基于LDA-SVM论文摘要多分类新兴技术预测.PDFVIP

第36卷摇 第7期 情摇 报摇 杂摇 志 Vol.36摇 No.7 2017年7月 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 JOURNAL OF INTELLIGENCE摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 July摇 2017 基于LDA-SVM论文摘要多分类新兴技术预测* 1 2 3 董摇 放摇 刘宇飞摇 周摇 源 (1.华中科技大学 机械科学与工程学院摇 武汉摇 430074; 2.华中科技大学 生命科学与技术学院摇 武汉摇 430074;3.清华大学公共管理学院摇 北京摇 100084) 摘摇 要摇 [目的/ 意义]基于文献计量学的新兴技术预测方法能够避免现有德尔菲法的专家依赖性,但是文献所属技 术领域的划分仍需依据领域知识设计复杂的检索式。 [方法/ 过程]提出了一种基于机器学习和时间序列预测的新 兴技术预测方法,LDA主题模型与SVM(支持向量机)分类模型连用的机器学习方法解决了海量论文摘要数据按照 新兴技术类别的多分类,通过ARIMA(差分自回归移动平均模型)模型对时序论文未来数量的预测,分析以技术为 驱动力的新兴技术发展趋势。 [结果/ 结论]最后,以机器人技术为例,提取Webof Science(WOS)论文数据库上万条 数据,对7 个新兴领域发展趋势进行预测,为新兴技术预测工作提供有益的数据和方法支持。 关键词摇 新兴技术预测摇 LDA模型摇 SVM模型摇 论文摘要摇 时间序列预测 中图分类号摇 G254摇 摇 摇 摇 摇 摇 摇 文献标识码摇 A摇 摇 摇 摇 摇 摇 文章编号摇 1002-1965(2017)07-0040-06 引用格式摇 董摇 放,刘宇飞,周摇 源.基于LDA-SVM论文摘要多分类新兴技术预测[J].情报杂志,2017,36(7):40- 45,133. DOI摇 10.3969/j.issn.1002-1965.2017.07.008 Prediction of Emerging Technologies Based on LDA-SVM Multi-class Abstract of Paper Classification 1 2 3 Dong Fang 摇 Liu Yufei 摇 Zhou Yuan (1.School of Mechanical Engineering,Huazhong University of Science and Technology,Wuhan摇 430074; 2.School of Life Science and Technology,Huazhong University of Science and Technology,Wuhan摇 430074; 3.School of Public Policy and Management,Tsinghua University,Beijing摇 100084) Abstract摇 [Purpose/ Sgnificance]Emerging Technologiesprediction method based on bibliometric method can avoid Delphi experts de鄄 pendence,however the technology field that theliterature shouldbecategorizedintoisstillbased on the design of complex search queries acco