[目的/意義]梳理"LDA主題模型"提出以來(lái)的國(guó)內(nèi)研究現(xiàn)狀,總結(jié)其研究趨勢(shì)和發(fā)展情況,為進(jìn)一步在情報(bào)學(xué)領(lǐng)域利用該模型進(jìn)行研究提供參考和借鑒。[方法/過(guò)程]在CNKI中進(jìn)行相關(guān)檢索,得到符合要求的文獻(xiàn)作為數(shù)據(jù)集,從年度發(fā)文量、高產(chǎn)出作者、高產(chǎn)出機(jī)構(gòu)、作者之間的合著情況、高產(chǎn)科研機(jī)構(gòu)之間的合作情況、文獻(xiàn)來(lái)源情況以及相關(guān)文獻(xiàn)的關(guān)鍵詞之間的共現(xiàn)情況等方面進(jìn)行分析,并通過(guò)可視化軟件進(jìn)行結(jié)果展示。[結(jié)果/結(jié)論]從年度發(fā)文量來(lái)看,LDA主題模型的研究論文呈現(xiàn)出數(shù)量逐步上升的趨勢(shì),說(shuō)明進(jìn)行該模型的有關(guān)研究具有一定的可行性;結(jié)合高產(chǎn)出作者和作者之間的合著情況來(lái)看,LDA主題模型的有關(guān)研究更加趨向于計(jì)算機(jī)相關(guān)領(lǐng)域;從高產(chǎn)出機(jī)構(gòu)的情況來(lái)看,地理位置在東部和南部的相關(guān)科研機(jī)構(gòu)更容易在LDA主題模型的有關(guān)領(lǐng)域占據(jù)領(lǐng)先位置,"985"、"211"以及"雙一流"高校憑借自身優(yōu)勢(shì)更容易獲得科研資源,產(chǎn)生出大量成果;從關(guān)鍵詞之間的共現(xiàn)情況來(lái)分析,以"LDA"為主要出發(fā)點(diǎn)開(kāi)展相關(guān)研究,主要涉及到"主題模型"和"主題挖掘"內(nèi)容,這一點(diǎn)可以和"大數(shù)據(jù)"背景下的情報(bào)領(lǐng)域相關(guān)發(fā)展結(jié)合起來(lái)。
【部分圖文】：

利用Bibexcel、ucinet6.0以及NetDraw2.084軟件,結(jié)合表4中的“高產(chǎn)機(jī)構(gòu)統(tǒng)計(jì)結(jié)構(gòu)”生成合作關(guān)系矩陣,進(jìn)而繪制出合作關(guān)系圖,如圖4所示。經(jīng)計(jì)算,高產(chǎn)機(jī)構(gòu)合作關(guān)系矩陣的密度為0.016 7,密度較小,反映到圖4上的趨勢(shì)即點(diǎn)與點(diǎn)之間的聯(lián)系較為分散,無(wú)法形成比較緊密的聯(lián)系。同時(shí)部分高產(chǎn)機(jī)構(gòu)同一般機(jī)構(gòu)合作,或者是獨(dú)立完成科研任務(wù),因此在圖4中單獨(dú)一列。在ucinet6.0中計(jì)算點(diǎn)度中心度和出度中心度,如下表4和表5所示,來(lái)尋找在該網(wǎng)絡(luò)中重要性最高的科研機(jī)構(gòu),以及影響力較強(qiáng)的科研機(jī)構(gòu)。該矩陣的點(diǎn)度中心度最高值為5.769,最低為0.000,平均值1.306。最高值出現(xiàn)在“閩南師范大學(xué)計(jì)算機(jī)學(xué)院”、“武漢大學(xué)信息管理學(xué)院”,其次重要性程度較高的科研機(jī)構(gòu)還有“安徽理工大學(xué)經(jīng)濟(jì)與管理學(xué)院”、“合肥工業(yè)大學(xué)計(jì)算機(jī)與信息學(xué)院”、“吉林大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院”等。從表4可以看出,科研機(jī)構(gòu)大部分都同“計(jì)算機(jī)”以及“信息管理”相關(guān),說(shuō)明對(duì)于“LDA主題模型”的研究同這兩個(gè)領(lǐng)域有著緊密的聯(lián)系。隨著數(shù)據(jù)的爆發(fā)式增長(zhǎng),各種非結(jié)構(gòu)化和半結(jié)構(gòu)化的數(shù)據(jù)隨之越來(lái)越多,這種數(shù)據(jù)結(jié)構(gòu)有別于傳統(tǒng)的數(shù)據(jù)形式,在分析起來(lái)有相當(dāng)?shù)碾y度[7],應(yīng)用傳統(tǒng)的直觀統(tǒng)計(jì)或者分析方法往往難以完成相應(yīng)的分析任務(wù)。因此借助計(jì)算機(jī)領(lǐng)域的相關(guān)編程手段,如R語(yǔ)言和Python語(yǔ)言等來(lái)幫助對(duì)上述數(shù)據(jù)進(jìn)行分析成為大多數(shù)研究人員進(jìn)行文本挖掘,主題探究,文檔相似性檢測(cè)等活動(dòng)的選擇。

