典型文献
基于词表示模型的领域文献数据可视分析方法
文献摘要：
随着科学技术的发展,科研文献数量越来越大,如何从海量文献信息中找出特定领域的研究主题、有影响力的学者和高水平论文是一个巨大的挑战.为此提出一种基于词表示模型的领域文献数据可视分析方法,首先利用词嵌入模型word2vec向量化推荐领域相关的关键词,根据这些词向量之间的近似度筛选出领域相关的论文;然后应用BERTopic模型从领域论文摘要中提取主题;基于PageRank算法计算论文影响力,应用综合考虑作者署名顺序、发表论文数量和论文影响力的作者影响力评价方法Author-Rank计算作者的影响力;最后使用多视图协同和交互的可视化方法帮助研究人员从领域的主题词频、主题演变、文献影响力和引用关系、作者影响力等多个角度对特定领域进行快速理解和分析.将该方法应用于食品安全领域的文献数据分析,应用结果和用户测试说明了其有效性.
文献关键词：
可视化;文献分析;word2vec;BERTopic;Author-Rank;食品安全
中图分类号：
作者姓名：
张清慧;陈谊;武彩霞
作者机构：
北京工商大学计算机学院食品安全大数据技术北京市重点实验室,北京 100048
文献出处：
引用格式：
[1]张清慧;陈谊;武彩霞-.基于词表示模型的领域文献数据可视分析方法)[J].图学学报,2022(04):685-694
A类：
BERTopic
B类：
词表,表示模型,文献数据,数据可视分析,科研文献,文献信息,特定领域,用词,词嵌入模型,word2vec,向量化,词向量,域论,文摘,摘要,PageRank,算法计算,论文影响力,作者署名,发表论文,论文数量,影响力评价,Author,算作,多视图协同,可视化方法,助研,主题词,词频,主题演变,引用关系,食品安全,安全领域
AB值：
0.439317
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。
