(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210649852.8 (22)申请日 2022.06.09 (71)申请人 北京市科 学技术研究院 地址 100089 北京市海淀区西三环北路27 号 (72)发明人 谭晓　李佳娱　李辉　靳晓宏　 西桂权　 (74)专利代理 机构 北京城烽知识产权代理事务 所(特殊普通 合伙) 11829 专利代理师 王新月 (51)Int.Cl. G06F 16/35(2019.01) G06F 40/295(2020.01) G06F 40/30(2020.01) (54)发明名称 一种前沿主题 识别方法、 系统及计算机设备 (57)摘要 本发明提供了一种前沿主题识别方法、 系统 及计算机设备。 所述方法包括： 选择面向领域的 文献作为数据集， 将数据集进行预处理； 根据文 献共被引关系， 构建引文耦合矩阵并进行标准 化， 生成文献关系标准矩阵； 利用LDA模型进行文 本建模， 生成文献相似矩阵； 将文献相似矩阵和 文献关系标准化矩阵进行线性融合， 形成文本相 似矩阵； 利用社团发现， 得到主题簇， 对 所述主题 簇进行可视化描述， 得到对所述面向领域的文 献 的前沿主题的识别结果。 本发明的方法在同时分 析结构和语义层面有较高的效率， 在关键词消 歧、 人工解读方面有较高的准确度， 克服了以往 单一维度分析文本的弊端， 同时解决了文本相似 度、 融合的问题， 可广泛应用于结构和语义的文 本分析中。 权利要求书2页 说明书11页 附图4页 CN 115017315 A 2022.09.06 CN 115017315 A 1.一种前沿主题 识别方法， 其特 征在于， 包括： 步骤1， 选择面向领域的文献作为数据集， 并将所述数据集进行 预处理； 步骤2， 根据文献共被引关系， 构建引文耦合矩阵并进行标准化， 生成文献关系标准矩 阵； 步骤3， 利用LDA模型进行文本建模， 得到文档的主题概率分布， 并从内容层面计算文献 相似度， 生成文献相似矩阵； 步骤4， 将所述文献相似矩阵和文献关系标准化矩阵进行线性融合， 形成文本相似矩 阵； 步骤5， 利用社团发现， 得到主题簇， 对所述主题簇进行可视化描述， 得到对所述面向领 域的文献的前沿主题的识别结果。 2.根据权利要求1所述的前沿主题识别方法， 其特征在于， 在所述步骤1中， 将所述数据 集进行预处理， 包括： 将文本进行向量 化， 生成文本 ‑特征词矩阵以及文本 ‑引文矩阵。 3.根据权利要求1所述的前沿主题识别方法， 其特征在于， 在所述步骤2中， 根据文献共 被引关系， 构建引文 耦合矩阵并进行 标准化， 生成文献关系标准矩阵， 包括： 根据文献的耦合关系， 计算两篇文献的标准共引度d(x,y)： 其中， Nx为文献x的参考文献数量， Ny为文献y的参考文献数量， Nxy为文献x与文献y共同 的参考文献数量。 4.根据权利要求1所述的前沿主题识别方法， 其特征在于， 在所述步骤3中， 利用LDA模 型进行文本 建模， 得到文档的主题概率分布， 并从内容层面计算文献相似度， 生成文献相似 矩阵， 包括： 利用LDA模型进行文本建模， 得到文档 ‑主题、 主题 ‑词分布矩阵， 挖掘出文本潜在的语 义知识； 根据余弦方向计算文献之间的相似度， 生成文献相似矩阵。 5.根据权利要求4所述的前沿主题识别方法， 其特征在于， 根据余弦方向计算文档之间 的相似度， 生成文献相似矩阵， 包括： 基于LDA模型的文献映射的主题向量为di＝(t1,t2,……， tK)， 两篇文献的相似度计算采 用两个主题向量的余弦值： 其中， di和dj分别表示两篇文献映射的主题向量， Sim(di， dj)是基于LDA模型主题向量的 余弦值测度的两篇文献的相似度。 6.根据权利要求1所述的前沿主题识别方法， 其特征在于， 在步骤4中， 将所述文献关系 标准化矩阵和文献相似矩阵进行线性融合， 形成文本相似矩阵， 包括： 所述线性融合 算法为：权　利　要　求　书 1/2 页 2 CN 115017315 A 2其中， λ为设定的权重； SimLDA表示所述文献相似矩阵中的文献 ‑文献相似值Sim值； citecouple表示所述文献关系标准化矩阵中的标准共引度； cite(i,j)是指任意两个映射文 献的节点i,j是否在基本引用网络中相邻， 若cite(i,j)＝0则不相邻， 若cite(i,j)>0则相 邻； a和b为所述文献相似矩阵中的相似度的两个界限值； 遍历数据集， 将融合后的Sim值更新所述文献关系标准化矩阵， 生成所述文本相似矩 阵。 7.根据权利要求6所述的前沿主题 识别方法， 其特 征在于， 对于所述a和b的确定， 包括： 查看基于构建的LDA建模及文献相似矩阵， 按相似度由高到低的顺序排序， 选取 top10％， top10％中最小值即为a； 查看基于构 建的LDA建模及文献相似矩阵， 按相似度由低到高降序排列， 选取top10 ％， top10％中最大值即为b。 8.一种前沿主题 识别系统， 其特 征在于， 包括： 预处理模块， 用于 选择面向领域的文献作为数据集， 并将所述数据集进行 预处理； 文献关系矩阵生成模块， 用于根据文献共被引关系， 构建引文耦合矩阵并进行标准化， 生成文献关系标准矩阵； 文献相似矩阵生成模块， 用于利用LDA模型进行文本建模， 得到文档的主题概率分布， 并从内容层面计算文献相似度， 生成文献相似矩阵； 数据融合模块， 用于将所述文献相似矩阵和文献关系标准化矩阵进行线性融合， 形成 文本相似矩阵； 数据分析模块， 用于利用社团发现， 得到主题簇， 并对所述主题簇进行可视化描述， 得 到对所述 面向领域的文献的前沿主题的识别结果。 9.一种计算机设备， 其特征在于， 包括存储器、 处理器及存储在存储器上并可在处理器 上运行的计算机程序， 所述处理器执行所述计算机程序时， 实现如权利要求1至7中任一项 所述的前沿主题 识别方法。 10.一种计算机可读存储介质， 其特征在于， 包括指令， 当所述指令在计算机上运行时， 使得计算机执 行如权利要求1至7中任一项所述的前沿主题 识别方法。权　利　要　求　书 2/2 页 3 CN 115017315 A 3