基于聚类分析的国内文本挖掘热点与趋势研究

doi:10.3772/j.issn.1000-0135.2019.06.003

情报学报

2019, Vol. 38

Issue (6): 578-585 DOI: 10.3772/j.issn.1000-0135.2019.06.003

情报理论与应用

本期目录 | 过刊浏览 | 高级检索

基于聚类分析的国内文本挖掘热点与趋势研究

谭章禄, 彭胜男, 王兆刚

中国矿业大学（北京）管理学院，北京 100083

Research on Hotspots and Trends of Domestic Text Mining Based on Cluster Analysis

Tan Zhanglu, Peng Shengnan, Wang Zhaoguang

China University of Mining and Technology (Beijing) School of Management, Beijing 100083

摘要
图/表
参考文献
相关文章 (15)

全文: PDF (946 KB) HTML (109 KB)
输出: BibTeX | EndNote (RIS)

摘要了解国内文本挖掘领域的研究热点和趋势，对于掌握领域内容的发展变化及促进相关研究的进一步发展具有重要意义。首先，本文以CNKI数据库中1998—2017年的1155篇文本挖掘相关主题的研究文献为样本，以文章关键词的词频矩阵为数据，利用SPSS软件对其进行聚类分析。然后采用卡方统计抽取高关联度关键词对聚类结果进行解读，根据聚类结果将文本挖掘领域的文献从宏观上划分为13类，从而把握国内文本挖掘的研究热点与趋势。分析结果表明，国内关于文本挖掘的基础研究、文本大数据预处理、文本挖掘应用领域的研究是热点，有关关联规则、文本聚类、文本分类相关的应用研究文献数量较少，未来关于文本主题分析、文本大数据预处理、网络文本挖掘的研究可能成为新的趋势。

	服务

	把本文推荐给朋友
	加入我的书架
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	谭章禄
	彭胜男
	王兆刚

关键词 ：文本挖掘, 聚类分析, 研究热点, 趋势

收稿日期: 2018-09-27

基金资助:国家自然科学基金项目“基于数据挖掘的煤矿安全可视化管理模型及图元体系研究”（61471362）。

作者简介: 谭章禄，男，1962年生，教授，博士生导师，主要研究方向为信息化、可视化、大数据

引用本文:

谭章禄, 彭胜男, 王兆刚. 基于聚类分析的国内文本挖掘热点与趋势研究[J]. 情报学报, 2019, 38(6): 578-585.
Tan Zhanglu, Peng Shengnan, Wang Zhaogang. Research on Hotspots and Trends of Domestic Text Mining Based on Cluster Analysis. 情报学报, 2019, 38(6): 578-585.

链接本文:

https://qbxb.istic.ac.cn/CN/10.3772/j.issn.1000-0135.2019.06.003 或 https://qbxb.istic.ac.cn/CN/Y2019/V38/I6/578

