{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{-“日期-部件”：[[2024,5,2]，“日期-时间”：“2024-05-02T13:38:58Z”，“时间戳”：1714657138528}，“引用-计数”：19，“出版商”：“富士科技出版社”，“发行”：“3”，“出资人”：[{“名称”：“黑龙江省高校基本科研业务费”，“奖励”：[“2021-KYYWF-0024”]}]，“内容域”：{“域”：[]，“交叉标记限制”：false}，“短容器标题”：[“JACIII”，“J.Adv.Comput.Intell.Intell.Inform.”]，“已出版印刷品”：{“日期部分”：[[2022,20]]}，“摘要”：“随着大数据时代的到来，对某一科技文献领域前沿热点话题的识别及其演变路径的分析受到了学术界的广泛关注。它不仅可以揭示某一科技文献领域的发展趋势，而且可以揭示该领域不同发展阶段主题内容的演变规律。然而，目前的一些研究方法还存在一些问题，如热点问题识别不准确、演化路径不清晰等，严重影响了分析的全面性和准确性。为了解决上述问题，本文利用潜在迪里克莱分配（LDA）模型提出了科技文献领域的热点话题识别和演化分析方法，旨在揭示该领域不同发展阶段，如继承、合并、分割、，以及其他主题演化趋势，从而为领域知识创新服务提供决策支持。主要研究过程如下。首先，使用LDA提取全局主题和阶段主题。其次，利用相似度计算算法对主题进行过滤。第三，利用新颖性和支持性来确定热门话题。第四，形成了继承进化、融合进化和分工进化三条热门话题路径。最后，以科学网智能算法领域的47896篇科技文献数据为例，验证了该方法的有效性<\/jats:p>“，”DOI“：”10.20965\/jacii.2022.p0299“，”type“：”journal-article“，”created“：{”date-parts“：[[2022,5,19]]，”date-time“：”2022-05-19T15:02:09Z“，”timestamp“：1652972529000}，”page“：“299-308”，“source”：“Crossref”，“is-referenced-by-count”：3，“title”：[“科技文献热点识别及其进化路径方法的实证研究“]，“前缀”：“10.20965”，“卷”：“26”，“作者”：[{给定”：“雷”，“家族”：“江”，“序列”：“第一”，“隶属关系”：[]}，{给定”：“涛”，“家族”：“张”，“序列”：“附加”，“隶属关系”：[]}}，{给定：“泰华”，“家族”：“黄”sequence“：”additional“，”affiliation“：[]}，{“name”：“中国黑龙江省哈尔滨市黑龙江大学信息与网络中心，黑龙江150080”，“sequence”：“additional”，“affiliance”：[]}published-online“：{“date-parts”：[[2022,5,20]]}，“reference”：[{“key”：“key-10.20965\/jacii.2022.p0299-1”，“doi-asserted-by”：“crossref”，“unstructured”：“M.Tang，H.Liao，and S.-F.Su，\u201cA Bibliometrical Overview and Visualization of the International Journal of Fuzzy Systems Between 2007-2017，\u201 d Int。《模糊系统杂志》，第20卷，第1403-1422页，2018年。“，“DOI”：“10.1007\/s40815-018-0484-5”}，{“key”：“key-10.20965\/jacii.2022.p0299-2”，“DOI-asserted-by”：“crossref”，“unstructured”：“G.-Y.Shi，Y.-X.Kong，G.-H.Yuan，R.-J.Wu，A.Zeng，and M。Medo，\u201cDiscoverers in Scientific Citation Data，\u201 d J.of Informetrics，第13卷，第2期，第717-725页，2019年。“，“DOI”：“10.1016\/J.joi.2019.03.017”}，{“key”：“key-10.20965\/jacii.2022.p0299-3”，“DOI-asserted-by”：“crossref”，“unstructured”：“K.Hu，Q.Luo，K.Qi，S.Yang，J.Mao，X.Fu，J.Zheng，H.Wu，Y.Guo，and Q。朱，《理解科学文献的主题演变就像一个不断演变的城市：使用谷歌Word2vec模型和空间自相关分析》，《信息处理与管理》，第56卷，第4期，第1185-1203页，2019年。“，“DOI”：“10.1016\/j.ipm.2019.02.014”}，{“key”：“key-10.20965\/jacii.2022.p0299-4”，“DOI-asserted-by”：“crossref“，”unstructured“：”J.Ruiz-Rosero，G.Ramirez-Gonzalez，J.Viveros-Delgado，《软件调查：ScientoPy，科学出版物中主题趋势分析的科学计量工具》，《科学计量学》，第121卷，第1165-1188页，2019年。“DOI”：“10.1007”，{“key”：“key-10.20965”，jacii.2022.p0299-5“，”DOI-asserted-by“：”crossref”，“非结构化”：“Y.Bai，H.Li，Y.Liu，\u201c可视化E-Learning领域的研究趋势和研究主题演变：1999\u20132018，《科学计量学》，第126卷，第1389-1414页，2021.”，“DOI”：“10.1007\/s11192-020-03760-7”}，{“key”：“key-10.20965\/jacii.2022.p0299-6”，“DOI-asserted-by”：“crossref.”，“unstructured”：“S.Deng，S.Xia，J。胡海丽，刘玉英，通过共词分析探索信息行为研究中关联的主题结构和演化，图书馆学与信息科学杂志，第53卷第2期，第280-297页，2021年。“，“DOI”：“10.1177”，{“key”：“key-10.20965”，“jacii.2022.p0299-7”，“DOI-asserted-by”：“crossref”非结构化”：“Y.Xu，S.Zhang，W.Zhang、S.Yang和Y.Shen，基于拓扑结构和PageRank算法的研究前沿检测和主题演化，《对称性》，第11卷第3期，第310条，2019年。”，“DOI”：“10.3390\/sym110310”}，{“key”：“key-10.20965\/jacii.2022.p0299-8”，“DOI-asserted-by”：“crossref”，《非结构化》：“W。