基于Paragraph Vector模型的科研热点发现方法

郭佳，罗森林，陈倩柔

（北京理工大学信息系统及安全对抗实验中心，北京100081）

随着互联网信息时代的到来，信息在各个领域呈现爆炸式快速增长的态势。在互联网上几乎可以找到任意所需的信息，尤其是互联网搜索引擎的出现，更是大幅提升了信息查找的过程；但由于信息过多，从这些海量信息中去除冗余，挖掘有价值的信息较为困难。同样对于科学研究者而言，情况也是类似的。科学研究者不仅需要时刻把握领域内研究内容的变化趋势，还需要具备快速了解并掌握一个新方法的能力。阅读相关领域的论文是科研工作者快速掌握知识的主要途径，然而由于每个领域均有大量已发表的论文。同时，新论文的发表也层出不穷。这使得科学研究者快速了解研究内容、跟进研究热点变得困难。缓解该问题有效、可行的方法是利用热点发现方法对一个领域随时间变化的研究热点做出检测与总结。

1 相关工作

科研热点发现是话题发现的一个分支。话题发现起源于话题检测与跟踪（Topic Detection and Tracking，TDT）[1]。近年来，国内外诸多学者针对科研热点话题做出了众多研究工作。税等[2]使用Single-Pass聚类算法进行话题识别，并对已聚类的报道进行周期分类，提高了聚类的准确类。为了取得更好的聚类效果，路等[3]利用一个两层的K-means和层次聚类算法，并结合LSI话题模型，检测并抽象出文本数据中的热点话题。随着研究的深入，文献[4-5]引入了模拟数学模型改进聚类算法提高了话题发现效果。……