1 曾铮. 互联网环境下的知识挖掘研究[J]. 情报理论与实践, 2005(2): 135-138.
2 KodratoffY. Knowledge discovery in texts: A definition and applications[C]// Proceedings of the 11th International Symposium on Methodologies of Intelligent Systems. Heidelberg: Springer, 1999: 16-29.
3 TanA H. Text mining: The state of the art and the challenges[C]// Proceedings of the Pacific Asia Conference on Knowledge Discovery and Data Mining. 1999: 65-70.
4 HearstM A. Mining in textual moutains[OL]. http://mappa.mundi.net/trip-m/hearst.
5 HearstM A. Untangling text data mining[C]// Proceedings of the 37 th Annual Meeting of the Association for Computational Linguistics. Stroudsburg: Association for Computational Linguistics, 1999: 3-10.
6 FeldmanR, DaganI. knowledge discovery in textual databases (KDT)[C]// Proceedings of the 1st International Conference on Knowledge Discovery and Data Mining.Palo Alto: AAAI Press, 1995: 112-117.
7 袁军鹏, 朱东华, 李毅, 等. 文本挖掘技术研究进展[J]. 计算机应用研究, 2006(02): 1-4.
8 杨丽华, 戴齐, 杨占华. 文本分类技术研究[J]. 微计算机信息, 2006(15): 209-211.
9 肖建国. 试论文本挖掘及其应用[J]. 图书馆学研究, 2008(4): 22-24.
10 张雯雯, 许鑫. 文本挖掘工具述评[J]. 图书情报工作, 2012, 56(8): 26-31, 55.
11 谌志群, 张国煊. 文本挖掘研究进展[J]. 模式识别与人工智能, 2005, 18(1): 65-74.
12 郑双怡. 文本挖掘及其在知识管理中的应用[J]. 中南民族大学学报(人文社会科学版), 2005(4): 127-130.
13 刘三女牙, 彭晛, 刘智, 等. 基于文本挖掘的学习分析应用研究[J]. 电化教育研究, 2016, 37(2): 23-30.
14 郭金龙, 许鑫, 陆宇杰. 人文社会科学研究中文本挖掘技术应用进展[J]. 图书情报工作, 2012, 56(8): 10-17.
15 范并思. 社会科学信息分析中的文本挖掘[J]. 图书情报工作, 2012, 56(8): 6-9.
16 郭金龙, 许鑫. 数字人文中的文本挖掘研究[J]. 大学图书馆学报, 2012, 30(3): 11-18.
17 徐德金, 张伦. 文本挖掘用于社会科学研究: 现状、问题与展望[J]. 科学与社会, 2015, 5(3): 75-89.
18 李尚昊, 朝乐门. 文本挖掘在中文信息分析中的应用研究述评[J]. 情报科学, 2016, 34(8): 153-159.
19 刘春艳. 基于信息可视化的文本挖掘研究领域前沿与演化分析[J]. 图书情报工作, 2011, 55(S2): 270-272, 189.
20 史航, 高雯珺, 崔雷. 生物医学文本挖掘研究热点分析[J]. 中华医学图书情报杂志, 2016, 25(2): 27-33.
21 AllahyariM, PouriyehS, AssefiM, et al. A brief survey of text mining: Classification, clustering and extraction techniques[OL]. https://arxiv.org/pdf/1707.02919.pdf.
22 唐菁, 沈记全, 杨炳儒. 基于Web的文本挖掘系统的研究与实现[J]. 计算机科学, 2003, 30(1): 60-62.
23 薛为民, 陆玉昌. 文本挖掘技术研究[J]. 北京联合大学学报(自然科学版), 2005, 19(4): 59-63.
24 刘彦保, 王文发, 王文东. 基于聚类分析策略的Web文本挖掘方法[J]. 延安大学学报(自然科学版), 2007, 26(4): 22-25, 29.
25 WuQ Q, DengX, ZhangC D, et al. LDA-based model for topic evolution mining on text[C]// Proceedings of the International Conference on Computer Science & Education. IEEE, 2011: 946-949.
26 DingY, FuX. The research of text mining based on self-organizing maps[J]. Procedia Engineering, 2012, 29(4): 537-541.
27 GoswamiS, ShishodiaM S. A fuzzy based approach to text mining and document clustering[J]. International Journal of Data Mining & Knowledge Management Process, 2013, 3(3): 43-52.
28 朱卫星, 徐伟光, 何红悦, 等. 文本数据主题挖掘与关联搜索研究[J]. 计算机科学, 2017, 44(11A): 411-413, 456.
29 KobayashiV B, MolS T, BerkersH A, et al. Text classification for organizational researchers[J]. Organizational Research Methods, 2018, 21(3): 766-799.
30 HaoT Y, ChenX L, LiG Z, et al. A bibliometric analysis of text mining in medical research[J]. Soft Computing, 2018, 22(23): 7875-7892.
31 ZhaiX, LiZ H, GaoK, et al. Research status and trend analysis of global biomedical text mining studies in recent 10 years[J]. Scientometrics, 2015, 105(1): 509-523.
32 张敏, 罗梅芬, 张艳. 国际文本挖掘研究主题群识别与演化趋势分析[J]. 图书馆学研究, 2017(2): 15-21.
33 GouM Y, ZhaoW L. Knowledge mapping analysis on text mining research of medicine related fields in different regions[J]. Cross-Cultural Communication, 2017, 13(9): 1-9.
34 XuQ X, NiuN, QuanY M, et al. Research on the development of text mining technology based on bibliometrics and knowledge map visualization[J]. Scientific Journal of Information Engineering, 2017, 7(1): 15-26.
35 ChiangJ K, WuW C, LiaoW C, et al. Machine learning trend anticipation by text mining methodology based on SSCI database[C]// Proceedings of the Fifth International Joint Conference on INC, IMS and IDC. Washington DC: IEEE Computer Society, 2009: 612-617.
36 刘海峰, 苏展, 刘守生. 一种基于词频信息的改进CHI文本特征选择[J]. 计算机工程与应用, 2013, 49(22): 110-114.
37 裴英博, 刘晓霞. 文本分类中改进型CHI特征选择方法的研究[J]. 计算机工程与应用, 2011, 47(4): 128-130.
38 王勤池, 乔建行. 数字化图书馆检索系统的现状与发展[J]. 情报科学, 1998, 16(6): 571-574.