典型文献
基于TDT技术的新冠肺炎疫情文献主题演化研究
文献摘要：
[目的/意义]探究在新冠肺炎疫情期间的文献主题演化规律,不仅可以细粒度地揭示疫情在各领域的热点话题和演化路径,还可以为政府应急响应提供决策支持.[方法/过程]文章引入话题检测及跟踪技术(TDT)对文献主题进行自动检测和跟踪,挖掘文献中的主题分布及演化路径.融合自动编码器和Word2vec进行文本特征提取,并利用K-means和余弦相似度计算进行主题演化研究,同时结合LDA模型优化话题模型.[结果/结论]实验结果证明,文献主题词随时间变化较为明显,且与实际较为相符,疫情初期集中在"武汉市",逐渐从"远程劳动"过渡到"疫苗",研究集中在疫情防控、经济舆情和医疗卫生3个方面.TDT技术的引入能够系统地完成新冠肺炎疫情文献主题检测和跟踪任务,多维度话题模型能较好适应研究主题不断变化的情况.
文献关键词：
K-means;自动编码器;话题模型;话题检测及跟踪
中图分类号：
作者姓名：
赵新琴;吴鹏
作者机构：
南京理工大学经济管理学院,南京 210094;江苏省社会公共安全科技协同创新中心,南京 210094
文献出处：
引用格式：
[1]赵新琴;吴鹏-.基于TDT技术的新冠肺炎疫情文献主题演化研究)[J].科技情报研究,2022(02):49-60
A类：
话题检测及跟踪
B类：
TDT,文献主题,主题演化,新冠肺炎疫情期间,演化规律,细粒度,热点话题,演化路径,应急响应,决策支持,入话,跟踪技术,自动检测,主题分布,自动编码器,Word2vec,文本特征提取,means,余弦相似度,相似度计算,算进,LDA,模型优化,话题模型,主题词,疫情初期,武汉市,远程劳动,渡到,舆情,适应研究
AB值：
0.341256
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
