隨著科技不斷進步,科研文獻迅猛增長,新的研究方向不斷涌現(xiàn),如何有效對科研文獻進行分類、管理、分析對科研人員和科技的發(fā)展都具有重要意義。傳統(tǒng)的科研文獻研究主要集中于文獻主題分析、科研領域社交網絡分析等,而從科研人員自身需求出發(fā)的研究工作甚少。本文利用機器學習方法來研究和分析科研文獻,從科研人員本身角度出發(fā),以主題模型、集成學習為基礎,以科研文獻為研究對象進行了研究和分析,設計實現(xiàn)了服務于科研人員的科研文獻管理系統(tǒng),主要工作如下:1.針對現(xiàn)有研究極少考慮科研文獻類別不平衡的問題,提出了一種類別不平衡科研文獻集成分類方法,該方法將主題模型與集成學習方法相結合,通過有放回采樣的方式重構數據集,以及對多個弱學習器集成的方式提升主題模型的分類性能,并在真實數據集上驗證了方法有效性。2.針對科研人員需花費大量時間和精力去發(fā)現(xiàn)學術會議的熱點或發(fā)展趨勢,提出了一種會議熱點和發(fā)展趨勢分析的學習方法,該方法將會議熱點抽象為主題在關鍵詞上的分布,利用相對熵捕捉研究熱點隨時間的發(fā)展趨勢。通過對機器學習領域學術會議NIPS錄用的科研文獻進行分析,驗證了方法有效性。3.針對現(xiàn)有文獻管理系統(tǒng)中信息不準確問題,提出了一... 

【文章來源】：南京大學江蘇省 211工程院校 985工程院校 教育部直屬院校

【文章頁數】：69 頁

【學位級別】：碩士

【部分圖文】：

圖２．１?ＬＤＡ模型??

?南京大學研究生畢業(yè)論文???最直觀的方法就是在ＬＤＡ中加入監(jiān)督信息。??有監(jiān)督的隱狄利克雷模型（ｓｕｐｅｒｖｉｓｅｄ?Ｌａｔｅｎｔ?Ｄｉｒｉｃｈｌｅｔ?Ａｌｌｏｃａｔｉｏｎ，ｓＬＤＡ）是??在ＬＤＡ基礎上加入監(jiān)督信息的主題模型。ｓＬＤＡ概率圖模型如圖２．２所示，??〇—－－〇——〇??ａ?ｄｄ?Ｖｄ，ｎ?Ｗｄ，ｎ?ｐｋ??＼??Ｍ?Ｋ???ａ??ｒ］，８??圖２．２?ｓＬＤＡ模型??其原理與假設與ＬＤＡ模型基本相同，只不過在ＬＤＡ模型中為每個文檔加入了??－個響應變量（Ｒｅｓｐｏｎｓｅ?Ｖａｒｉａｂｌｅ），在分類任務中，這個響應變量即為文檔的標簽。??該響應變景與單詞Ｗｄｉｎ并不直接相連，而是與該單詞的主題Ｚｄ＿ｎ相關聯(lián)。??ｓＬＤＡ認為一個預料庫屮的每？？篇文檔及其響應變量的生成過程如下：??１）生成Ｎ，?Ｎ？Ｐｏｉｓｓｏｎ？，?Ｎ為該文檔長度。??２）生成％，?０ｄ？Ｄｉｒ（：ｃ〇，０ｄ為該文檔在主題上多項式分布。??３）對于文檔屮的每一個單詞１＾？：??ａ）生成Ｚｄ．ｎ，Ｚ＾ｎ－Ｍｕ／ｔｉｎｏｍｉａＫ％），Ｚｄ，ｎ為該詞所屬主題；??ｂ）生成ｗｄ，ｎ，？ｐ（Ｗｄ，ｎ｜ｚｄ，ｎ，（Ｐｆｃ），ｗ以為生成的單詞。??４）所有單詞生成結束后，生成ｙ｜ｚ１：ｗ，ｎ，Ｓ？ＧＬＭ（ｆ，ｒｉ，６），?ｙ為該文檔點響應??變量，其中：??ｚ：＝?（１／／Ｖ））?ｚｎ??而響應變Ｍ?ｙ的分布是一個廣義線性模型（Ｇｅｎｅｒａｌｉｚｅｄ?Ｌｉｎｅａｒ?Ｍｏｄｅｌ，?ＧＬＭ）：??（ｒｉｒｚ）ｙ?—?ＡＣｒｉ１?ｚ）??Ｐ（ｙ＼ｚｉ：Ｎ＾，Ｓ）?＝?ｈ（ｙ，Ｓ）ｅｘｐ｛???｝??ｌｉ??

?南京大學研究生畢業(yè)論文???ＣＺＺ＾Ｉ有放回的采樣ｂ＿Ｓａｍ個樣本＾??類別?１?數????樣后的子數據集１??類另??｛?采樣后的子數據集２??類別３數雛＂…?????」??類別ｎ數據集?采樣后的子數據集ｂ＿Ｎｕｒａ??圖２．３均衡集成ＢＥｓＬＤＡ采樣過程??果進行集成時，采用的集成策略是最簡中．的投票法，而最后的分類結果取投票數??前３名的三個主題，因此本文的方法最終的輸出結采是３個主題標簽。??Ｒ?一＾〇０＜＼０＜?２?＾分類結果１＾１??Ｕ??〇＾１〇????數據集１?ｓＬＤＡ＿ｌ??０＿＾?＿?ｆ分類結果２?ｒＪｓＴ＾ｉ＾ｌ??Ｕ?Ｌ＿＿〇ｄ°?＾＾?＾最終結果??數據集?２?ｓＬＤＡ＿２?＾Ｊ??？？？?ｔ？籲?？？響?＿秦參？■■??〇！?０００－０－?０?ｆ分類結果１??Ｊ?：?￣４〇－〇?ｂ＿Ｎｕｍ??數據集?ｂ＿Ｎｕｍ?ｓＬＤＡ＿ｂ＿Ｎｕｍ??閹２．４均衡集成ＢＥｓＬＤＡ集成過程??１３??

【參考文獻】：
期刊論文
[1]技術預見研究熱點的演進分析:內容挖掘視角[J]. 李牧南.  科研管理. 2018(03)
[2]國內技術預見研究卓越機構及研究熱點可視化描繪[J]. 張秀妮,張薇.  競爭情報. 2015(03)
[3]近十年（2004～2013）國際技術預見研究的熱點及動向分析[J]. 李國秋,龍怡.  圖書情報知識. 2014(03)
[4]現(xiàn)實世界中的主題突發(fā)與其間斷演化發(fā)現(xiàn)(英文)[J]. 湯斯亮,張寅,王翰琪,陳銘,吳飛,莊越挺.  中國通信. 2013(03)
[5]網絡爬蟲技術的研究[J]. 孫立偉,何國輝,吳禮發(fā).  電腦知識與技術. 2010(15)



本文編號：3595447