典型文献
融合深度学习和链路预测的交叉性研究主题预测研究
文献摘要：
[研究目的]针对交叉性主题探索相关研究在数据处理规模、信息预测功能方面的不足,引入机器学习技术预测交叉性研究主题,以期为探索学科未来发展规律、优化学科资源布局提供参考建议.[研究方法]在链路预测技术的基础上融合深度学习算法,首先从主题内容入手,在LDA潜在主题模型挖掘获得的文档-主题分布结果中筛选出同一篇文档对应的阈值范围内的主题,并依据属于同一篇文档的主题之间相互关联来构造以主题为节点的无向网络图.然后利用相似性链路预测算法进行主题节点间的相似性度量值.最后,采用LightGBM算法对已链接的主题节点数据进行训练并保存模型后对未链接的主题节点关系进行预测.[研究结论]融合深度学习和链路预测的交叉性研究主题识别模型不仅能够获得产生关联的技术主题内容,同时能够预测主题产生关联的概率大小,提高交叉性研究主题识别的准确度.
文献关键词：
交叉性研究;主题预测;链路预测;隐含狄利克雷分布;LightGBM;深度学习
中图分类号：
作者姓名：
吴金红;黄彩云;李问秋;周磊;王济平
作者机构：
武汉纺织大学管理学院 武汉 430070;武汉纺织大学会计学院 武汉 430070
文献出处：
引用格式：
[1]吴金红;黄彩云;李问秋;周磊;王济平-.融合深度学习和链路预测的交叉性研究主题预测研究)[J].情报杂志,2022(12):57-63
A类：
B类：
交叉性研究,主题预测,预测研究,研究目的,信息预测,预测功能,机器学习技术,技术预测,学科未来,优化学科,学科资源,资源布局,参考建议,预测技术,深度学习算法,主题内容,LDA,潜在主题,主题模型,文档,主题分布,一篇,阈值范围,相互关联,无向网,网络图,链路预测算法,相似性度量,LightGBM,节点关系,主题识别,识别模型,技术主题,隐含狄利克雷分布
AB值：
0.397747
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。
