融合超图聚类和动态主题建模的图情领域研究主题挖掘与演化分析.pdfVIP

Informationstudies：TheoryApplication

SpecialSubject21

Vol.48No.8（Aug.2025）

●王有建，程曦，刘世莹，徐车，朱鹏（南京理工大学经济管理学院，江苏南京210094）

融合超图聚类和动态主题建模的图情领域研究主题挖掘与演化分析*

摘要［目的/意义］挖掘图情领域研究主题，并细粒化剖析演化路径，对于洞悉学科发展态势，揭示知识体系演进

：

脉络和引领学科创新发展具有重要理论价值与现实意义。［方法/过程］以2019—2024年图情领域CSSCI来源期刊文献数据

为研究对象，在采用超图谱聚类和TF-IDF对文献组别及研究方向进行初步挖掘基础上，利用动态主题模型细粒化剖析不同

组别文献研究主题及演化路径，进而揭示各研究主题发展趋势和演进特征。［结果/结论］图情领域文献研究方向呈现广泛性

和多元性特征，可聚类划分为在线社交与健康信息行为、国家情报与战略竞争、开放科学与数据政策治理等9个方向。通过

动态主题建模，提炼出40个研究主题，其中，舆情传播演化、国家应急情报与战略决策、学术影响力评价、社交媒体与隐私

感知、技术识别分析等主题的关注度较高，且不同研究方向的主题间存在内在联系与交叉点。从主题演化角度看，热点主题

紧密关联社会发展、技术进步和政策导向，时代性特征突出。融合超图聚类和动态主题建模的研究主题挖掘与演化分析模

型，不仅能够有效捕捉知识网络中复杂的高阶语义结构，还能实现对各研究主题的细粒化剖析。［局限］仅采用超图谱聚

类对文献组别进行区分，且动态主题建模在捕捉主题长短期演化特征方面存在不足，可在后续研究中进一步探究。

关键词对偶超图；超图聚类；动态主题建模；主题挖掘；演化路径

：

DOI：10.16353/j.cnki.1000-7490.2025.08.003

引用格式王有建，程曦，刘世莹，徐车，朱鹏．融合超图聚类和动态主题建模的图情领域研究主题挖掘与演化分析

：

［J］．情报理论与实践，2025，48（8）：21-31．

ResearchTopicMiningandEvolutionAnalysisintheFieldofLibraryandInformationScienceBased

onHypergraphClusteringandDynamicTopicModeling

WangYoujian，ChengXi，LiuShiying，XuChe，ZhuPeng

（SchoolofEconomicsandManagement，NanjingUniversityofScienceandTechnology，JiangsuNanjing210094）

Abstract：［Purpose/significance］ExploringresearchtopicsinthefieldofInformationScienceandLibraryScience（ISLS）

andanalyzingtheirevolutionpathsindetailisofsignificanttheoreticalandpracticalvalueforunderstandingthediscipline’sdevelop‐

ment，revealingtheprogressionofitsknowledgesystem，andguidinginnovativeadvancementsinthefield.［Method/process］This