基于LDA-SVM论文摘要多分类新兴技术预测

摘要：

[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Web of 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：新兴技术预测、LDA模型、SVM模型、论文时间序列预测

所属期刊栏目：36

分类号：G254(图书馆学、图书馆事业)

资助基金：国家自然科学基金"支持技术预见的多源异构大数据融合与时序文本预测方法研究"91646102;国家自然科学基金"面向2035的中国工程科技发展路线图绘制理论与方法研究"L1624045;国家自然科学基金"面向2035的中国工程科技发展路线图应用案例及软件研究"L1624041;国家自然科学基金"2035发展战略文献计量与专利分析方法研究"L1524015;国家自然科学基金"示范项目对产业技术轨道的作用机理研究——以新能源汽车和新能源产业为例"71203117

在线出版日期：2017-08-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：40-45,133