Indexed by：
Abstract：
[目的]对新兴主题关联机会的发现方法进行实验性研究,提供一种有效的新兴主题关联机会发现方法.[方法]以深度学习研究领域发表的文献集合为研究对象,通过LDA主题模型方法挖掘文献内在特征,进而以主题为节点,通过链路预测对新兴主题关联机会进行预测.[结果]深度学习研究领域主题共现网络的最优指标为AA指标;未来深度学习领域的大数据分析研究最有可能与生物医疗领域主题研究及深度学习算法自身机理改进主题研究产生关联.[局限]链路预测方法对连通性较差的网络预测结果欠佳.[结论]利用主题模型与链路预测相结合的方法进行未来新兴主题关联机会发现具有一定的有效性与可靠性.
Keyword：
Reprint Author's Address：
Email：
Source ：
数据分析与知识发现
ISSN： 1003-3513
Year： 2019
Issue： 1
Volume： 3
Page： 104-117
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count： 10
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： 7
Chinese Cited Count：
30 Days PV： 10
Affiliated Colleges：
