|
|
|
| Recognition of High-Value Hot Topics Based on Value Segmentation of Keywords |
| Sun Jiajia, Li Yajing |
| School of Information Management, Wuhan University, Wuhan 430072 |
|
|
|
|
Abstract Research on the value segmentation of authors' keywords can help identify high-value hot topics, and help researchers accurately grasp high-value topics and research frontiers. By adopting the RFM (recency, frequency, monetary) model for analyzing customer value, this study conducts several experiments by dynamically weighting the indexes of the model, in combination with the survival analysis in the medical field to obtain the best segmentation. According to the Pareto principle and clustering algorithm, the high-value hot topics are identified. The experimental data contain all the records from 1998 to 2019 in the field of Library and Information Science, which are included in the CSSCI database. Compared with the existing recognition methods, the proposed recognition method considers the value attributes and classification of keywords, and better recognizes the high-value hot topics.
|
|
Received: 21 October 2020
|
|
|
|
1 冯璐, 冷伏海. 共词分析方法理论进展[J]. 中国图书馆学报, 2006, 32(2): 88-92.
2 姜鑫, 王德庄, 马海群. 关键词词频变化视角下我国“科学数据”领域研究主题演化分析[J]. 现代情报, 2018, 38(1): 141-146, 161.
3 邱均平, 吕红. 近五年国际图书情报学研究热点、前沿及其知识基础——基于17种外文期刊知识图谱的可视化分析[J]. 图书情报知识, 2013(3): 4-15, 58.
4 奉国和, 孔泳欣. 基于时间加权关键词词频分析的学科热点研究[J]. 情报学报, 2020, 39(1): 100-110.
5 刘智锋, 李信. 作者关键词生存分析——以国内图情领域为例[J]. 图书馆杂志, 2020, 39(7): 48-57.
6 李海林, 万校基, 林春培. 基于关键词重要性和近邻传播聚类的主题分析研究[J]. 情报学报, 2018, 37(5): 533-542.
7 胡少东. 客户细分方法探析[J]. 工业技术经济, 2005, 24(7): 66-69.
8 陈添源. 高校图书馆座位管理系统客户细分实证研究[C]//2016中国图书馆学会年会论文集. 北京: 中国图书馆学会, 2016: 136-146.
9 徐翔斌, 王佳强, 涂欢, 等. 基于改进RFM模型的电子商务客户细分[J]. 计算机应用, 2012, 32(5): 1439-1442.
10 彭非, 王伟. 生存分析[M]. 北京: 中国人民大学出版社, 2004.
11 范少萍, 安新颖, 单连慧, 等. 基于医学文献的主题演化类型与演化路径识别方法研究[J]. 情报理论与实践, 2019, 42(3): 114-119.
12 朱世琴, 蒋辛未. 基于CSSCI的人文社科期刊文献老化风险率研究[J]. 情报学报, 2017, 36(10): 1031-1037.
13 陈宇奇, 施国良, 张潇潇, 等. 基于修正RFM模型的高校图书馆热门图书评价体系及影响因素研究[J]. 图书馆学研究, 2020(10): 58-68.
14 张海营. 基于RFM模型的图书馆图书评价系统研究[J]. 图书馆, 2012(3): 60-62.
15 乐承毅, 王曦. 基于改进RFM聚类的高校图书馆用户画像研究[J]. 图书馆理论与实践, 2020(2): 75-79, 93.
16 赵洪波. 基于RFM模型的高校图书馆精准服务研究[J]. 情报探索, 2016(12): 77-81.
17 邢海龙, 翟丽丽, 张树臣. 大数据服务平台用户价值识别与细分研究——基于RFM修正模型[J]. 情报理论与实践, 2019, 42(10): 131-136, 145.
18 李杭. RFM模型在图书质量评价系统中的应用[J]. 农业图书情报学刊, 2014, 26(2): 54-57.
19 Peset F, Garzón‐Farinós F, González L M, et al. Survival analysis of author keywords: an application to the library and information sciences area[J]. Journal of the Association for Information Science and Technology, 2020, 71(4): 462-473.
20 张中文, 徐天和, 董秀芬, 等. 学术期刊论文生存被引次数的定义与应用[J]. 编辑学报, 2015, 27(4): 316-319.
21 宋爽, 陈向东. 信息技术领域专利维持状况及影响因素研究[J]. 图书情报工作, 2013, 57(18): 98-103, 132.
22 郑为益. 基于生存分析的客户流失模型研究[D]. 广州: 华南理工大学, 2011.
23 赖院根, 刘砺利. 基于生存分析的信息用户流失研究与实证[J]. 情报杂志, 2011, 30(4): 129-132, 171.
24 Ai W, Li K L, Li K Q. An effective hot topic detection method for microblog on spark[J]. Applied Soft Computing, 2018, 70: 1010-1023.
