检索结果-南通市图书馆

现代情报 2024年第4期44卷 22-31页

作者：逯万辉中国社会科学院中国社会科学评价研究院北京100732

[背景/意义]研究和对比不同主题建模方法在科学文献主题识别上的应用表现,对于合理选择使用主题建模技术开展科学文献主题挖掘具有重要意义。[方法/过程]通过构建中英文科学文献实验语料,选择3种主题建模方法(LDA、top2vec、Bertopic)和... 详细信息

[背景/意义]研究和对比不同主题建模方法在科学文献主题识别上的应用表现,对于合理选择使用主题建模技术开展科学文献主题挖掘具有重要意义。[方法/过程]通过构建中英文科学文献实验语料,选择3种主题建模方法(LDA、top2vec、Bertopic)和5种文本特征计算方法(Bag of Words、TFIDF、Doc2vec、MiniLM、SciBert)进行中英文科学文献主题建模实验,并对不同建模结果的主题多样性、主题一致性、主题稳定性和主题离散性指标进行对比分析。[结果/结论]不同建模工具的主题识别结果存在较大差异,其中LDA与Bertopic在英文和中文语料上识别出的主题中具有相似性关系的主题占比相对较高,但也仅为9.81%和7.46%;基于Doc2vec算法的top2vec模型在主题多样性指标上的表现相对最优;基于文本预训练算法的top2vec模型和Bertopic模型的主题稳定性和离散性指标优于传统主题建模方法。针对大语言模型技术的快速发展和广泛应用,加快推进科学文献预训练模型研发,并将之应用于科技情报业务实践是当前的重要研究方向。

关键词：主题建模 LDA top2vec Bertopic 科学文献主题识别

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

科学文献主题建模方法及其效果评估研究

引用

现代情报 2023年

作者：逯万辉中国社会科学院中国社会科学评价研究院

[背景/意义]研究和对比不同主题建模方法在科学文献主题识别上的应用表现，对于合理选择使用主题建模技术开展科学文献主题挖掘具有重要意义。[方法/过程]通过构建中英文科学文献实验语料，选择3种主题建模方法（LDA、top2vec、Bertopi... 详细信息

[背景/意义]研究和对比不同主题建模方法在科学文献主题识别上的应用表现，对于合理选择使用主题建模技术开展科学文献主题挖掘具有重要意义。[方法/过程]通过构建中英文科学文献实验语料，选择3种主题建模方法（LDA、top2vec、Bertopic）和5种文本特征计算方法（bag of words、TFIDF、Doc2vec、MiniLM、SciBert）进行中英文科学文献主题建模实验，并对不同建模结果的主题多样性、主题一致性、主题稳定性和主题离散性指标进行对比分析。[结果/结论]不同建模工具的主题识别结果存在较大差异，其中LDA与Bertopic在英文和中文语料上识别出的主题集中具有相似性关系的主题占比相对较高，但也仅为9.81%和7.46%；基于Doc2vec算法的top2vec模型在主题多样性指标上的表现相对最优，基于文本预训练算法的top2vec模型和bertopic模型的主题稳定性和离散性指标优于传统主题建模方法。针对大语言模型技术的快速发展和广泛应用，加快推进科学文献预训练模型研发，并将之应用于科技情报业务实践是当前的重要研究方向。

关键词：主题建模 LDA top2vec Bertopic 科学文献主题识别

来源：

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于依存句法的政策文本主题识别研究——以科技人才政策为例

基于依存句法的政策文本主题识别研究——以科技人才政策为例

引用

作者：李菁哲华东师范大学

学位级别：硕士

随着政府数字化的进一步完善,政策文本规模的不断扩大,如何充分利用网络上海量政策文本获取有效信息,成为当前大数据时代下政策信息再利用的关键问题。与此同时,随着文献计量、深度学习、文本挖掘等技术的应用与扩展,为大规模政策文本... 详细信息

随着政府数字化的进一步完善,政策文本规模的不断扩大,如何充分利用网络上海量政策文本获取有效信息,成为当前大数据时代下政策信息再利用的关键问题。与此同时,随着文献计量、深度学习、文本挖掘等技术的应用与扩展,为大规模政策文本的研究提供了多样化的量化分析方法和理念,政策文本量化成为近几年政策研究的主要趋势。政策主题识别是政策文本量化研究方法中文本内容挖掘方法之一,政策主题反映某一领域政策的主要概括,在政策分析中具有广泛应用,而目前常用的主题识别方法的语义理解性较弱,可解释性较低,缺乏更加深入语义信息的主题识别方法。依存句法分析自带深入语义信息的特征,在众多领域已受到关注,学者已将依存句法分析作为基础应用于微博文本、评论数据、新闻数据等非结构化数据进行探索,但目前仅有极少数学者将依存句法分析应用到政策文本中,且尚无学者基于依存句法分析对政策文本主题进行识别。因此本文对依存句法分析在政策文本主题识别领域的应用展开研究。本文构建了基于依存句法分析的政策文本主题识别框架。结合政策文本特有用语习惯,制定针对政策文本结构的依存关系抽取规则,实现细粒度的关键短语结构抽取。利用doc2vec模型对关键短语集实现向量化训练,通过top2vec建模获得词、短语、主题共同嵌入的主题簇,最后根据主题向量获取主题词和主题短语。本文选取我国1978-2022年科技人才相关政策为实验数据集,利用本文提出的主题识别方法展开实验,结合主题词与主题短语共同对主题语义进行解读,并将实验结果与未进行依存句法分析的结果及LDA、BERtopic主题模型结果进行对比,本文实验结果展现了较强的可理解性和语义解释性,同时本文通过对我国科技人才政策总体和分阶段主题识别,进行主题解读和分析,验证了本文提出方法的有效性及可行性。本文提出的政策文本主题识别方法实现了依存句法分析在政策文本主题识别领域的应用,同时丰富和扩展了政策文本主题研究领域的研究方法,为政策文本分析提供了新思路。此外,本研究对存在的不足之处进行总结并提出未来展望。

关键词：依存句法分析关键短语抽取政策文本主题识别 top2vec

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

科研人员职业高峰前后的研究主题转换特征识别

引用

图书情报工作 2021年第16期65卷 81-89页

作者：陈立雪滕广青吕晶庹锐东北师范大学信息科学与技术学院长春130117

[目的/意义]探索科研人员职业发展情况及其研究主题的变化规律不仅可以揭示科学生产力发展的内在机制,也有助于对科学事业的发展提供更好的政策指导与支持。[方法/过程]基于自然科学、社会科学、艺术与人文科学的代表性学科数据,对科研... 详细信息

[目的/意义]探索科研人员职业发展情况及其研究主题的变化规律不仅可以揭示科学生产力发展的内在机制,也有助于对科学事业的发展提供更好的政策指导与支持。[方法/过程]基于自然科学、社会科学、艺术与人文科学的代表性学科数据,对科研人员的职业高峰进行识别。在此基础上以职业高峰作为科研人员学术生涯的划分依据,采用自然语言处理中的top2vec主题建模方法识别研究主题,对科研人员学术生涯不同阶段所研究主题的主题相似度和主题转换概率进行分析。[结果/结论]研究结果表明,各学科科研人员总体上在经历职业高峰之后的主题转换会更加频繁;而精英学者在经历职业高峰后其研究主题则反而更加专一。

关键词：科研人员职业高峰 top2vec 主题转换主题相似度

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：