[發(fā)明專(zhuān)利]一種動(dòng)態(tài)知識(shí)熱點(diǎn)演化及趨勢(shì)分析方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202010528034.3
• 申請(qǐng)日: 2020-06-11
• 公開(kāi)（公告）號(hào): CN111694930A
• 公開(kāi)（公告）日: 2020-09-22
• 發(fā)明（設(shè)計(jì)）人: 侯穎;崔運(yùn)鵬;劉娟
• 申請(qǐng)（專(zhuān)利權(quán)）人: 中國(guó)農(nóng)業(yè)科學(xué)院農(nóng)業(yè)信息研究所
• 主分類(lèi)號(hào): G06F16/33
• 分類(lèi)號(hào): G06F16/33;G06F16/335;G06F16/34;G06F16/35
• 代理公司: 北京德崇智捷知識(shí)產(chǎn)權(quán)代理有限公司 11467
• 代理人: 申星宇

1.一種動(dòng)態(tài)知識(shí)熱點(diǎn)演化及趨勢(shì)分析方法，其特征在于：

包括以下步驟：

S10用戶(hù)根據(jù)需求收集文獻(xiàn)元數(shù)據(jù)，并輸出或形成以制表符分隔且編碼格式為UTF-8的包含標(biāo)題、摘要等字段的記錄文件；

S20對(duì)導(dǎo)出的文獻(xiàn)元數(shù)據(jù)進(jìn)行預(yù)處理工作；

S30選取預(yù)處理后文獻(xiàn)元數(shù)據(jù)的摘要和出版年份，進(jìn)行潛在主題的動(dòng)態(tài)建模分析及文獻(xiàn)主題的偏好計(jì)算得到熱點(diǎn)單詞；

S40對(duì)所述熱點(diǎn)單詞的主題聚類(lèi)進(jìn)行可視化，顯示與每個(gè)主題每個(gè)年份最相關(guān)的熱點(diǎn)單詞；

S50對(duì)主題中熱點(diǎn)單詞的變化趨勢(shì)進(jìn)行可視化：用戶(hù)選取主題中感興趣的單詞，通過(guò)曲線(xiàn)圖顯示該單詞在時(shí)間序列上的變化趨勢(shì)。

2.根據(jù)權(quán)利要求1所述的一種動(dòng)態(tài)知識(shí)熱點(diǎn)演化及趨勢(shì)分析方法，其特征在于，收集文獻(xiàn)元數(shù)據(jù)主要包括標(biāo)題、摘要、出版年份等字段，文件存儲(chǔ)格式為制表符分隔、UTF-8編碼的csv或txt純文本類(lèi)型，數(shù)據(jù)集可以從Web of Science核心數(shù)據(jù)庫(kù)導(dǎo)出對(duì)應(yīng)的格式，或者為符合格式要求的其他自定義數(shù)據(jù)集。

3.根據(jù)權(quán)利要求1所述的一種動(dòng)態(tài)知識(shí)熱點(diǎn)演化及趨勢(shì)分析方法，其特征在于，所述預(yù)處理工作包括刪除無(wú)效元數(shù)據(jù)、完成詞干化、去停用詞、清除無(wú)意義字符和識(shí)別短語(yǔ)步驟。

4.根據(jù)權(quán)利要求1所述的一種動(dòng)態(tài)知識(shí)熱點(diǎn)演化及趨勢(shì)分析方法，其特征在于，所述主題建模分析采用變分推斷來(lái)近似后驗(yàn)分布。該方法基于如下假設(shè)：

1)數(shù)據(jù)按時(shí)間片劃分；

2)與時(shí)間片t相關(guān)聯(lián)的主題從與時(shí)間片t-1相關(guān)聯(lián)的主題演變而來(lái)；

3)每個(gè)時(shí)間片使用K分量主題模型對(duì)文檔建模。

5.根據(jù)權(quán)利要求1所述的一種動(dòng)態(tài)知識(shí)熱點(diǎn)演化及趨勢(shì)分析方法，其特征在于，所述熱點(diǎn)單詞的主題聚類(lèi)進(jìn)行可視化是對(duì)模型分析結(jié)果中熱點(diǎn)單詞的顯示，按照主題分類(lèi)顯示各個(gè)時(shí)間片(如年份)的熱點(diǎn)單詞，單詞按照模型分析結(jié)果的概率大小順序顯示。

