点动态和自己研究方向的契合程度，对于自身科研方向和进展的安排与调整也具有积极的作用。

概率主题模型拓展了目前文本挖掘技术的范畴，相比文本挖掘技术(如向量空间模型)的传统方法，针对词频的统计不仅从文档角度，还从语料库角度入手，通过先验概率分布描述词频的分布，将传统的文档-词结构模型改进为文档-主题-词三重层次的概率主题模型。从而，把原本在高维稀疏的词空间表示的文本形式转换为低维的主题空间表示，并逐渐成为机器学习、自然语言处理等领域中的重要研究课题。同时，在科研检索、舆情监控、文本挖掘、推荐系统、活动检测中获得了广泛应用。

通常科研文献包含了更加丰富的结构信息，例如文献的作者、发表的时间、参考文献等，对科研主题的发现有一定的影响，而且科研文献具有一定的传承性，利用其引用信息，对主题演化的研究具有积极的作用。

但是，目前的概率主题模型在运算效率上相对较低，并且准确度不高，发现的主题中可能混有背景等无意义的主题，对主题描述的可解释性也不强，因此很难进行优化和利用。

发明内容

为了克服上述问题或者至少部分地解决上述问题，本发明实施例提供一种科研热点主题分析方法、装置与电子设备，用以在提高时间效率的前提下获取更准确的结果，更好的量化热点主题。

第一方面，本发明实施例提供一种科研热点主题分析方法，包括：

建立基于科研文献的引用网络，并采用随机游走算法，计算每篇文档的文献排序权重，以过滤文献，获取引文数据和语料库；

基于概率主题层次组合模型，对获取的所述引文数据和语料库进行评价筛选，获取热点科研主题。

第二方面，本发明实施例提供一种科研热点主题分析装置，包括：

预处理模块，用于建立基于科研文献的引用网络，并采用随机游走算法，计算每篇文档的文献排序权重，以过滤文献，获取引文数据和语料库；

输出模块，用于基于概率主题层次组合模型，对获取的所述引文数据和语料库进行评价筛选，获取热点科研主题。

第三方面，本发明实施例提供一种电子设备，包括：至少一个存储器、至少一个处理器、通信接口和总线；所述存储器、所述处理器和所述通信接口通过所述总线完成相互间的通信，所述通信接口用于所述电子设备与科研文献获取设备之间的信息传输；所述存储器中存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现如上第一方面所述的科研热点主题分析方法。

第四方面，本发明实施例提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行如上第一方面所述的科研热点主题分析方法。