基于LDA的國內數字圖書館研究主題發(fā)現與演化.pdf

1、由于科學技術的快速發(fā)展、文獻出版周期的大大縮短，文獻成果目前呈現數量龐大、主題多樣的特點，在這樣情況下，如何快速獲取當前領域的研究熱點、把握研究趨勢是擺在科研工作者及科研部門面前亟待解決的問題，也是數字圖書館需要解決的難題。數字圖書館作為知識經濟實現的基礎設施，是國民經濟運行不可缺少的必要條件；同時作為社會的公共信息存儲中心、信息中轉站，數字圖書館為社會公眾提供綜合的信息服務，發(fā)揮著素質教育、文化保護與傳播的作用。數字圖書館自上世紀 9

2、0 年代提出并付諸實施以來，經歷了近 20 年的理論研究及其實踐發(fā)展，現已進入相對成熟的階段，對其學術成果進行主題分析，將有助于發(fā)現學術發(fā)展脈絡、學術熱點及學術發(fā)展趨勢，有利于學者尋找新的研究切入點，也有助于延續(xù)和提升數字圖書館生命力與活力。LDA（Latent Dirichlet Allocation）作為一種經典有效的概率生成模型，包含文本-主題-詞項三層貝葉斯結構，能挖掘出文本中的潛在語義信息，已在文本分類、信息檢索、情感分析、話

3、題挖掘等領域廣泛應用，在科技文獻主題發(fā)現與演化研究中的作用也日益凸顯。同時，科技文獻中的題目、摘要、關鍵詞是一篇文獻的重要組成部分，通常代表了作者對文章內容要點的濃縮和總結，在進行文獻主題分析時能發(fā)揮巨大作用。遺憾的是，現有數字圖書館相關主題研究未能重視和利用這些元素。本文利用LDA模型對2007-2016近十年的國內數字圖書館研究論文進行內容挖掘，分析其主題結構，揭示熱點主題及主題演化過程，最后結合實際背景對演化結果進行討論，以期為數

4、字圖書館的相關研究及工作開展提供參考與支持，進而促進數字圖書館的健康發(fā)展。
　　具體內容如下：（1）總結現有的主題識別演化分析方法，從基本原理、研究現狀、優(yōu)缺點等方面對這些方法進行詳細分析。對利用LDA進行建模的完整過程進行研究（其中包括：Gibbs參數估計方法、最優(yōu)主題數確定方法、基于信息熵的主題過濾技術、熱點主題選取方法、后離散主題演化方式以及主題演化度量方法等）。將其中關鍵問題進行提煉研究，在此基礎上提出了一種基于主題強度聚

5、類的主題趨勢的識別分析方法。（2）選取國內數字圖書館2007-2016十年的期刊論文，引入時間因素，運用LDA對其進行主題演化分析，識別出數字圖書館研究的主題結構（用戶研究、建設對策、評價研究、信息服務、教育與培訓、知識管理、資源組織、資源共享、版權研究、移動圖書館、資源存儲與安全、領域研究述評、應用技術研究、云計算下的數字圖書館），可以作為數字圖書館研究人員以及數字圖書館管理人員、建設人員的決策實施參考方案。（3）利用上述同樣數據，通