基于知识图谱的学科主题演化分析与预测

内容简介

本研究在梳理知识演化、知识生命周期等知识进化理论和思想的基础上，介绍了引文网络、meta-path、PageRank等网络分析理论和方法，阐述了Word2vec、Doc2vec、Node2vec等深度表示学习模型以及ARIMA、SVM等时间序列模型，以期为科学主题的演化和热度预测提供理论基础和方法支撑；以生物医学与生命科学领域PubMed Central数据全集为例，基于知识图谱技术构建了一种面向计量相关研究和应用的垂直领域知识图谱——计量知识图谱；创新计量指标，计算计量实体的热度，用热度值反应主题所处的演化状态；采用一系列深度学习等方法挖掘科学主题在计量知识图谱中的特征，分析科学主题的演化规律；基于SVM、ARIMA、LSTM等一系列时间序列模型构建学科主题预测模型，优化、验证模型，并进行应用研究。读者对象：高等学校信息科学、情报学、信息管理等相关专业的学生，以及从事科技情报、知识管理、知识服务的实际工作者。

目录

目录章绪论11.1研究背景与意义11.1.1研究背景11.1.2研究意义51.2国内外研究现状61.2.1主题模型研究61.2.2主题演化研究71.2.3主题预测研究91.2.4知识图谱111.2.5表示学习131.2.6现状述评191.3研究内容与方法201.3.1目标与内容201.3.2研究方法261.3.3研究难点281.4研究贡献29章理论基础312.1知识进化论312.1.1知识演化322.1.2知识生命周期332.2网络分析理论与方法342.2.1引文网络342.2.2metapath352.2.3PageRank382.3深度表示学习模型402.3.1Word2vec模型412.3.2Doc2vec模型442.3.3Node2vec模型462.4时间序列模型492.4.1ARIMA模型492.4.2支持向量机模型50第三章知识图谱构建533.1计量知识图谱内涵533.1.1计量知识图谱533.1.2动态计量知识图谱573.2计量实体与关系583.2.1数据下载583.2.2计量实体抽取593.2.3计量实体消歧623.2.4计量实体关系753.3MeSH中的实体与关系773.3.1MeSH知识库773.3.2MeSH解析783.4计量实体与MeSH实体关联843.4.1全文检索Lucene843.4.2基于pylucene的计量实体与MeSH实体关联853.5计量知识图谱时间划分与构建893.6本章小结95第四章实体热度计算974.1热度计算984.1.1热度内涵984.1.2基于加权PageRank的热度计算方法1004.2论文热度计算1014.2.1论文热度内涵1014.2.2基于PaperRank的论文热度计算1024.3学科主题热度计算1054.3.1学科主题热度内涵1054.3.2学科主题引证网络构建1064.3.3基于TopicRank的学科主题热度计算1074.4作者热度计算1124.4.1作者热度内涵1124.4.2作者引证网络构建1134.4.3基于AuthorRank的作者热度计算1154.5期刊热度计算1174.5.1期刊热度内涵1174.5.2期刊引证网络构建1184.5.3基于VenueRank的期刊热度计算1204.6本章小结121第五章学科主题演化分析1235.1学科主题演化1235.2学科主题分布1265.2.1学科主题体分布情况1265.2.2有副主题限定词的主题分布1275.2.3无副主题限定词的主题分布1275.3学科主题表示学习1295.3.1基于网络结构的学科主题表示学习1295.3.2基于文本内容的学科主题表示学习1365.4学科主题聚类和演化分析1395.4.1聚类方法概述与选取1405.4.2基于Jaccard系数的相似度计算方法1425.4.3Methods类主题演化规律1445.4.4Drug effect类主题演化规律1475.4.5Epidemiology类主题演化规律1515.5本章小结155第六章学科主题热度预测1576.1学科主题热度预测1576.2学科主题特征选择1596.2.1池化模型1596.2.2基于Node2vec和池化模型的学科主题特征选择1626.3基于SVM的学科主题热度预测1686.3.1问题描述1696.3.2研究设计1696.3.3结果分析1726.4基于ARIMA和SVM的学科主题热度预测1796.4.1问题描述1796.4.2研究设计1796.4.3结果分析1816.5本章小结183第七结与展望1847.1研结1847.2研究不足与展望186附录A动态计量知识图谱187附录B图表目录188参考文献192