基于机器学习算法的研究热点趋势预测模型对比与分析——BP神经网络、支持向量机与LSTM模型.pdfVIP

２０１９年４月现代情报Ａｐｒ．，２０１９

第３９卷第４期ＪｏｕｒｎａｌｏｆＭｏｄｅｒｎＩｎｆｏｒｍａｔｉｏｎＶｏｌ３９Ｎｏ４

·情报理论与前瞻观点·

基于机器学习算法的研究热点

趋势预测模型对比与分析

———ＢＰ神经网络、支持向量机与ＬＳＴＭ模型

１２∗

李静徐路路

（１．同济大学经济与管理学院，上海２０００９２；２．南开大学商学院信息资源管理系，天津３０００７１）

摘要：［目的／意义］细粒度分析学科领域热点主题发展脉络并对利用机器学习算法对未来发展趋势进行

准确预测研究。［方法／过程］提出一种基于机器学习算法的研究热点趋势预测方法与分析框架，以基因工程领

域为例利用主题概率模型识别ＷＯＳ核心集中论文摘要数据研究热点主题并进行主题演化关联构建，然后选取ＢＰ

神经网络、支持向量机及ＬＳＴＭ模型等３种典型机器学习算法进行预测分析，最后利用ＲＥ指标和精准度指标评

价机器学习算法预测效果并对基因工程领域在医药卫生、农业食品等方面研究趋势进行分析。［结果／结论］实

验表明基于ＬＳＴＭ模型对热点主题未来发展趋势预测准确度最高，支持向量机预测效果次之，ＢＰ神经网络预测

效果较差且预测稳定性不足，同时结合专家咨询和文献调研表明本文方法可快速识别基因领域研究主题及发展趋

势，可为我国学科领域大势研判和架构调整提供决策支持和参考。

关键词：热点主题；发展趋势；机器学习；ＬＳＴＭ模型；支持向量机模型

－

ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１００８０８２１．２０１９．０４．００３

－－－

〔中图分类号〕Ｇ２０３〔文献标识码〕Ａ〔文章编号〕１００８０８２１（２０１９）０４００２３１１

ＣｏｍｐａｒｉｓｏｎａｎｄＡｎａｌｙｓｉｓｏｆＲｅｓｅａｒｃｈＴｒｅｎｄＰｒｅｄｉｃｔｉｏｎ

ＭｏｄｅｌｓＢａｓｅｄｏｎＭａｃｈｉｎｅＬｅａｒｎｉｎｇＡｌｇｏｒｉｔｈｍ

———ＢＰＮｅｕｒａｌＮｅｔｗｏｒｋ，ＳｕｐｐｏｒｔＶｅｃｔｏｒＭａｃｈｉｎｅａｎｄＬＳＴＭＭｏｄｅｌ

１２∗

ＬｉＪｉｎｇＸｕＬｕｌｕ

（１．ＳｃｈｏｏｌｏｆＥｃｏｎｏｍｉｃｓａｎｄＭａｎａｇｅｍｅｎｔ，ＴｏｎｇｊｉＵｎｉｖｅｒｓｉｔｙ，Ｓｈａｎｇｈａｉ２０００９２，Ｃｈｉｎａ；

２．ＤｅｐａｒｔｍｅｎｔｏｆＩｎｆｏｒｍａｔｉｏｎＲｅｓｏｕｒｃｅｓＭａｎａｇｅｍｅｎｔ，ＢｕｓｉｎｅｓｓＳｃｈｏｏｌ，ＮａｎｋａｉＵｎｉｖｅｒｓｉｔｙ，

Ｔｉａｎｊｉｎ３０００７１，Ｃｈｉｎａ）

－

Ａｂｓｔｒａｃｔ：［Ｐｕｒｐｏｓｅ／Ｓｉｇｎｆｉｃａｎｃｅ］Ｆｉｎｅｇｒａｉｎｅｄａｎａｌｙｓｉｓｏｆｔｈｅｄｅｖｅｌｏｐｍｅｎｔｃｏｎｔｅｘｔｏｆｈｏｔｔｏｐｉｃｓｉｎｔｈｅｓｕｂｊｅｃｔｆｉｅｌｄ

ａｎ