【摘要】：學(xué)術(shù)領(lǐng)域信息,如學(xué)術(shù)文獻(xiàn)信息和作者信息等,是學(xué)術(shù)研究者持續(xù)關(guān)注的重點(diǎn)信息。深入挖掘?qū)W術(shù)領(lǐng)域信息,構(gòu)建相關(guān)學(xué)術(shù)網(wǎng)絡(luò),對(duì)學(xué)術(shù)研究工作和學(xué)科發(fā)展有很大的意義�，F(xiàn)有的大型專(zhuān)業(yè)數(shù)據(jù)庫(kù)和搜索引擎提供的科技文獻(xiàn)檢索,對(duì)學(xué)術(shù)文獻(xiàn)和作者的信息利用還遠(yuǎn)遠(yuǎn)不夠,學(xué)術(shù)領(lǐng)域信息挖掘和利用存在著巨大的發(fā)展?jié)摿Α?從海量學(xué)術(shù)文獻(xiàn)中,挖掘出文獻(xiàn)之間的內(nèi)在結(jié)構(gòu)和發(fā)展脈絡(luò),對(duì)科學(xué)研究者有很大的幫助,如可以幫助研究者了解領(lǐng)域發(fā)展歷程、當(dāng)前領(lǐng)域研究熱點(diǎn)以及研究主題可能發(fā)展趨勢(shì)等等。本文從學(xué)術(shù)文獻(xiàn)之間的內(nèi)在主題一致性和發(fā)展演化性等角度,來(lái)挖掘出文獻(xiàn)之間的內(nèi)在結(jié)構(gòu)和脈絡(luò),最終構(gòu)建基于主題的學(xué)術(shù)網(wǎng)絡(luò)。具體說(shuō)來(lái),本文主要完成以下工作： 1、本文提出一種構(gòu)建學(xué)術(shù)網(wǎng)絡(luò)的方法,即采用分而治之的策略,先將學(xué)術(shù)網(wǎng)絡(luò)進(jìn)行群體劃分,并對(duì)群體之間的關(guān)系進(jìn)行描述,然后對(duì)每一個(gè)群體構(gòu)建詳細(xì)的學(xué)術(shù)群體網(wǎng)絡(luò)圖。 2、在學(xué)術(shù)群體劃分中,引入張量分解的方法,該方法能夠?qū)Ａ繌?fù)雜結(jié)構(gòu)的超圖進(jìn)行分解,具有很強(qiáng)的擴(kuò)展性,且時(shí)間復(fù)雜度低,適用于大規(guī)模數(shù)據(jù)的學(xué)術(shù)群體發(fā)現(xiàn)。同時(shí),綜合對(duì)比聚類(lèi)、動(dòng)態(tài)主題模型和張量分解三種不同的方法在群體劃分過(guò)程中的效果和性能。三種方法采用學(xué)術(shù)領(lǐng)域不同的信息,取得不同的劃分效果,能夠適用于不同的應(yīng)用場(chǎng)景。 3、在構(gòu)建學(xué)術(shù)群體網(wǎng)絡(luò)時(shí),采用關(guān)鍵文章和主題路徑生成結(jié)合的方法,該方法易于實(shí)現(xiàn),在實(shí)驗(yàn)中取得了一定的效果。其中基于主題的路徑生成方法可以解決最短路徑方法等生成路徑主題不一致、存在局部相似性等問(wèn)題,為生成學(xué)術(shù)網(wǎng)絡(luò)提供了主題演化特性和脈絡(luò)特征,同時(shí)對(duì)現(xiàn)有的學(xué)術(shù)文獻(xiàn)索引方式提供了一種可行的主題特性。 4、搭建了生成基于主題學(xué)術(shù)網(wǎng)絡(luò)的系統(tǒng),提供文章信息收集與整合、數(shù)據(jù)存儲(chǔ)與訪問(wèn)、學(xué)術(shù)網(wǎng)絡(luò)核心算法以及Web訪問(wèn)接口定義等功能,能夠自動(dòng)收集學(xué)術(shù)信息,并處理生成最終目標(biāo)網(wǎng)絡(luò)。
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2013
【分類(lèi)號(hào)】：TP393.09;TP391.1

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 栗曉聰;滕少華;;頻繁項(xiàng)集挖掘的Apriori改進(jìn)算法研究[J];江西師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年05期

2 陸靜;;k-means算法在電信客戶關(guān)系管理中的應(yīng)用[J];福建電腦;2012年08期

3 翟淑偉;石奇光;楊燕玲;金蓉;霍煥廣;;火電廠運(yùn)行狀態(tài)監(jiān)測(cè)數(shù)據(jù)挖掘技術(shù)綜述[J];華東電力;2012年02期

4 管仁初;裴志利;時(shí)小虎;楊晨;梁艷春;;權(quán)吸引子傳播算法及其在文本聚類(lèi)中的應(yīng)用[J];計(jì)算機(jī)研究與發(fā)展;2010年10期

5 童先群;周忠眉;;基于屬性值信息熵的KNN改進(jìn)算法[J];計(jì)算機(jī)工程與應(yīng)用;2010年03期

6 王影;王浩;俞奎;姚宏亮;;基于L1正則化的貝葉斯網(wǎng)絡(luò)分類(lèi)器[J];計(jì)算機(jī)科學(xué);2012年01期

7 楊宇舟;張鳳荔;王勇;;基于K-MEANS聚類(lèi)的分支定界算法在網(wǎng)絡(luò)異常檢測(cè)中的應(yīng)用[J];計(jì)算機(jī)科學(xué);2012年04期

8 徐晶;劉旭敏;關(guān)永;董睿;;基于條件誤分類(lèi)的決策樹(shù)剪枝算法[J];計(jì)算機(jī)工程;2010年23期

9 周靖;劉晉勝;;基于特征熵相關(guān)度差異的KNN算法[J];計(jì)算機(jī)工程;2011年17期

10 翟鴻雁;曾晉明;曾紀(jì)霞;;基于支持向量機(jī)的電力市場(chǎng)價(jià)格預(yù)測(cè)中的核函數(shù)比較[J];計(jì)算技術(shù)與自動(dòng)化;2011年02期

相關(guān)會(huì)議論文 前3條

1 陳清光;許家佗;于波;郭U喦，

本文編號(hào)：2560625