基于主題模型的模塊化網(wǎng)絡(luò)和社區(qū)挖掘研究.pdf

1、隨著計算機技術(shù)和網(wǎng)絡(luò)技術(shù)的發(fā)展，大量的數(shù)字圖書館被建設(shè)，給我們提供了豐富的數(shù)字化信息資源和大量的文獻數(shù)據(jù)信息。文獻數(shù)據(jù)包括了大量的信息，如文本信息、鏈接信息、社會信息，通過對其進行分析和挖掘，可以發(fā)現(xiàn)大量有用或潛在的知識，能夠有效地提高研究者對科技文獻的整理和總結(jié)，對研究領(lǐng)域的理解和把握，進而幫助和指導研究者開展更加有效的科學研究工作。 本文主要針對文獻數(shù)據(jù)，進行了一些挖掘研究和分析，主要的工作內(nèi)容，創(chuàng)新貢獻如下： 1.

2、)引入文獻數(shù)據(jù)中的會議信息到主題模型中，提出了Conference-Author-Topic的主題抽取模型，不僅可以獲得文獻數(shù)據(jù)整體的主題信息，同時也挖掘了作者和會議的主題分布。改進后的CAT主題模型使得抽取的主題更加準確和合理，也方便了對作者、會議在主題信息上的進一步分析和研究工作； 2)在主題抽取的基礎(chǔ)上，提出了主題相互影響的模塊化網(wǎng)絡(luò)的構(gòu)造方法。首先從主題模型的結(jié)果中獲得主題強度的時間序列數(shù)據(jù)，對其采用分段線性化來消除局部

3、波動，最后構(gòu)造主題相互影響的模塊化網(wǎng)絡(luò)。模塊化網(wǎng)絡(luò)的構(gòu)造使研究者能夠準確地理解研究領(lǐng)域的演化規(guī)律，掌握發(fā)展趨勢，指導科研工作的開展。 3)設(shè)計了基于主題抽取的社區(qū)挖掘方法。針對文獻數(shù)據(jù)的研究者關(guān)系網(wǎng)絡(luò)，利用主題模型直接找出能夠反映用戶需求的社區(qū)的本質(zhì)關(guān)系，即研究者的主題信息，以此挖掘的社區(qū)更加符合了現(xiàn)實的需求和意義。 4)對社區(qū)及其成員的網(wǎng)絡(luò)結(jié)構(gòu)進行了研究分析，提出了基于page-rank算法的社區(qū)排名方法。這不像傳統(tǒng)的