摘要：[目的/意义]在人工智能技术及应用快速发展与深刻变革背景下,机器学习领域不断出现新的研究主题和方法,深度学习和强化学习技术持续发展。因此,有必要探索不同领域机器学习研究主题演化过程,并识别出热点与新兴主题。[方法/过程]本文以图书情报领域中2011—2022年Web of Science数据库中的机器学习研究论文为例,融合LDA和Word2vec方法进行主题建模和主题演化分析,引入主题强度、主题影响力、主题关注度与主题新颖性指标识别热点主题与新兴热点主题。[结果/结论]研究结果表明,(1)Word2vec语义处理能力与LDA主题演化能力的结合能够更加准确地识别研究主题,直观展示研究主题的分阶段演化规律;(2)图书情报领域的机器学习研究主题主要分为自然语言处理与文本分析、数据挖掘与分析、信息与知识服务三大类范畴。各类主题之间的关联性较强,且具有主题关联演化特征;(3)设计的主题强度、主题影响力和主题关注度指标及综合指标能够较好地识别出2011—2014年、2015—2018年和2019—2022年3个不同周期阶段的热点主题。

摘要：【目的/意义】识别信息隐私研究领域的热点主题,梳理主题演化路径。【方法/过程】针对主题识别语义杂乱等问题,提出时序关联与结构表征视角下的主题演化分析方法。首先利用LDA(Latent Dirichlet Allocation)模型识别多时间窗口下的文献主题,进一步运用共词分析绘制语义更为独立的主题凝聚子群。在此基础上,从时序关联维度计算相邻窗口下主题间的相似度,梳理演化路径;从结构表征维度,设计主题新颖度、中心性、影响力等计量指标,探寻信息隐私前沿和热点主题的演化变迁。【结果/结论】实证分析结果表明,本文方法可以深度挖掘信息隐私领域研究主题,从宏微观两个维度全面梳理主题的演化路径。研究有利于探测信息隐私研究的前沿。【创新/局限】综合运用LDA主题模型与共词分析方法绘制主题凝聚子群,从时序演化和结构表征两个维度探寻主题演化路径。未来研究中有待于引入多种数据源以对比主题差异,有待于引入多元组术语改善主题识别效果。

摘要：[目的/意义]通过与非遗保护中心的对比,研究档案馆非遗保护存在的问题,为"十四五"时期档案馆提升非遗保护质量提供优化策略。[方法/过程]采用python语言构建LDA模型,对档案馆官网和非遗保护中心网站新闻报道进行主题挖掘与演化分析,通过对比分析探讨档案馆非遗保护存在的突出问题。[结果/结论]档案馆在非遗保护中仍存在一些问题,诸如:面临转型,档案管理传统建档保护模式受到挑战;发展失衡,档案馆非遗保护尚未形成体系;缺乏联动,档案馆与其他非遗保护机构合作松散。未来需重点从数字赋能(档案馆在数字化转型浪潮中凸显非遗建档优势)、制度建设(档案馆在实践推进中完善非遗保护顶层设计)、优势互补(在多元主体格局中推进非遗保护跨机构协同合作)3个方面着手,提升档案馆非遗保护水平和质量。

摘要：目的 探究我国突发重大传染病事件卫生系统管理政策的主题内容和演化趋势,为制定和完善传染病卫生系统防控政策提供依据。方法 设计网络爬虫路线获取国家卫生健康委员会、国务院政策文件库和北大法宝网站平台内有关突发重大传染病事件卫生系统政策文本数据,检索时间为2003年1月-2023年5月。利用隐含狄利克雷分布(Latent Dirichlet Allocation,LDA)对纳排后的数据进行主题分析,并绘制时间-强度变化曲线。结果 共纳入129项政策,根据一致性测算求得文本最佳主题数为11。最终归纳为政府指挥作用、医院服务质量、信息监测预警、分级诊疗等10个热点主题。根据时间-强度曲线将其划分为热度平稳型主题、热度上升型主题、热度下降型主题和一过性主题。结论 突发重大传染病事件卫生系统管理政策发布量显著增长,并随着特定传染病事件发生明显波动,在2003年与2020年出现峰值。政府在突发重大传染病事件卫生领域的引导作用不断加强,同时强调推动分级诊疗,构建政府主导的多元社会合作网络概念逐渐被放大。医疗机构更注重突发重大传染病事件的全程干预和应对体系建设,同时强调智慧医疗的改革与创新。

