基於知識圖譜的學科主題演化分析與預測

內容簡介

本研究在梳理知識演化、知識生命周期等知識進化理論和思想的基礎上，介紹了引文網路、Meta-path、PageRank等網路分析理論和方法，闡述了Word2vec、Doc2vec、Node2vec等深度表示學習模型以及ARIMA、SVM等時間序列模型，以期為科學主題的演化和熱度預測提供理論基礎和方法支撐；以生物醫學與生命科學領域PubMed Central數據全集為例，基於知識圖譜技術構建了一種面向計量相關研究和套用的垂直領域知識圖譜——計量知識圖譜；創新計量指標，計算計量實體的熱度，用熱度值反應主題所處的演化狀態；採用一系列深度學習等方法挖掘科學主題在計量知識圖譜中的特徵，分析科學主題的演化規律；基於SVM、ARIMA、LSTM等一系列時間序列模型構建學科主題預測模型，最佳化、驗證模型，並進行套用研究。

圖書目錄

第一章緒論1

1.1研究背景與意義1

1.1.1研究背景1

1.1.2研究意義5

1.2國內外研究現狀6

1.2.1主題模型研究6

1.2.2主題演化研究7

1.2.3主題預測研究9

1.2.4知識圖譜11

1.2.5表示學習13

1.2.6現狀述評19

1.3研究內容與方法20

1.3.1目標與內容20

1.3.2研究方法26

1.3.3研究難點28

1.4研究貢獻29

第二章理論基礎31

2.1知識進化論31

2.1.1知識演化32

2.1.2知識生命周期33

2.2網路分析理論與方法34

2.2.1引文網路34

2.2.2Metapath35

2.2.3PageRank38

2.3深度表示學習模型40

2.3.1Word2vec模型41

2.3.2Doc2vec模型44

2.3.3Node2vec模型46

2.4時間序列模型49

2.4.1ARIMA模型49

2.4.2支持向量機模型50

第三章知識圖譜構建53

3.1計量知識圖譜內涵53

3.1.1計量知識圖譜53

3.1.2動態計量知識圖譜57

3.2計量實體與關係58

3.2.1數據下載58

3.2.2計量實體抽取59

3.2.3計量實體消歧62

3.2.4計量實體關係75

3.3MeSH中的實體與關係77

3.3.1MeSH知識庫77

3.3.2MeSH解析78

3.4計量實體與MeSH實體關聯84

3.4.1全文檢索Lucene84

3.4.2基於pylucene的計量實體與MeSH實體關聯85

3.5計量知識圖譜時間劃分與構建89

3.6本章小結95

第四章實體熱度計算97

4.1熱度計算98

基於知識圖譜的學科主題演化分析與預測

基本介紹

內容簡介

圖書目錄

相關詞條

熱門詞條