[发明专利]一种科技研究热点主题预测方法

权利要求书

1.一种科技研究热点主题预测方法，其特征在于，所述预测方法包括：

根据待测主题确定相应科技研究领域的资料库；所述资料库包括学科文献、网络资源和专家知识；

根据所述资料库构建一维横向量的主题词表；

根据所述主题词表，对每年的学科文献进行预处理，得到对应年份的学科文献分词文档；

利用所述主题词表，根据所述学科文献分词文档中的词在所述主题词表中的出现情况得到对应年份的二进制向量；所有年份的二进制向量构成二进制向量矩阵；

利用频繁项集挖掘算法对所述二进制向量矩阵进行处理，得到频繁主题集合；

对所述频繁主题集合进行过滤，得到热点主题集合；

将所述热点主题集合转换为时序序列数据；

根据所述时序序列数据，训练多个预测模型，并利用加权处理方法得到主题预测模型；

利用所述主题预测模型预测所述待测主题出现的频率。

2.根据权利要求1所述的科技研究热点主题预测方法，其特征在于，所述根据所述主题词表，对每年的学科文献进行预处理，得到对应年份的学科文献分词文档，具体包括：

针对每一年的科学文献进行如下处理：

所述科学文献进行句子划分，得到对应的句子集合；

根据所述主题词表，对所述句子集合进行分词处理，形成对应年份的学科文献分词文档。

3.根据权利要求1所述的科技研究热点主题预测方法，其特征在于，若所述学科文献分词文档中的词出现在所述主题词表中，则记为1，否则记为0，形成对应年份的二进制向量。

4.根据权利要求1所述的科技研究热点主题预测方法，其特征在于，所述利用频繁项集挖掘算法对所述二进制向量矩阵进行处理，得到频繁主题集合，具体包括：

以任一年的分词文档对应的二进制向量为事务，将所述分词文档中的主题词按照支持度由大到小的顺序进行排列，并删除频繁1项集，得到更新后的事务数据集；

将所述事务数据集转换为事务链表组，所述事务链表组的各项事务链表保存着头元素相同的各事务的信息；

按头元素支持度大小递增排列顺序，对所述事务链表组进行更新，得到更新后的事务链表组；

对所述更新后的事务链表组进行挖掘，获得对应年份的频繁主题集；

以最后一年的频繁主题集为基准，对每个主题词进行计算，如果该主题词出现的年份数超过阈值，就保留，否则删除，得到频繁热点主题集。

5.根据权利要求4所述的科技研究热点主题预测方法，其特征在于，所述按头元素支持度大小递增排列顺序，对所述事务链表组进行更新，得到更新后的事务链表组，具体包括：

递归地扫描所述事务链表，找出频繁项集；

将所述事务链表所述事务链表组中删除，并创建以所述事务链表头元素为前缀的事务链表组；

合并所述事务链表组和所述以所述事务链表头元素为前缀的事务链表组，得到所述更新后的事务链表组。

6.根据权利要求1所述的科技研究热点主题预测方法，其特征在于，对所述频繁主题集合进行过滤，得到热点主题集合，具体包括：

对所述频繁主题集合进行划分，得到相关的主题词；

根据相关的主题词构成相关主题词组；

对每一相关主题词组进行如下处理：

删除重复的主题词，得到无重复的主题词组；

针对所述无重复的主题词组中的每一主题词，删除其子主题词和子主题词组，得到热点主题词组；

根据每一热点主题词组构成所述热点主题集合。

7.根据权利要求1所述的科技研究热点主题预测方法，其特征在于，所述将所述热点主题集合转换为时序序列数据，具体包括：

根据所述热点主题集合中的主题在对应年份的频率构成向量集合；

将所述向量集合中的向量值按照年份由小到大的顺序排列，形成所述时序序列数据。

8.根据权利要求1所述的科技研究热点主题预测方法，其特征在于，所述主题预测模型为：freq(X)＝w₁*M₁(X)+w₂*M₂(X)+...+w_j*M_j(X)+...w_J*M_J(X)；

其中，X表示所述待测主题，freq(X)表示所述待测主题出现的频率，M_j(X)表示M_j模型对所述待测主题的预测值，w_j表示M_j模型预测的权重，j＝1,2,...,J，J为模型的数量。