[发明专利]一种科技研究热点主题预测方法

说明书

本发明公开一种科技研究热点主题预测方法，根据与待测主题相关的科技研究主题词表对学科文献进行预处理，得到对应年份的分词文档，并将分词文档转换为二进制向量矩阵；利用频繁项集挖掘算法对二进制向量矩阵进行处理，得到频繁主题集合；对频繁主题集合进行过滤，得到热点主题集合；将热点主题集合转换为时序序列数据，根据时序序列数据，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；根据主题预测模型预测待测主题出现的频率。本发明文采用基于领域主题词表的词语过滤，较为完善的归纳了科技研究领域特性，采用频繁项集算法对科技研究领域的热点主题进行识别，能够准确地预测未来时间内的热点主题。

技术领域

本发明涉及信息处理领域，特别是涉及一种科技研究热点主题预测方法。

背景技术

现有技术大部分采用聚类方法对科学热点主题识别，部分预测方法只是利用关键的高频进行，不能有效体对未来一段时间的学科热点主题预测，热点主题预测的准确性较低。

发明内容

本发明的目的是提供一种科技研究热点主题预测方法，能够准确预测热点主题出现的频率。

为实现上述目的，本发明提供了如下方案：

一种科技研究热点主题预测方法，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。

可选的，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。

可选的，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。

可选的，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。