25 Sun Q D, Wang Q, Qiao H L. The algorithm of short message hot topic detection based on feature association[J]. Information Technology Journal, 2009, 8(2): 236-240.
26 Zhu Z L, Liang J, Li D Y, et al. Hot topic detection based on a refined TF-IDF algorithm[J]. IEEE Access, 2019, 7: 26996-27007.
27 张申旭, 黄震华. 基于多特征的微博热点主题发现算法的研究[J]. 现代计算机(专业版), 2017(19): 3-7.
28 陆蓓, 程肖, 谌志群. 基于改进蚁群聚类的热点主题发现算法研究[J]. 现代图书情报技术, 2010(4): 66-71.
29 王林, 戴冠中. 基于复杂网络社区结构的论坛热点主题发现[J]. 计算机工程, 2008, 34(11): 214-216, 224.
30 唐果, 陈宏刚. 基于BBS热点主题发现的文本聚类方法[J]. 计算机工程, 2010, 36(7): 79-81.
31 吴立峰. BBS网络的自相似性及其热点主题发现[J]. 情报杂志, 2009, 28(9): 152-154.
32 Pareto V. Cours d'économie politique[M]. Geneva: Librairie Droz, 1964.
33 Nishikido T, Sunayama W, Nishihara Y. Valuable change detection in keyword map animation[C]// Proceedings of the Canadian Conference on Artificial Intelligence. Heidelberg: Springer, 2009: 233-236.
34 Byers J W, Mitzenmacher M, Zervas G. Adaptive weighing designs for keyword value computation[C]// Proceedings of the Third ACM International Conference on Web Search and Data Mining. New York: ACM Press, 2010: 331-340.
35 Hou L W, Wang L P, Yang J G. Evolutionary prediction of online keywords bidding[C]// Proceedings of the International Conference on Electronic Commerce and Web Technologies. Heidelberg: Springer, 2008: 124-133.
36 李剑锋. 价值: 客体主体化后的功能和属性[M]. 西安: 陕西师范大学出版社, 1988.
37 Kamakura W A, Mazzon J A. Value segmentation: a model for the measurement of values and value systems[J]. Journal of Consumer Research, 1991, 18(2): 208-218.
38 秦嘉杭. 图书馆、情报与文献学热点研究主题分布及其发展趋势——基于2011—2013年国家社科基金项目分析[J]. 图书与情报, 2013(6): 112-115.
39 Hughes A M. Strategic database marketing: the masterplan for starting and managing a profitable, customer-based marketing program[M]. New York: McGraw-Hill, 2000.
40 杨辰毓妍, 赵旭. “图书馆、情报与档案管理”学科知识结构布局分析——基于国家基金项目计量分析视角[J]. 情报科学, 2017, 35(3): 63-68.
41 张蒙, 刘春艳. 2012—2018年国家社会科学基金项目图书馆、情报与文献学学科热点可视化分析[J]. 图书馆研究与工作, 2020(10): 33-36, 48.
42 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.
43 Ha S H, Park S C. Application of data mining tools to hotel data mart on the Intranet for database marketing[J]. Expert Systems with Applications, 1998, 15(1): 1-31.
44 杨琳, 寇勇刚, 白钊, 等. 基于改进RFM模型对民航客户的细分研究[J]. 数学的实践与认识, 2021, 51(1): 33-39.
45 Wu J, Lin Z. Research on customer segmentation model by clustering[C]// Proceedings of the 7th International Conference on Electronic Commerce. New York: ACM Press, 2005: 316-318.
46 季晓芬, 贾真. 基于RFM行为模型的服装企业VIP顾客数据挖掘[J]. 浙江理工大学学报, 2015, 34(4): 131-135.
47 林盛, 肖旭. 基于RFM的电信客户市场细分方法[J]. 哈尔滨工业大学学报, 2006, 38(5): 758-760.
48 蒋国瑞, 刘沛, 黄梯云. 一种基于AHP方法的客户价值细分研究[J]. 计算机工程与应用, 2007, 43(8): 238-241.
49 陈东清, 叶翀, 黄章树. 基于熵权法改进RFM模型的电商客户价值细分研究[J]. 西安电子科技大学学报(社会科学版), 2020, 30(2): 39-45.
50 Kaplan E L, Meier P. Nonparametric estimation from incomplete observations[J]. Journal of the American Statistical Association, 1958, 53(282): 457-481.
51 Meyer B D. Unemployment insurance and unemployment spells[R]. National Bureau of Economic Research, 1988.
52 宋娜, 郭晶晶, 陈喆. 近三十年来图书馆、情报与文献学学科的研究热点及主题演变情况——基于国家社会科学基金项目[J]. 图书馆理论与实践, 2020(4): 132-136.
53 赵蓉英, 赵浚吟, 陈必坤. 透视“图书馆、情报与档案管理”学科的研究主题与趋势——以2001—2012年国家科学基金为研究视角[J]. 情报理论与实践, 2014, 37(2): 1-5. |
|
|
|
