面向学科新兴主题探测的多源科技文献时滞计算及启示——以农业学科领域为例

doi:10.3772/j.issn.1000-0135.2021.01.003

情报学报

2021, Vol. 40

Issue (1): 21-29 DOI: 10.3772/j.issn.1000-0135.2021.01.003

情报理论与应用

本期目录 | 过刊浏览 | 高级检索

面向学科新兴主题探测的多源科技文献时滞计算及启示——以农业学科领域为例

杨金庆^1,2, 陆伟^1,2, 吴乐艳^1,2

1.武汉大学信息管理学院，武汉 430072
2.武汉大学信息检索与知识挖掘研究所，武汉 430072

Time-lag Calculation and Enlightenment of Multi-source Science and Technology Literature Fusion for the Detection of Emerging Research Topic: A Case Study in the Field of Agriculture

Yang Jinqing^1,2, Lu Wei^1,2, Wu Leyan^1,2

1.School of Information Management, Wuhan University, Wuhan 430072
2.Institute for Information Retrieval and Knowledge Mining, Wuhan University, Wuhan 430072

摘要
图/表
参考文献
相关文章 (1)

全文: PDF (1984 KB) HTML (1 KB)
输出: BibTeX | EndNote (RIS)

摘要为探究面向学科新兴主题探测领域多源科技文献融合过程中的时滞性问题，本文设计了多源科技文献时滞计算方案。首先，从获取的4种科技文献数据集中提取学科主题，计算学科主题间的相似度，构建相似矩阵；其次，基于匈牙利最优匹配算法寻求相似度损耗最小条件下的最优组合；最后，构建线性方程模型并拟合计算时滞程度。本文以2009—2016年农业学科领域337790篇摘要文本为实验数据，抽取基金项目文本学科主题为250个、专利文献为260个、期刊论文为260个、会议论文为240个，利用上述多源科技文献时滞计算方案实验。结果表明：期刊论文滞后于基金项目文本和会议论文1年，专利文献滞后于期刊论文1年，结合以往对不同学科领域数据的研究结果，验证了多源科技文献时滞计算方案的可行性和有效性，同时也为多源科技文献融合策略的制定提供新思路。

	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
	杨金庆
	陆伟
	吴乐艳

关键词 ：多源融合, 时滞计算, 新兴主题探测, 科技文献

收稿日期: 2019-09-26

基金资助:国家自然科学基金项目“基于多语义信息融合的学术文献引文推荐研究”（71673211）；国家社科基金重大项目“基于认知计算的学术论文评价理论与方法研究”（17ZDA292）。

作者简介: 杨金庆，男，1991年生，博士研究生，主要研究方向为数据智能、信息组织与检索；陆伟，男，1974年生，博士，教授，博士生导师，主要研究方向为信息检索、知识管理、数据智能等，E-mail:weilu@whu.edu.cn；吴乐艳，女，1995年生，硕士研究生，主要研究方向为数据挖掘、前沿预；

引用本文:

杨金庆, 陆伟, 吴乐艳. 面向学科新兴主题探测的多源科技文献时滞计算及启示——以农业学科领域为例[J]. 情报学报, 2021, 40(1): 21-29.
Yang Jinqing, Lu Wei, Wu Leyan. Time-lag Calculation and Enlightenment of Multi-source Science and Technology Literature Fusion for the Detection of Emerging Research Topic: A Case Study in the Field of Agriculture. 情报学报, 2021, 40(1): 21-29.

