基于LDA主题模型的文献特征项多重共现可视化方法

文献计量学是运用数学和统计学方法对文献知识单元进行定量分析、揭示文献内部知识内容的一门科学。共现网络分析是文献计量研究中分析文献特征项数据关系的一种可视化方法，根据被分析特征项的数量分为单重共现网络分析和多重共现网络分析。与单重共现网络分析相比，多重共现网络分析增加了特征项的维度，对文献知识的呈现更加深入。但是，由于被分析特征项维度的增加，导致共现网络中的节点数量增多，节点间连线重合度和交叉频率过大，降低了文献计量可视化的效果。因此，目前文献计量共现网络分析主要以单重共现为主，多重共现网络分析可视化效果尚有待提升。为解决多重共现网络中节点过多、连线密度过大、不利于发现数据价值以及可视化效果较低等问题，引入LDA主题模型，采用空间划分的方法，将特征项全域可视化的问题转化为子空间可视化问题。首先，使用SATI文献题录信息分析软件抽取文献关键词，进行TF-IDF计算，以计算结果作为实验数据；其次，使用Python构建主题模型，对目标文献集合进行主题聚类分析；最后，使用Ucinet软件对不同主题子空间文献进行多重共现分析，并将子空间分析结果叠加和重构，完成多重共现可视化系统的结构化表达。结果表明：与原多重共现可视化方法相比，在内容呈现等价的前提下，基于LDA主题模型的多重共现可视化改进方法由于缩小了多重共现网络分析系统的规模，即子空间文献数量与特征词数目，因而降低了共现网络中的节点数量和节点间连线密度，使得多重共现可视化系统的结构更为清晰，增加了数据的可读性，突出了数据价值，有效提升了多重共现可视化效果。因此，多重共现可视化改进方法在一定程度上可以推进文献构成元素在多重组合知识挖掘方面的深入研究，提高不同领域文献计量的实证研究质量。     

乡村产业振兴研究文献关键词聚类比较

乡村产业振兴提供了乡村全面振兴的重要经济基础，只有乡村产业不断发展与繁荣，才能给乡村振兴带来足够的资金支持和发展空间。基于517条以“乡村产业振兴”为主题的文献数据，利用Cite Space、COOC2.0、UCINET和SPSS23.0等文献计量软件绘制高频关键词共现聚类知识图谱，分析不同软件产生的不同聚类结果。研究表明：在乡村产业振兴的发展目标与整体发展战略、具体产业发展和可持续发展道路等维度上存在研究共识；乡村产业振兴过程中对文化遗产的保护和乡村产业资本规范管理等是其聚类结果的差异性特征。研究结论可以为产业振兴领域的后续研究提供方向借鉴。     

基于游客拍摄偏好的乡村景观特征研究

以发布在2020年排名前3的最受欢迎在线旅游APP及新浪微博上且内容涉及10个重庆市全国乡村旅游重点村的14 275张游客照片为研究对象，利用质性分析法及图片内容分析法，借助Nvivo 11和Ucinet 6,通过统计游客照片中景观元素类别出现频次及景观元素出现频次，解读出游客偏好拍摄的景观元素类别为旅游支持系统类、自然风光类、动植物类和建筑类，其中与酒店民宿相关的景观元素和与植物相关的景观元素最受欢迎，具有历史意义的建筑也是拍摄重点.通过构建节点共现网络，解读出乡村景观中游客最偏好拍摄具备能提供旅游支持条件且植物丰富特征的景观、现代风格的酒店民宿建筑、传统风格的景区设施建筑、造型奇特的景区设施建筑，以及与植物组合出现的设施设备和装饰小品等.根据研究结果展现出的乡村旅游游客关注重点，对乡村精准把握旅游建设要点提出了建议，为确定特色资源保护利用方向和乡村景观建设提供思路.     

知识图谱视角下雄安新区研究现状分析

为了构建雄安新区研究知识图谱，针对目前对雄安新区科学研究产出分析几乎空白的情况，基于CNKI和Web of Science数据库的4 638篇中英文文献进行文献计量和文本挖掘分析，从知识图谱视角分析雄安新区研究的趋势、研究主体、研究主题和研究热点情况。研究表明：随着雄安新区设立时间的增长，国内学术界的研究热度逐渐褪去，研究数量呈现下降趋势；雄安新区的主要研究阵地在中国，国际研究机构与中国合作密切；京津冀协同发展、雄安新区建设规划、雄安新区水文与环境研究、雄安新区智慧城市建设研究是当前雄安新区研究的热点。基于知识图谱视角对当前研究态势进行客观数据分析，可为雄安新区各领域的理论研究和实践探索提供科学参考依据，为进一步研究雄安新区提供新视角、新思路。     

“好”基因对自现及其在遗传算法协同演化中的应用研究

简述协同演化及自现的概念,提出以计算高适应类染色体基因对作用力,区别“好”基因对,寻找演化基因,实现自现的方法,并给出自现在协同演化中实现的应用模型,为自现在协同演化中的实验提供理论基础,对染色体较长的复杂工程应用问题有重要指导意义。     

基于LDA模型的统计学热门主题挖掘及知识图谱分析

为揭示并对比统计学领域CSSCI期刊创办至今的刊文发展趋势与热门主题，该研究收集从1985－2020年CNKI数据库收录的统计学CSSCI期刊41 495篇文献作为研究对象，运用LDA主题模型及共现网络模型对热门主题及主流研究方法等指标进行热门主题与知识图谱分析，并绘制相关知识图谱.研究表明，近5年来在研究方法上大量采用结构方程模型和分位数回归法，而大数据则成为近年来新增的高频词.LDA模型能够较为精确地挖掘统计学领域的热门主题和研究方法，为科研人员和决策者开展前沿科学活动提供重要支持.     

融合BiLSTM的双图神经网络文本分类模型

采用图神经网络模型为整个语料库构建异构图处理文本分类任务时，存在难以泛化到新样本和词序信息缺失的问题。针对上述问题，提出了一种融合双图特征和上下文语义信息的文本分类模型。首先，为每个文本独立构建共现图和句法依存图，从而实现对新样本的归纳式学习，从双图角度捕获文本特征，解决忽略单词间依存关系的问题；其次，利用双向长短期记忆网络（bi-directional long short-term memory，BiLSTM）编码文本，解决忽略词序特征和难以捕捉上下文语义信息的问题；最后，融合双图特征，增强图神经网络模型的分类性能。在MR，Ohsumed，R8，R52数据集上的实验结果表明，相较于经典的文本分类模型，该模型能够提取更丰富的文本特征，在准确率上平均提高了2.17%，5.38%，0.61%，2.48%。