Gaul和D.Vincent，《主题间关系随时间演变的评估》，《数据分析和分类的进展》，第11卷，第159-178页，2017年。Li，\u201cA Framework for Semantic Connection Based Topic Evolution with Deepwalk，\u201 d Intelligent Data Analysis，第22卷，第211-237页，2018年。“，“DOI”：“10.3233\/IDA-163282”}，{“key”：“key-10.20965\/jacii.2022.p0299-10”，“DOI-asserted-by”：“crossref”，“unstructured”：“C.L.Gonz\u00e1lez-Valiente，R.Costas，E.Noyons，J。Steinerov\u00e1和J.\u0160u\u0161ol，《信息管理和知识管理之间的术语（di）相似性：术语共现分析》，《移动网络与应用》，第26卷，第336-3462021页。“，“DOI”：“10.1007”，{“key”：“key-10.20965”，jacii.2022.p0299-11”，“非结构化”：“L.Wang，L。La，Z.H.Wang，《社交网络中跨视相关性分析的三阶段方法》，《非线性与凸性分析》，第20卷，第7期，第1353-1364页，2019年。“}，{“key”：“key-10.20965”，jacii.2022.p0299-12“，“非结构化”：“D.M.Blei，A.Y.Ng，and M.I。Jordan，\u201cLatent Dirichlet Allocation，《机器学习研究》的\u201d J.，第3期，第993-1022页，2003年。“}，{“key”：“key-10.20965”，jacii.2022.p0299-13“，“doi-asserted-by”：“crossref”，“unstructured”：“X.Wang和A.McCallum，《随时间变化的主题：主题趋势的非马尔科夫连续时间模型》，第十二届ACM SIGKDD Int.的《201d程序》。知识发现和数据挖掘会议，第424-433页，2006年。”，“DOI”：“10.1145”，{“key”：“key-10.20965”，jacii.2022.p0299-14“，“DOI-asserted-by”：“crossref”，“unstructured”：“T.L.Griffiths和M.Steyvers，《发现科学主题》，国家科学院学报，第101卷，第Suppl_1号，第5228-5235页，2004年。”DOI“：”10.1073\/pnas.0307752101“}，{“key”：“key-10.20965”\/jacii.2022.p0299-15“，”DOI-asserted-by“：”crossref“，“unstructured”：“D.M.Blei和J.D.Lafferty，\u201cDynamic Topic Models，\u201 D Proc.of the 23 Int.Conf.on Machine Learning，pp.113-120，2006.”，“DOI”：“10.1145\/1143844.143859”}，“key“：”key-10.2096.2022.p0299-16“，”doi-asserted-by“：”crossref“，”unstructured“：”M.Zamani、H.A.Schwartz、J.Eichstaedt、S.C.Guntuku和S.Giorgi，《通过动态内容特定LDA主题建模了解每周的COVID-19关注点》，《201d Proc》。第四届自然语言处理与计算社会科学研讨会，第193-198页，2020年。”，“DOI”：“10.18653\/v1\/2020.nlpcss-1.21”}，{“key”：“key-10.20965\/jacii.2022.p0299-17”，“DOI-asserted-by”：“crossref”，“unstructured”：“C.Tan和M。熊，基于LDA模型的中外数字图书馆领域热点问题演变对比分析，《数据科学与信息计量》，第1卷，第2期，第110-130页，2021年。“，“DOI”：“10.59494//dsi.2021.2.8”}，{“key”：“key-10.20965\/jacii.2022.p0299-18”，“非结构化”：“J。希顿，《人类人工智能》，第3卷：深度学习和神经网络，希顿研究，2015年。“}，{“key”：“key-10.20965”，jacii.2022.p0299-19“，“unstructured”：“B.Mahesh，《u201c机器学习算法》，2013年A Review，《科学与研究国际期刊》，第9卷，第1期，第381-386页，2020年。”}]，“container-title”：[“《高级计算智能与智能信息学杂志》“]，”original-title“：[]，”language“：”en“，”link“：[{”URL“：”https:\/\/www.fujipres.jp\/main\/wp-content\/themes\/fujipress\/hyosetsu.php？ppno=JACIL002600030004“，”content-type“：”unspecified“，”content-version“：”vor“，”intended-application“：”similarity-checking“}]，”存放“：{”date-parts“：[[2023,11,21]]，“date-time”：“2023-11-21T21:59:57Z”，“timestamp”：1700603997000}，“score”：1，“resource”：{“primary”：{“URL”：“https:\/\/www.fujipress.jp\/jacii\/jc\/jaciai002600030299”}，”subtitle“：[]，”shorttitle“：[]，”issued“：{”date-part“：[2022,5,20]]}”，“references-count”：19，“新闻发布：{“发布”：“3”，“在线发布”：{date-parts“：[[2022,5,20]]}，”published-print“：{”date-part“：[[2022,5,20]]}}，“URL”：“http://\/dx.doi.org\/10.20965\/jacii.2022.p0299”，“relation”：{}，《ISSN》：[“1883-8014”，“1343-0130”]，“ISSN-type”：[{“value”：“1883-814”，“type”:“electronic”}，{“value”：“1343-01-130”，“type”：“print”}]，“subject”：[]，“published”：{“date-parts”：[[2022,5,20]]}}}