知识单元重组视角下的科学主题预测研究

doi:10.3772/j.issn.1000-0135.2023.05.001

情报学报

2023, Vol. 42

Issue (5): 511-524 DOI: 10.3772/j.issn.1000-0135.2023.05.001

情报理论与方法

本期目录 | 过刊浏览 | 高级检索

知识单元重组视角下的科学主题预测研究

梁继文^1,2, 杨建林^1,2, 王伟^1,2

1.南京大学信息管理学院，南京 210023
2.江苏省数据工程与知识服务重点实验室，南京 210023

Research on Scientific Topic Prediction from the Perspective of Knowledge Unit Reorganization

Liang Jiwen^1,2, Yang Jianlin^1,2, Wang Wei^1,2

1.School of Information Management, Nanjing University, Nanjing 210023
2.Jiangsu Key Laboratory of Data Engineering & Knowledge Service, Nanjing 210023

摘要
图/表
参考文献
相关文章 (3)

全文: PDF (3306 KB) HTML (1 KB)
输出: BibTeX | EndNote (RIS)

摘要准确的科学主题预测能够明确学科未来的发展方向，为科研领域的发展规划和管理决策提供参考。本文着眼于新生科学主题的预测，基于知识单元重组视角，将主题-特征词的表征关系类比为科学概念-知识单元的表征关系，提出科学主题预测方法。首先，使用LDA（latent Dirichlet allocation）主题模型获取全局主题、特征词与概率矩阵，通过转置向量空间获得特征词向量；其次，运用ARIMA（autoregressive integrated moving average model）模型预测特征词的词频并计算向量调节系数，从而获得特征词预测向量，运用t-SNE（t-distributed stochastic neighbor embedding）算法将预测向量降维，并使用模糊C-均值算法将低维预测向量聚类生成预测主题，实现知识单元的重组；最后，筛选出由多个原始主题聚合而来、具有全新释义的预测主题，将其视为科学主题预测结果。本文以“知识管理-知识组织-知识服务”领域为例进行实证研究，预测出智库、数字人文等在已有领域研究中尚未出现的新词与相关主题，并通过特征词直接聚合与概念集成这两种主题映射模式，获得这些新生主题的基本内涵与相关研究内容。实证结果表明，本文提出的科学主题预测方法能够准确地预测出新生主题。

	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
	梁继文
	杨建林
	王伟

关键词 ：知识单元, 科学概念, 科学主题, 主题预测, 向量调节

收稿日期: 2022-05-11

基金资助:国家社会科学基金重点项目“大数据环境下领域知识加工与组织模式研究（20ATQ006）。

作者简介: 梁继文，女，1995年生，博士研究生，主要研究领域为智能化信息处理；杨建林，男，1970年生，博士，教授，博士生导师，主要研究领域为信息检索、智能化信息处理、学术评价、情报学基础理论，E-mail：yangjl@nju.edu.cn；王伟，男，1994年生，博士，主要研究领域为知识组织、智能化信息处理；

引用本文:

梁继文, 杨建林, 王伟. 知识单元重组视角下的科学主题预测研究[J]. 情报学报, 2023, 42(5): 511-524.
Liang Jiwen, Yang Jianlin, Wang Wei. Research on Scientific Topic Prediction from the Perspective of Knowledge Unit Reorganization. 情报学报, 2023, 42(5): 511-524.

