基于回溯-拓展算法的学者分类及其研究领域的演化

作     者：胥路 

作者单位：山东师范大学 

学位级别：硕士

导师姓名：马英红

授予年度：2024年

学科分类：1205[管理学-图书情报与档案管理] 12[管理学] 120501[管理学-图书馆学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 120502[管理学-情报学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主      题：回溯-拓展算法 学者分类 知识共现网络 主题识别 主题演化 

摘      要：近几年,各领域学者及其学术成果数量不断增长,推动了学者以及各学科的发展。但由于学术数据量庞大且学者研究的知识点分布散乱,所以为学者的选题、学术信息的推荐以及学科管理带来了困难。因此,需要分析知识间的关系,挖掘学科中主题及其演化趋势,从而为科研决策提供依据。但考虑到不同类型学者的知识研究倾向会有不同,部分学者倾向于知识的深入研究,部分学者倾向于知识的创新。所以,仅从宏观且单一的领域角度进行演化分析,得到的结论对于不同类型学者的参考价值较小。因此,需要合理地划分学者类型,在不同类型学者角度下分析领域中主题的演变过程,从而为不同类型学者的科学研究提供有针对性的意见,推动学科的发展。 为合理划分学者类型,本文对开发-探索模型(Exploitation–Exploration model,简称EEM)进行改进,构建了基于知识标签的回溯-拓展算法(BacktrackingExtension Algorithm Based Knowledge,简称BK-BEA)应用于学者分类。考虑到文本内容的相关性对学者创作的影响,本文在EEM的基础上,加入了文章知识标签的Jaccard相似性来控制算法的模拟过程。并且,本文总结并提出了四种常见的学者研究知识的特征统计量应用于检验算法改进的合理性。根据知识共现网络的主题聚类结果,本文进行了物理学领域的主题演化分析。此外,借助BK-BEA,本文对学者进行了分类,从而提出了新的主题演化视角,即知识回溯视角与知识拓展视角。基于这两类视角,本文分析了不同类型学者视角下的主题演化趋势。为了量化演化趋势的特征,本文总结了五种常见的主题演化模式,应用于不同视角下的演化特征对比。此外,本文还分析了主题之间的知识流动情况,解释了主题演化的内在原因。根据本文的研究方法和研究结论,期待为不同类型学者的选题,学术信息的推荐以及学科管理提供决策依据,从而提高学者合作水平、促进学科发展。