链接本文:

https://qbxb.istic.ac.cn/CN/10.3772/j.issn.1000-0135.2021.01.003 或 https://qbxb.istic.ac.cn/CN/Y2021/V40/I1/21

1 朝乐门, 卢小宾. 数据科学及其对信息科学的影响[J]. 情报学报, 2017, 36(8): 761-771.
2 中国科学技术信息研究所. 中国卓越科技论文报告[EB/OL]. [2020-02-20]. http://conference.istic.ac.cn/cstpcd2019/正文2019_2卓越论文.pdf.
3 Allan J, Carbonell J, Doddington G, et al. Topic detection and tracking pilot study final report[C]//Proceedings of the DARPA Broadcast News Transcription and Understanding Workshop. Virginia: Lansdowne, 1998: 194-218.
4 Tu Y N, Seng J L. Indices of novelty for emerging topic detection[J]. Information Processing & Management, 2012, 48(2): 303-325.
5 郑彦宁, 刘志辉, 赵筱媛, 等. 基于多源信息与多元方法的产业竞争情报分析范式[J]. 情报学报, 2013, 32(3): 228-234.
6 徐路路, 王效岳, 白如江. 基于PLDA模型与多数据源融合相关性分析的新兴主题探测研究——以石墨烯领域为例[J]. 情报理论与实践, 2018, 41(4): 63-69, 43.
7 白如江, 冷伏海, 廖君华. 一种基于多数据源主题对比的科学研究前沿识别方法[J]. 情报理论与实践, 2017, 40(8): 43-48, 36.
8 张娴, 方曙, 肖国华, 等. 专利文献价值评价模型构建及实证分析[J]. 科技进步与对策, 2011, 28(6): 127-132.
9 王凌燕, 方曙, 季培培. 利用专利文献识别新兴技术主题的技术框架研究[J]. 图书情报工作, 2011, 55(18): 74-78, 23
10 Wang Q. A bibliometric model for identifying emerging research topics[J]. Journal of the Association for Information Science and Technology, 2018, 69(2): 290-304.
11 范云满, 马建霞. 基于LDA与新兴主题特征分析的新兴主题探测研究[J]. 情报学报, 2014, 33(7): 698-711.
12 杨海霞, 高宝俊, 孙含林. 基于LDA挖掘计算机科学文献的研究主题[J]. 现代图书情报技术, 2016(11): 20-26.
13 杨金庆, 肖兵, 程秀峰, 等. 基于HDP过程模型与学术会议的学科新兴主题发现研究——以“人工智能”领域为例[J]. 情报理论与实践, 2019, 42(4): 117-122.
14 李静, 徐路路, 赵素君. 基于时间序列分析和SVM模型的基金项目新兴主题趋势预测与可视化研究[J]. 情报理论与实践, 2019, 42(1): 118-123, 152.
15 化柏林, 李广建. 大数据环境下多源信息融合的理论与应用探讨[J]. 图书情报工作, 2015, 59(16): 5-10.
16 Khaleghi B, Khamis A, Karray F O, et al. Multisensor data fusion: a review of the state-of-the-art[J]. Information Fusion, 2013, 14(1): 28-44.
17 许海云, 董坤, 隗玲, 等. 科学计量中多源数据融合方法研究述评[J]. 情报学报, 2018, 37(3): 318-328.
18 周群, 化柏林. 基于多源数据融合的科技决策需求主题识别研究[J]. 情报理论与实践, 2019, 42(3): 107-113.
19 刘自强, 许海云, 岳丽欣, 等. 面向研究前沿预测的主题扩散演化滞后效应研究[J]. 情报学报, 2018, 37(10): 979-988.
20 Blei D M, Ng A Y, Jordan M I. Latent Dirichlet allocation[J]. Journal of Machine Learning Research, 2003, 3: 993-1022.
21 王效岳, 刘自强, 白如江, 等. 基于基金项目数据的研究前沿主题探测方法[J]. 图书情报工作, 2017, 61(13): 87-98.
22 Lu K, Cai X, Ajiferuke I, et al. Vocabulary size and its effect on topic representation[J]. Information Processing & Management, 2017, 53(3): 653-665.
23 Lee L. Measures of distributional similarity[C]//Proceedings of the 37th Annual Meeting of the Association for Computational Linguistics on Computational Linguistics. Morristown: Association for Computational Linguistics, 1999: 25-32.
24 Edmonds J. Maximum matching and a polyhedron with 0, 1-vertices[J]. Journal of Research of the National Bureau of Standards Section B: Mathematics and Mathematical Physics, 1965, 69: 125-130.