链接本文:

https://qbxb.istic.ac.cn/CN/10.3772/j.issn.1000-0135.2023.05.001 或 https://qbxb.istic.ac.cn/CN/Y2023/V42/I5/511

1 陈玉祥, 朱桂龙, 陈德棉. 科学发展预测的概念和功能[J]. 预测, 1994, 13(1): 57-61.
2 陈德棉, 潘皖印, 毛家杰. 科学预测和技术预测的方法研究[J]. 科学学研究, 1997(4): 56-62.
3 赵红洲, 蒋国华. 知识单元与指数规律[J]. 科学学与科学技术管理, 1984, 5(9): 39-41.
4 Swanson D R. Undiscovered public knowledge[J]. The Library Quarterly, 1986, 56(2): 103-118.
5 王子舟, 王碧滢. 知识的基本组分——文献单元和知识单元[J]. 中国图书馆学报, 2003, 29(1): 5-11.
6 Rotolo D, Hicks D, Martin B R. What is an emerging technology?[J]. Research Policy, 2015, 44(10): 1827-1843.
7 白敬毅, 颜端武, 陈琼. 基于主题模型和曲线拟合的新兴主题趋势预测研究[J]. 情报理论与实践, 2020, 43(7): 130-136, 193.
8 Li Y T, Chen Y, Wang Q Y. Evolution and diffusion of information literacy topics[J]. Scientometrics, 2021, 126(5): 4195-4224.
9 王康, 陈悦, 苏成, 等. 多维视角下科学主题演化分析框架[J]. 情报学报, 2021, 40(3): 297-307.
10 Huang L, Chen X, Zhang Y, et al. Identification of topic evolution: network analytics with piecewise linear representation and word embedding[J]. Scientometrics, 2022, 127(9): 5353-5383.
11 Mryglod O, Holovatch Y, Kenna R, et al. Quantifying the evolution of a scientific topic: reaction of the academic community to the Chornobyl disaster[J]. Scientometrics, 2016, 106(3): 1151-1166.
12 马费成, 陈潇俊, 刘向. 基于科学知识图谱分析的知识演化研究—以生物医学为例[J]. 情报科学, 2012, 30(1): 1-7, 15.
13 Li P, Yang G L, Wang C Q. Visual topical analysis of library and information science[J]. Scientometrics, 2019, 121(3): 1753-1791.
14 王伟, 杨建林. 基于引文网络重叠社团发现的图书情报领域学科主题结构分析[J]. 情报学报, 2020, 39(10): 1021-1033.
15 王曰芬, 傅柱, 陈必坤. 基于LDA主题模型的科学文献主题识别: 全局和学科两个视角的对比分析[J]. 情报理论与实践, 2016, 39(7): 121-126, 101.
16 Blei D M, Ng A Y, Jordan M I. Latent Dirichlet allocation[J]. Journal of Machine Learning Research, 2003, 3: 993-1022.
17 李湘东, 张娇, 袁满. 基于LDA模型的科技期刊主题演化研究[J]. 情报杂志, 2014, 33(7): 115-121.
18 赵新琴, 吴鹏. 基于TDT技术的新冠肺炎疫情文献主题演化研究[J]. 科技情报研究, 2022, 4(2): 49-60.
19 Figuerola C G, Marco F J G, Pinto M. Mapping the evolution of library and information science (1978-2014) using topic modeling on LISA[J]. Scientometrics, 2017, 112(3): 1507-1535.
20 Wang Z B, Ma L, Zhang Y Q. A hybrid document feature extraction method using latent Dirichlet allocation and word2vec[C]// Proceedings of the 2016 IEEE First International Conference on Data Science in Cyberspace. Piscataway: IEEE, 2016: 98-103.