6.根據(jù)權(quán)利要求1所述的一種動(dòng)態(tài)知識(shí)熱點(diǎn)演化及趨勢(shì)分析方法，其特征在于，所述可視化方法具體步驟如下：

1)獲取用戶(hù)選擇的熱點(diǎn)單詞；

2)基于接收到的第一交互指令，對(duì)所述主題動(dòng)態(tài)建模分析結(jié)果中的熱點(diǎn)單詞信息進(jìn)行附加圖示計(jì)算，所述圖示包括等值點(diǎn)；基于所述主題動(dòng)態(tài)建模分析結(jié)果中的熱點(diǎn)單詞信息渲染獲得對(duì)應(yīng)的相位點(diǎn)值；

3)基于接收到的第二交互指令，在所述柵格圖形上連接多個(gè)所述相位點(diǎn)渲染所述附加圖示獲得曲線(xiàn)趨勢(shì)圖形。

7.根據(jù)權(quán)利要求1或4所述的一種動(dòng)態(tài)知識(shí)熱點(diǎn)演化及趨勢(shì)分析方法，其特征在于，所述主題動(dòng)態(tài)建模分別以5、10、15、20、25不同的主題數(shù)量計(jì)算coherence值，以獲得最佳的主題數(shù)量。

8.根據(jù)權(quán)利要求1或4所述的一種動(dòng)態(tài)知識(shí)熱點(diǎn)演化及趨勢(shì)分析方法，其特征在于，所述主題動(dòng)態(tài)建模中分析時(shí)間片t上的序列語(yǔ)料的生成過(guò)程如下：

1)根據(jù)β_t|β_(t-1)～N(β_(t-1),δ²I)生成時(shí)間片t上的主題-詞匯概率分布β_t；

2)根據(jù)α_t|α_(t-1)～N(α_(t-1),δ²I)生成時(shí)間片t上的先驗(yàn)主題先驗(yàn)分布α_t；

3)對(duì)于時(shí)間片t上的每一篇文章d，根據(jù)η～N(α_t,a²I)生成時(shí)間片t上的文檔-主題概率分布η；

4)對(duì)于文檔d中的每一個(gè)單詞n，根據(jù)Z～Mult(π(η))生成詞-主題分配標(biāo)識(shí)向量Z；根據(jù)W_(t,d,n)～Mult(π(β_t,z))生成詞W_(t,d,n)。

9.根據(jù)權(quán)利要求1所述的一種動(dòng)態(tài)知識(shí)熱點(diǎn)演化及趨勢(shì)分析方法，其特征在于，所述主題動(dòng)態(tài)建模分析文獻(xiàn)或所述偏好計(jì)算使用的近似變分后驗(yàn)公式為：

上述變分方法優(yōu)化潛在變量(主題β_t,k，混合比例θ_t,d和主題指標(biāo)Z_t,d,n)上分布的參數(shù)。在{β_k,1,...,β_k,T}變分分布中，通過(guò)設(shè)置具有高斯“變分觀測(cè)值”的動(dòng)態(tài)模型保留主題的順序結(jié)構(gòu)。文檔級(jí)潛在變量的變分分布中，每個(gè)比例向量θ_t,d被賦予自由Dirichlet參數(shù)γ_t,d；主題指標(biāo)Z_t,d,n被賦予自由多項(xiàng)式參數(shù)Φ_t,d,n。使用共軛梯度法來(lái)優(yōu)化主題級(jí)變分觀測(cè)，由此得到的自然主題參數(shù){β_k,1,...,β_k,T}的變分近似結(jié)合了時(shí)間動(dòng)態(tài)。