基于LSTM模型與加權(quán)鏈路預(yù)測的學(xué)科新興主題成長性識別研究

打開文本圖片集

摘要：[目的/意義]揭示學(xué)科主題潛在的成長性趨勢是識別其新興特征的關(guān)鍵和難點(diǎn)。[方法/過程]從熱度和影響力兩個(gè)維度考察主題成長性，通過基于機(jī)器學(xué)習(xí)算法的預(yù)測模型估計(jì)主題潛在成長性，基于此形成新興主題的細(xì)分類型劃分。首先，設(shè)計(jì)融合文獻(xiàn)計(jì)量指標(biāo)和替代計(jì)量指標(biāo)的主題熱度指標(biāo)，構(gòu)建基于長短記憶神經(jīng)網(wǎng)絡(luò)LSTM的主題熱度預(yù)測模型，預(yù)測主題熱度增長率;其次，基于加權(quán)鏈路預(yù)測相似性指標(biāo)，構(gòu)建旨在預(yù)測未來主題網(wǎng)絡(luò)的三層神經(jīng)網(wǎng)絡(luò)預(yù)測模型，并采用PageRank算法得到主題影響力增長率預(yù)測值;最后，基于熱度增長率預(yù)測值和影響力增長率預(yù)測值構(gòu)建二維識別空間，通過主題聚類，識別不同子類型的學(xué)科新興主題。（剩余16321字）