21 Liu Y, Liu Z Y, Chua T S, et al. Topical word embeddings[C]// Proceedings of the Twenty-Ninth AAAI Conference on Artificial Intelligence. Palo Alto: AAAI Press, 2015: 2418-2424.
22 陈茫, 张庆普. 我国知识服务研究的演进历程知识图谱与研究态势探讨[J]. 情报资料工作, 2018(2): 80-91.
23 隗玲, 许海云, 胡正银, 等. 学科主题演化路径的多模式识别与预测——一个情报学学科主题演化案例[J]. 图书情报工作, 2016, 60(13): 71-81.
24 Chen W, Lin C R, Li C Y, et al. Tracing the evolution of 3-D printing technology in China using LDA-based patent abstract mining[J]. IEEE Transactions on Engineering Management, 2022, 69(4): 1135-1145.
25 岳丽欣, 周晓英, 陈旖旎. 基于ARIMA模型的信息构建研究主题趋势预测研究[J]. 图书情报知识, 2019(5): 54-63, 72.
26 朱光, 刘蕾, 李凤景. 基于LDA和LSTM模型的研究主题关联与预测研究——以隐私研究为例[J]. 现代情报, 2020, 40(8): 38-50.
27 霍朝光, 霍帆帆, 董克. 基于LSTM神经网络的学科主题热度预测模型[J]. 图书情报知识, 2021(2): 25-34.
28 董克. 预见学科之美: 学科主题预测研究[J]. 图书情报知识, 2021(2): 封二.
29 赵一鸣, 张进, 黎苑楚. 基于多维尺度模型的潜在主题可视化研究[J]. 情报学报, 2014, 33(1): 45-54.
30 奉国和, 孔泳欣, 肖洁琼. 基于加权关键词的领域热点与趋势分析新方法[J]. 图书情报工作, 2018, 62(18): 102-109.
31 der Maaten L, Hinton G E. Visualizing data using t-SNE[J]. Journal of Machine Learning Research, 2008, 9: 2579-2605.
32 陈挺, 李国鹏, 王小梅. 基于t-SNE降维的科学基金资助项目可视化方法研究[J]. 数据分析与知识发现, 2018, 2(8): 1-9.
33 Chang I C, Yu T K, Chang Y J, et al. Applying text mining, clustering analysis, and latent Dirichlet allocation techniques for topic classification of environmental education journals[J]. Sustainability, 2021, 13(19): Article No.10856.
34 朱晓峰, 葛锐, 盛天祺. 四十年来我国情报学研究的学术变迁与学理支撑[J]. 科技情报研究, 2022, 4(2): 1-14.
35 朱晓峰, 蒋旭牧, 张卫. 领域知识组织研究的历史演化与未来展望[J]. 情报资料工作, 2021, 42(5): 23-31.
36 Pal N R, Bezdek J C. On cluster validity for the fuzzy c-means model[J]. IEEE Transactions on Fuzzy Systems, 1995, 3(3): 370-379.
37 Halkidi M, Batistakis Y, Vazirgiannis M. On clustering validation techniques[J]. Journal of Intelligent Information Systems, 2001, 17(2): 107-145.
38 初景利, 栾瑞英, 孔媛. 国外高水平高校智库运行机制特征剖析[J]. 图书馆论坛, 2018, 38(4): 8-16.
39 张琪, 王东波, 黄水清, 等. 史书多维知识重组与可视化研究——以《史记》为对象[J]. 情报学报, 2022, 41(2): 130-141.
40 张卫, 王昊, 邓三鸿, 等. 面向数字人文的古诗文本情感术语抽取与应用研究[J]. 中国图书馆学报, 2021, 47(4): 113-131.
41 夏翠娟, 张磊. 关联数据在家谱数字人文服务中的应用[J]. 图书馆杂志, 2016, 35(10): 26-34.
42 梁徐静. 数字出版与知识付费[M]. 广州: 中山大学出版社, 2020: 168-170.
43 郭宇, 郭勇, 刘文晴, 等. 国内互联网知识付费研究现状与发展趋势[J]. 图书情报工作, 2021, 65(24): 100-108.
44 初景利, 张冬荣. 第二代学科馆员与学科化服务[J]. 图书情报工作, 2008, 52(2): 6-10, 68.
45 张晓林. 颠覆性变革与后图书馆时代——推动知识服务的供给侧结构性改革[J]. 中国图书馆学报, 2018, 44(1): 4-16.
46 石玉玲, 陈万明. 我国知识管理研究现状、热点与趋势[J]. 新世纪图书馆, 2020(4): 85-91.