[發明專利]一種科技研究熱點主題預測方法

有效

• 申請號: 201910961978.7
• 申請日: 2019-10-11
• 公開（公告）號: CN112650847B
• 公開（公告）日: 2023-05-09
• 發明（設計）人: 謝能付;郝心寧;熊煒;徐倩;吳蕾;梁曉賀;吳賽賽
• 申請（專利權）人: 中國農業科學院農業信息研究所
• 主分類號: G06F16/335
• 分類號: G06F16/335;G06Q10/04
• 代理公司: 北京高沃律師事務所 11569
• 代理人: 程江濤

1.一種科技研究熱點主題預測方法，其特征在于，所述預測方法包括：

根據待測主題確定相應科技研究領域的資料庫；所述資料庫包括學科文獻、網絡資源和專家知識；

根據所述資料庫構建一維橫向量的主題詞表；

根據所述主題詞表，對每年的學科文獻進行預處理，得到對應年份的學科文獻分詞文檔；

利用所述主題詞表，根據所述學科文獻分詞文檔中的詞在所述主題詞表中的出現情況得到對應年份的二進制向量；所有年份的二進制向量構成二進制向量矩陣；

利用頻繁項集挖掘算法對所述二進制向量矩陣進行處理，得到頻繁主題集合；

對所述頻繁主題集合進行過濾，得到熱點主題集合；

將所述熱點主題集合轉換為時序序列數據；

根據所述時序序列數據，訓練多個預測模型，并利用加權處理方法得到主題預測模型；

利用所述主題預測模型預測所述待測主題出現的頻率。

2.根據權利要求1所述的科技研究熱點主題預測方法，其特征在于，所述根據所述主題詞表，對每年的學科文獻進行預處理，得到對應年份的學科文獻分詞文檔，具體包括：

針對每一年的科學文獻進行如下處理：

所述科學文獻進行句子劃分，得到對應的句子集合；

根據所述主題詞表，對所述句子集合進行分詞處理，形成對應年份的學科文獻分詞文檔。

3.根據權利要求1所述的科技研究熱點主題預測方法，其特征在于，若所述學科文獻分詞文檔中的詞出現在所述主題詞表中，則記為1，否則記為0，形成對應年份的二進制向量。

4.根據權利要求1所述的科技研究熱點主題預測方法，其特征在于，所述利用頻繁項集挖掘算法對所述二進制向量矩陣進行處理，得到頻繁主題集合，具體包括：

以任一年的分詞文檔對應的二進制向量為事務，將所述分詞文檔中的主題詞按照支持度由大到小的順序進行排列，并刪除頻繁1項集，得到更新后的事務數據集；

將所述事務數據集轉換為事務鏈表組，所述事務鏈表組的各項事務鏈表保存著頭元素相同的各事務的信息；

按頭元素支持度大小遞增排列順序，對所述事務鏈表組進行更新，得到更新后的事務鏈表組；

對所述更新后的事務鏈表組進行挖掘，獲得對應年份的頻繁主題集；

以最后一年的頻繁主題集為基準，對每個主題詞進行計算，如果該主題詞出現的年份數超過閾值，就保留，否則刪除，得到頻繁熱點主題集。

5.根據權利要求4所述的科技研究熱點主題預測方法，其特征在于，所述按頭元素支持度大小遞增排列順序，對所述事務鏈表組進行更新，得到更新后的事務鏈表組，具體包括：

遞歸地掃描所述事務鏈表，找出頻繁項集；

將所述事務鏈表所述事務鏈表組中刪除，并創建以所述事務鏈表頭元素為前綴的事務鏈表組；

合并所述事務鏈表組和所述以所述事務鏈表頭元素為前綴的事務鏈表組，得到所述更新后的事務鏈表組。

6.根據權利要求1所述的科技研究熱點主題預測方法，其特征在于，對所述頻繁主題集合進行過濾，得到熱點主題集合，具體包括：

對所述頻繁主題集合進行劃分，得到相關的主題詞；

根據相關的主題詞構成相關主題詞組；

對每一相關主題詞組進行如下處理：

刪除重復的主題詞，得到無重復的主題詞組；

針對所述無重復的主題詞組中的每一主題詞，刪除其子主題詞和子主題詞組，得到熱點主題詞組；

根據每一熱點主題詞組構成所述熱點主題集合。

7.根據權利要求1所述的科技研究熱點主題預測方法，其特征在于，所述將所述熱點主題集合轉換為時序序列數據，具體包括：

根據所述熱點主題集合中的主題在對應年份的頻率構成向量集合；

將所述向量集合中的向量值按照年份由小到大的順序排列，形成所述時序序列數據。

8.根據權利要求1所述的科技研究熱點主題預測方法，其特征在于，所述主題預測模型為：freq(X)＝w₁*M₁(X)+w₂*M₂(X)+...+w_j*M_j(X)+...w_J*M_J(X)；

其中，X表示所述待測主題，freq(X)表示所述待測主題出現的頻率，M_j(X)表示M_j模型對所述待測主題的預測值，w_j表示M_j模型預測的權重，j＝1,2,...,J，J為模型的數量。