[發明專利]一種前沿主題識別方法、系統及計算機設備

在審

• 申請號: 202210649852.8
• 申請日: 2022-06-09
• 公開（公告）號: CN115017315A
• 公開（公告）日: 2022-09-06
• 發明（設計）人: 譚曉;李佳娛;李輝;靳曉宏;西桂權
• 申請（專利權）人: 北京市科學技術研究院
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F40/295;G06F40/30
• 代理公司: 北京城烽知識產權代理事務所(特殊普通合伙) 11829
• 代理人: 王新月

1.一種前沿主題識別方法，其特征在于，包括：

步驟1，選擇面向領域的文獻作為數據集，并將所述數據集進行預處理；

步驟2，根據文獻共被引關系，構建引文耦合矩陣并進行標準化，生成文獻關系標準矩陣；

步驟3，利用LDA模型進行文本建模，得到文檔的主題概率分布，并從內容層面計算文獻相似度，生成文獻相似矩陣；

步驟4，將所述文獻相似矩陣和文獻關系標準化矩陣進行線性融合，形成文本相似矩陣；

步驟5，利用社團發現，得到主題簇，對所述主題簇進行可視化描述，得到對所述面向領域的文獻的前沿主題的識別結果。

2.根據權利要求1所述的前沿主題識別方法，其特征在于，在所述步驟1中，將所述數據集進行預處理，包括：

將文本進行向量化，生成文本-特征詞矩陣以及文本-引文矩陣。

3.根據權利要求1所述的前沿主題識別方法，其特征在于，在所述步驟2中，根據文獻共被引關系，構建引文耦合矩陣并進行標準化，生成文獻關系標準矩陣，包括：

根據文獻的耦合關系，計算兩篇文獻的標準共引度d(x,y)：

其中，N_x為文獻x的參考文獻數量，N_y為文獻y的參考文獻數量，N_xy為文獻x與文獻y共同的參考文獻數量。

4.根據權利要求1所述的前沿主題識別方法，其特征在于，在所述步驟3中，利用LDA模型進行文本建模，得到文檔的主題概率分布，并從內容層面計算文獻相似度，生成文獻相似矩陣，包括：

利用LDA模型進行文本建模，得到文檔-主題、主題-詞分布矩陣，挖掘出文本潛在的語義知識；

根據余弦方向計算文獻之間的相似度，生成文獻相似矩陣。

5.根據權利要求4所述的前沿主題識別方法，其特征在于，根據余弦方向計算文檔之間的相似度，生成文獻相似矩陣，包括：

基于LDA模型的文獻映射的主題向量為d_i＝(t₁,t₂,……，t_K)，兩篇文獻的相似度計算采用兩個主題向量的余弦值：

其中，d_i和d_j分別表示兩篇文獻映射的主題向量，Sim(d_i，d_j)是基于LDA模型主題向量的余弦值測度的兩篇文獻的相似度。

6.根據權利要求1所述的前沿主題識別方法，其特征在于，在步驟4中，將所述文獻關系標準化矩陣和文獻相似矩陣進行線性融合，形成文本相似矩陣，包括：

所述線性融合算法為：

其中，λ為設定的權重；Sim_LDA表示所述文獻相似矩陣中的文獻-文獻相似值Sim值；cite_couple表示所述文獻關系標準化矩陣中的標準共引度；cite(i,j)是指任意兩個映射文獻的節點i,j是否在基本引用網絡中相鄰，若cite(i,j)＝0則不相鄰，若cite(i,j)0則相鄰；a和b為所述文獻相似矩陣中的相似度的兩個界限值；

遍歷數據集，將融合后的Sim值更新所述文獻關系標準化矩陣，生成所述文本相似矩陣。

7.根據權利要求6所述的前沿主題識別方法，其特征在于，對于所述a和b的確定，包括：

查看基于構建的LDA建模及文獻相似矩陣，按相似度由高到低的順序排序，選取top10％，top10％中最小值即為a；

查看基于構建的LDA建模及文獻相似矩陣，按相似度由低到高降序排列，選取top10％，top10％中最大值即為b。