摘要：为加深对跨文献类型的学术研究主题演化的理解,设计构建会议论文和期刊论文研究主题演化的多步骤分析框架,包括数据准备、主题识别、相似度测量、时滞测度、演化模式分析、主路径识别和关键主题识别等。以《中国计算机学会推荐国际学术会议和期刊目录》中的A类出版物为例,分析和呈现2007-2021年人工智能核心领域会议论文、期刊论文的研究主题演化情况。研究发现:该领域会议论文的研究主题设置整体上领先期刊1年;多种主题演化模式交叉作用,扩展人工智能核心领域的科学知识;会议论文创新促进研究方向的聚焦和知识框架的稳定;一些较晚出现的会议主题更强烈地影响领域知识的持续构建。此外,还分析人工智能术语的分布情况和变化趋势。

摘要：[目的/意义]旨在分析用户研究主题的演化趋势,以帮助科研人员把握主题研究现状。[方法/过程]通过python自编抽取规则程序,建立知识元库,并以此作为词典利用LDA提取主题,基于LDA和信息熵设计主题贡献度指数(contribution degree index,CDI)、演化度指数(evolution degree index,EDI),据此计算不同时间段内用户研究主题的CDI、EDI值,在此基础上分析用户研究主题的演化趋势。[结果/结论]结合CDI和EDI识别出了用户研究中主题的发展态势,用户画像和用户标签具有强劲的发展势头;用户兴趣、用户体验、用户隐私保护是该领域持续研究的主题;学科服务主题研究热度呈衰减态势。本研究提供了一种细粒度揭示研究主题及子主题演化分析的新方法,结果可为相关人员提供研究选题依据。

摘要：[目的/意义]利用医学语义关系,基于医学文献开展主题演化类型与演化路径识别方法研究,为进一步丰富和完善主题演化理论与方法提供参考。[方法/过程]首先描述主题演化的新生、消亡、继承、分裂、融合和孤立6种类型,设计了基于统计与语义相结合的关键关联计算方法,提出利用密度和热度开展核心主题识别的研究,从关键关联与核心主题两方面共同识别主题的演化路径,进而确定主题演化类型。[结果/结论]采用本文研究思路与方法,对肝癌致病机制的研究领域文献开展主题演化路径识别与演化类型确定研究,实验证明所提方法可以较好描述领域的主要演化情况。后续研究将改进关键关联构建方法,以提升演化路径识别方法的精度。

摘要：为解决OLDA模型挖掘大规模文档主题时计算效率低下和不能发现新主题的问题,提出一种分布式的DOLDA模型(distribute online LDA,DOLDA)。建立分布式矩阵存储主题-词项,设计一种动态负载均衡策略来提升计算速度和线程调度的性能,根据Zipf定律结合主题的遗传度提出一种文档权值设置方法。在Spark分布式计算平台的实验结果表明,相比OLDA模型,DOLDA模型能够提高近16%的加速比,有效地在线分析主题的演化。

摘要：[目的/意义]针对当前非正式信息交流主题演化研究在分析层次和测度指标两方面存在的局限,提出一种具有通用性的演化分析方法,从微观和中观层面探究主题演化特征与规律。[方法/过程]引入会话分析理论,以新浪微博和知乎为例,通过对主题和主题簇运行过程进行分析,从会话内容和讨论方式两个维度揭示非正式信息交流演化特征与规律。同时,设计主题持续性计算判定方法,丰富主题演化的衡量标准。[结果/结论]主题演化分析结果显示新浪微博和知乎意见群体的发文主题存在明显偏重,且表明了意见群体参与社会焦点事件讨论中观点的主要切入角度;主题簇演化分析发现了新浪微博意见群体在一定范围内发散探索多元主题、知乎意见群体始终关注聚焦核心主题的讨论特点。两个社交媒体中意见群体在会话内容和讨论方式方面的区别,喻示了新浪微博和知乎在网络环境的非正式信息交流中主要承担的角色差异。

摘要：针对主题模型不能充分考虑情感极性信息和衰减因子设定单一的问题,提出情感极性和影响函数的OBTM弹幕主题演化方法。提出基于改进负采样的word2vec词向量模型,对弹幕词语的情感极性进行标注;设计影响函数,反映离散时间中文本主题的历史影响程度;利用情感极性特征和影响函数改进OBTM模型,用于弹幕主题演化的分析。实验结果表明,改进的OBTM可以有效优化主题演化效果,能够扩展弹幕在主题情感极性演化方面的应用。