[發(fā)明專利]基于IT技術(shù)問答網(wǎng)站的計算機技術(shù)領(lǐng)域發(fā)展趨勢分析方法

有效

• 申請?zhí)枺?/td>: 202110585021.4
• 申請日: 2021-05-27
• 公開（公告）號: CN113220855B
• 公開（公告）日: 2022-07-22
• 發(fā)明（設(shè)計）人: 萬志遠(yuǎn);王懿豐;楊小虎
• 申請（專利權(quán)）人: 浙江大學(xué)
• 主分類號: G06F16/332
• 分類號: G06F16/332;G06F16/33;G06F16/338;G06F16/35
• 代理公司: 杭州求是專利事務(wù)所有限公司 33200
• 代理人: 陳升華

1.一種基于IT技術(shù)問答網(wǎng)站的計算機技術(shù)領(lǐng)域發(fā)展趨勢分析方法，其特征在于，包括以下步驟：

步驟1：識別技術(shù)領(lǐng)域關(guān)鍵字，以關(guān)鍵字為輸入識別技術(shù)領(lǐng)域標(biāo)簽，提取該技術(shù)領(lǐng)域的標(biāo)簽，基于標(biāo)簽提取并過濾IT技術(shù)問答網(wǎng)站中該技術(shù)領(lǐng)域的相關(guān)帖子，獲取數(shù)據(jù)集，隨后按照目標(biāo)領(lǐng)域的不同技術(shù)平臺劃分?jǐn)?shù)據(jù)集，形成多個子數(shù)據(jù)集；

步驟2：提取技術(shù)領(lǐng)域的參考架構(gòu)；

步驟3：對步驟1得到的數(shù)據(jù)集進(jìn)行預(yù)處理，以一種優(yōu)化的梯度式搜索方法確定LDA主題模型的最佳主題數(shù)量，隨后分別在每個子數(shù)據(jù)集上采用LDA主題模型對子數(shù)據(jù)集按主題進(jìn)行聚類，并自動化命名主題；

以一種優(yōu)化的梯度式搜索方法確定LDA主題模型的最佳主題數(shù)量，具體包括：

從文檔詞匯矩陣中統(tǒng)計每個帖子的高頻詞匯，統(tǒng)計完成后將各個帖子的高頻詞匯和最高頻詞匯進(jìn)行匯總，將最高頻詞匯的總個數(shù)作為主題數(shù)量的最小值k_min，結(jié)合高頻詞匯個數(shù)，確定主題數(shù)量的最大值k_max；

隨后，以主題數(shù)量搜索范圍 [k_min,k_max] 、遞減式梯度數(shù)組g為輸入，以當(dāng)前梯度設(shè)置等差的主題數(shù)量數(shù)組k，遍歷k中的每個主題數(shù)量并衡量該主題數(shù)量的效果，遍歷完成后獲得當(dāng)前主題數(shù)量數(shù)組中最優(yōu)的主題數(shù)量k_top，再以k_top為中心，下一個梯度為半徑，設(shè)置新的主題數(shù)量數(shù)組并重復(fù)以上步驟；

若當(dāng)前主題數(shù)量數(shù)組中有多個主題數(shù)量的效果接近于k_top，則一并選取這些主題數(shù)量，依次以這些主題數(shù)量為中心，下一個梯度為半徑，設(shè)置新的主題數(shù)量數(shù)組并重復(fù)以上步驟，當(dāng)梯度數(shù)組遍歷完后搜索結(jié)束，得出最優(yōu)的主題數(shù)量k_opt；

分別在每個子數(shù)據(jù)集上采用LDA主題模型對子數(shù)據(jù)集按主題進(jìn)行聚類，具體是指：

將最優(yōu)的主題數(shù)量k_opt作為LDA主題模型的主題數(shù)，在每個子數(shù)據(jù)集上使用LDA主題模型，輸出每個帖子屬于每個主題的概率矩陣，將其中最高概率的主題作為該帖子的主題，并將同一主題的帖子歸為一組；

步驟4：將步驟3獲得的主題與步驟2獲得的該技術(shù)領(lǐng)域的參考架構(gòu)進(jìn)行匹配；

步驟5：設(shè)置評估指標(biāo)進(jìn)行度量，分析技術(shù)領(lǐng)域的知識發(fā)展趨勢。

2.根據(jù)權(quán)利要求1所述的基于IT技術(shù)問答網(wǎng)站的計算機技術(shù)領(lǐng)域發(fā)展趨勢分析方法，其特征在于，步驟1中，識別技術(shù)領(lǐng)域關(guān)鍵字，以關(guān)鍵字為輸入識別技術(shù)領(lǐng)域標(biāo)簽，提取該技術(shù)領(lǐng)域的標(biāo)簽，具體包括：

識別目標(biāo)技術(shù)領(lǐng)域的關(guān)鍵字，以關(guān)鍵字為輸入，提取IT技術(shù)問答網(wǎng)站中該技術(shù)領(lǐng)域內(nèi)所有帖子的候選標(biāo)簽，對于每個候選標(biāo)簽t，計算該技術(shù)領(lǐng)域內(nèi)包含候選標(biāo)簽t的問題帖數(shù)量a、所有領(lǐng)域內(nèi)包含候選標(biāo)簽t的問題帖數(shù)量b、該技術(shù)領(lǐng)域內(nèi)的問題帖總數(shù)c，令E_tag=a/b,表示候選標(biāo)簽t與該技術(shù)領(lǐng)域知識的相關(guān)程度，令S_tag=a/c，表示包含候選標(biāo)簽t的帖子數(shù)量在該技術(shù)領(lǐng)域帖子中的占比，通過設(shè)置E_tag、S_tag不同的閾值，篩選提取該技術(shù)領(lǐng)域的標(biāo)簽。