科研热点主题分析方法、装置与电子设备制造方法及图纸

本发明专利技术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。本发明专利技术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。

Research hot topic analysis methods, devices and electronic equipment

【技术实现步骤摘要】
科研热点主题分析方法、装置与电子设备
本专利技术实施例涉及科研文献主题挖掘
，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。
技术介绍
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。
技术实现思路
为了克服上述问题或者至少部分地解决上述问题，本专利技术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，本专利技术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，本专利技术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，本专利技术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，本专利技术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。本专利技术实施例提供的科研热点主题分析方法、装置与电子设备，通过构建一种概率主题层次组合模型，根据主题发现的结果，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。另外，通过排序能够更好的量化热点主题，通过给出每个主题的文献推荐列表，能够获取更准确的趋势演化分析结果。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术一实施例提供的科研热点主题分析方法的流程示意图；图2为根据本专利技术实施例提供的科研热点主题分析方法中建立的概率主题层次组合模型的结构示意图；图3为本专利技术另一实施例提供的科研热点主题分析方法的流程示意图；图4为本专利技术实施例提供的科研热点主题分析装置的结构示意图；图5为本专利技术实施例提供的电子设备的实体结构示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术实施例的一部分实施例，而不是全部的实施例。基于本专利技术实施例中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本专利技术实施例保护的范围。本专利技术实施例通过对当前主流的推断算法进行分析，针对应用场景对算法进行加速和优化，以获取更佳的时空效率。与现有技术相比，本专利技术提供可对科研文献构建一种概率主题层次组合模型，上层模型通过文献的主题分布来构建文献网络的依赖关系，采用一种网络链接分析和随机游走算法来计算文档权值，并据此过滤非重要文献，下层通过LDA拓展模型产生文档和词，上下层通过一个联合分布函数对文档结构信息和内容信息进行结合。根据主题发现的结果，依据文献结构信息和主题所属信息构建主题演化图，每个节点代表一个主题，由于引用的时间属性，主题间的有向边表明主题间的依赖发展关系。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，通过排序更好的量化热点主题，并能给出每个主题的文献推荐列表，最终获得一个基于机器学习的科研热点发掘与趋势演化研究模型。以下将具体通过多个实施例对本专利技术实施例进行展开说明和介绍。图1为本专利技术一实施例提供的科研热点主题分析方法的流程示意图，包括：S101，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。可以理解为，本步骤进行数据的预处理，以行业数据为例，建立基于科研文献引用网络，采用随机游走算法计算每篇文档的文献排序权重(FileRankWeight,FRW)，并按一定条件过滤文献。即，首先进行目标语料库的建立，包括文献的选取，停用词表等的建立。之后进行科研文献的摘要和引用的分别抽取，对摘要和引用文本内容进行分割和清洗，获取引文数据并分别建立欧美和中国的科技文献语料库。例如，在对语料库中文献经过清洗后，利用网络链接分析和随机游走算法，根据文献中的引用关系，迭代计算出每个文献的FRW，并过滤掉FRW低于特定阈值的旧文献。其中，如果特定文献由于没有引用关系，则FRW按系统默认阈值赋值。其中的科研文献数据可以是来自于公开发表的科研学术论文、报告，所述文档网络是文献引用关系网络。S102，基于概率主题层次组合模型，对获取的引文数据和语料库进行评价筛选，获取热点科研主题。可以理解为，本步骤利用一种可以综合利用多源信息的本文档来自技高网...

【技术保护点】
1.一种科研热点主题分析方法，其特征在于，包括：/n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；/n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。/n

【技术特征摘要】
1.一种科研热点主题分析方法，其特征在于，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。


2.根据权利要求1所述的方法，其特征在于，在所述获取热点科研主题的步骤之后，还包括：
基于所述概率主题层次组合模型模拟出的主题信息及分布，将不同主题视为节点，建立节点之间的有向边连接，形成主题演化图，以获取主题趋势和不同主题间的演化发展情况。


3.根据权利要求2所述的方法，其特征在于，在所述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的步骤之前，还包括：
采用马尔科夫随机场，通过对主题分布变量进行描述，构建所述基于概率主题层次组合模型的上层，以通过主题分布之间的关系来解释文档网络的依赖性；
采用潜在狄利克雷分布模型，对所述语料库中的文献进行建模，构建所述基于概率主题层次组合模型的下层，以产生文献和词。


4.根据权利要求3所述的方法，其特征在于，在所述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的步骤之后，还包括：
基于主题拓展模型，对主题进行挖掘，获取潜在主题，并通过困惑度和SKL对概率主题模型生成主题质量进行评价，结合评价标准建立主题结果集；
基于所述主题结果集，构建主题节点集，获取主题推荐文献列表。


5.根据权利要求4所述的方法，其特征在于，所述基于所述主题结果集，构建主题节点集，获取主题推荐文献列表的步骤具体包括：
构建模型对所述主题结果集中的主题结果进行分析处理，并根据隐含狄利克雷分布模型模拟出的主题信息及分布，将不同主题视为节点，通过不同主题间的共词和共引关系，建...

【专利技术属性】
技术研发人员：高万林，何东彬，王敏娟，郝霞，张国锋，张莉，王兵兵，赵龙，
申请(专利权)人：中国农业大学，
类型：发明
国别省市：北京;11