AToT模型可视化工具开发.pdf

情报工程 ISSN 2095．915X TECHNOLOGYlNTELLlGENCEENGINEERING 第2卷 第4期 2O一29 2016年 8月 ISSN 2095-915X Vo1．2 No．4 20-29 Aug 2016 doi：lO．3772j／．issn．2095-915x．2016．04．004 AToT模型可视化工具开发 孙国超 ，徐硕 ，乔晓东 (中国科学技术信息研究所 北京 100038) 摘要：随着科研人员需要处理的文献集规模的 日益庞大，以LDA为代表的主题模型能够从语义层面 挖掘大规模文献集中隐含的主题，因此，LDA主题模型的应用越来越广泛 。LDA模型仅仅关注文献集 的内容 ，而忽略了文献其他重要的外部信息，AToT模型在 LDA主题模型的基础上引入了文献作者和 文献发表时间两个属性 ，使AToT模型不仅可以挖掘文献中隐合的信息，还可以分析文献作者 【研究 兴趣及文献主题随时间的变化。AToT模型对文献集建模的结果是以概率矩阵的形式呈现，不能直观、 全面、清晰的呈现挖掘出来的信息，特别是对数据挖掘不熟悉的科研人员，因此，本文开发了一个基 于AToT模型的可视化系统，该可视化系统清晰、美观地展现了AToT模型中文献、主题、作者、时间、 词项间的关系。如文档中的主题分布、主题的词项分布、作者的研究兴趣分布、主题的相似主题和主 题的演化趋势等。 关键词 ：LDA模型，AToT模型，可视化，Django 中图分类号：G35，TP39 DevelopmentofVisualizationToolforAToTM odel SUNGuoChao，XUShuo，QIAOXiaoDong (InstituteofScientificandTechnicalInformationofChina，Beijing100038，China) Abstract：SinceLDA(LatentDirichletAllocation)topicmodelcouldmineunderlyingtopicsfromthecollection 基金项 目：本文受国家自然科学基金项 目：基于论文和专利资源的技术机会发现研究，十“二五”国家科技支撑计划项 目： 面向科技情报分析的信息服务资源开发与支撑技术研究 (2015BAH25F01)和中国工程科技知识中心建设项 目 知“识组织体系建设” (CKCEST一2016-2—10)资助。 作者简介：孙国超，硕士研究生；徐硕 (通讯作者 )(1979一)。博士，副研究员。研究方向：智能情报分析，数据挖掘和大数据等。 E-mail：xush@istic．ac．cn；乔晓东 (1965一)，英国谢菲尔德大学硕士，研究员，研究方向：信息服务、信息资源管理等。E-mail： qiaox@istic．accn。 020 AToT模型可视化工具开发 oflarge—scaledocumentsinthesemanticviewpoint，ithasbeenappliedsuccessfullyinvariousfields．However, LDA modelwasonlyfocusonthecontentsofdocumentswhileignoringotherimportantexternalinformation， suchasauthorship，timestamp，etac．Inordertoovercomethisproblem，AToT(AuthorTopicoverTime)model wasproposedbycombinedanalysisoftheauthorshipsandhtepublicationtimeofdocuments，whichCna improve theAToTmodelformininghteimplicitinformationofthedocuments，andanalyzinghtereserachinterestofhte authorsnadhtevariationofhtedocmu ents．Howeve~itwas