基于Paragraph Vector模型的科研热点发现方法

作     者：郭佳 罗森林 陈倩柔 GUO Jia;LUO Sen-lin;CHEN Qian-rou

作者机构：北京理工大学信息系统及安全对抗实验中心北京100081 

出 版 物：《电子设计工程》 (Electronic Design Engineering)

年 卷 期：2018年第26卷第20期

页      码：105-109页

摘      要：科研热点对科学研究具有指导意义,目前的科研热点发现主要依赖文本聚类技术,针对文本表示存在的特征语义表达能力不强、无法揭示词语之间潜在联系的问题,提出了一种基于Paragraph Vector模型的科研热点发现方法。该方法对文本集使用Paragraph Vector模型构建文本语义向量表示,并根据语义向量的相似度计算结果进行聚类分析得到主题集,最后基于主题文本引用特征选择前N个主题作为科研热点。实验结果表明,科研热点发现的聚类评价ARI值为0.452、H值为0.532、C值为0.538、V值为0.535,说明Paragraph Vector的低维空间表示法可通过挖掘词之间的关联属性优化向量语义表示,并能缓解维数灾难问题进而提高了话题发现的准确度。

主 题 词：热点发现 文本聚类 自然语言处理 Paragraph Vector 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.14022/j.cnki.dzsjgc.2018.20.023

馆 藏 号：203384790...