结合LDA主题模型和LSTM的领域技术研究热点预测方法研究.pdfVIP

ISSN1009-3044E-mail：eduf@

ComputerKnowledgeandTechnology电脑知识与技术

第21卷第10期(2025年4月)ComputerKnowledgeandTechnology电脑知识与技术

http：//

Vol.21,No.10,April2025Tel：+86-551

结合LDA主题模型和LSTM的领域技术研究热点预测方法研究

郝玉恒

(北京数聚智联科技有限公司，北京10000)

摘要：在全球科技迅猛发展的背景下，准确识别当前研究热点并科学预测领域技术的未来发展趋势具有重要战略意义。

文章提出了一种结合LDA主题模型和深度学习的航天技术研究热点预测框架。首先从2000年至2020年航天装备领域

文献数据库中收集相关资料，采用LDA主题模型提取关键词并量化分析主题强度变化。然后利用余弦相似度算法构建

不同时间片段主题间的关联网络。最后对比分析了BP神经网络、支持向量机(SVM)和长短期记忆网络(LSTM)三种机

器学习模型在研究热点预测中的表现。实验结果表明，LSTM模型在预测航天技术研究热点趋势方面表现最佳，平均相

对误差稳定在8.6%～10.9%之间，显著优于SVM(11.4%～21.4%)和BP神经网络(15.7%～26.4%)。基于LSTM模型的预

测显示，未来三年航天器研究将持续保持主导地位，到2027年主题强度预计将突破1000。

关键词：领域技术；研究热点预测；LDA主题模型；机器学习

中图分类号：TP311文献标识码：A

开放科学(资源服务)标识码(OSID)：

文章编号：1009-3044(2025)10-0029-04

0引言建主题演化网络，揭示研究热点的动态发展规律；3)

通过对比分析BP神经网络、SVM和LSTM三种机器学

在全球航天科技竞争日益加剧的背景下，领域技

习算法的预测性能，确定最适合领域技术趋势预测的

术研究热点的准确识别与未来趋势预测已成为支撑

方法，为科研规划和资源配置提供科学依据。

国家战略决策的关键能力。如何有效捕捉当前活跃

的科研活动信息，追踪研究热点趋势，不仅可以为国1研究方法

家航天装备技术架构规划和基金布局提供宏观决策采用“数据获取—主题分析—趋势预测”的技术

支持，也能为科研机构的学科建设和人才培养提供指路线，包括5个关键步骤：1)领域技术文献以及新闻

导，同时帮助科研工作者提升研究效率和产出。数据获取，这是研究的数据基础，通过收集大量相关

研究热点识别方法经历了从引文分析到文本内文献摘要形成初始数据集；2)LDA研究热点主题预

容分析的演变过程。早期研究主要依赖共被引和文测，采用LDA主题模型从文本数据中提取主题并识别

献耦合等引文分析方法，但这类方法存在时间滞后性研究热点；3)主题词表征与向量映射，将主题词通过

并缺乏语义关联分析。随着自然语言处理技术的发Word2Vec等方法映射到向量空间