為充分達(dá)到本文的研究目的,擬將文獻(xiàn)研究法、社會(huì)網(wǎng)絡(luò)分析法、統(tǒng)計(jì)分析法等各種可視化分析方法綜合應(yīng)用。各方法在本研究中所發(fā)揮的作用如下圖1所示。由圖1可知,統(tǒng)計(jì)分析法貫穿整個(gè)研究的始終,從開(kāi)始的確定統(tǒng)計(jì)口徑和指標(biāo)一直到最后的社會(huì)網(wǎng)絡(luò)分析法都離不開(kāi)統(tǒng)計(jì)與分析,文獻(xiàn)研究法負(fù)責(zé)基礎(chǔ)的資料搜集與處理,為下一步的研究提供符合要求的材料,社會(huì)網(wǎng)絡(luò)分析法在本次研究中起主要作用,從系統(tǒng)的角度對(duì)文本進(jìn)行分析,從而揭示“LDA主題模型”在不同領(lǐng)域之間的研究趨勢(shì)發(fā)展情況。

表1 各年度發(fā)文量統(tǒng)計(jì) 年份 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 發(fā)文數(shù)目 1 3 3 8 13 16 37 47 61 88 91 107結(jié)合圖1和表1可知,符合要求的文章發(fā)文數(shù)目從2007年開(kāi)始呈現(xiàn)出遞增的趨勢(shì),其中2008年和2009年的發(fā)文數(shù)量持平,均為3篇。在2012年之后遞增幅度明顯增大。從2007年發(fā)表相關(guān)文章1篇,到2018年的107篇,趨勢(shì)如圖1虛線所示,該趨勢(shì)可以用一個(gè)R2=0.9 928的一元回歸模型來(lái)進(jìn)行表示,且該趨勢(shì)線可以擬合12個(gè)年份中的10個(gè)年份,能夠較好的同論文的發(fā)文數(shù)量趨勢(shì)相擬合。該趨勢(shì)可以用y=0.0 012×x6-14.796×x5+74 437×x4-2×108×x3+3×1 011×x2-2×1 014×x+8×1 016來(lái)表示,其中y代表年度發(fā)文數(shù)目,x代表從2007年開(kāi)始直到2018年的每一年,利用上述一元回歸模型進(jìn)行計(jì)算,可知2018年的發(fā)文數(shù)目將近是2014年的2.27倍,說(shuō)明使用該模型進(jìn)行研究仍然是一個(gè)熱點(diǎn),使用該模型的上升趨勢(shì)較為明顯。

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 歐衛(wèi);謝贊福;謝彬彬;歐繽憶;;基于LDA模型的社交網(wǎng)絡(luò)主題社區(qū)挖掘[J];計(jì)算機(jī)與現(xiàn)代化;2014年08期

2 林麗麗;馬秀峰;;基于LDA模型的國(guó)內(nèi)圖書(shū)情報(bào)學(xué)研究主題發(fā)現(xiàn)及演化分析[J];情報(bào)科學(xué);2019年12期

3 蔣明敏;王雪芬;劉s

本文編號(hào)：2832027