文献类型：期刊文章

作　　者：韩正琪[1,2] 刘小平[3,4] 寇晶晶[5]

HAN Zheng-qi;LIU Xiao-ping;KOU Jing-jing(China University of Political Science and Law Library,Beijing 100088,China;The CUPL Scientometrics and Evaluation Center of Rule of Law,Beijing 100088,China;National Science Library,Chinese Academy of Sciences,Beijing Beijing 100190,China;Information and Archives Management,School of Economics and Management,University of Chinese Academy of Sciences,Beijing 100049,China;University of International Relations,Beijing 100091,China)

机构地区：[1]中国政法大学图书馆,北京100088 [2]中国政法大学法治科学计量与评价中心,北京100088 [3]中国科学院文献情报中心,北京100190 [4]中国科学院大学经济与管理学院图书情报与档案管理系,北京100049 [5]国际关系学院,北京100091

出　　处：《情报科学》

基　　金：中国科学院文献情报能力建设专项“科技领域战略情报研究与决策咨询体系建设”子课题“基础交叉前沿领域战略情报研究与决策咨询”(Y8C0381005-01);中央高校基本科研业务费专项基金资助项目“现代信息技术驱动的大学图书馆管理与服务创新”(1000-10819320).

年　　份：2020

卷　　号：38

期　　号：2

起止页码：116-124

语　　种：中文

收录情况：BDHX、BDHX2017、CSSCI、CSSCI2019_2020、JST、NSSD、RCCSE、RWSKHX、ZGKJHX、核心刊

摘　　要：【目的/意义】基于Rao-Stirling指数和LDA模型进行领域学科交叉主题识别,并以纳米科技为例验证将Rao-Stirling指数和LDA模型用于领域学科交叉主题识别的有效性和适用性。【方法/过程】基于Rao-Stirling指数测度领域文献学科交叉程度,设定阈值发现高度学科交叉文献。基于LDA模型对筛选出的学科交叉文献进行主题识别,发现学科交叉点和学科交叉研究主题。【结果/结论】基于Rao-Stirling指数从引文的角度进行领域文献学科交叉测度可以有效地发现与某领域相关的学科交叉文献,且有利于大数据集的学科交叉文献发现研究的实现。基于LDA模型进行学科交叉主题识别可以有效地发现学科交叉主题。两方法的组合应用为发现某领域学科交叉主题研究提供一种新视角。

关 键 词：学科交叉  主题识别 Rao-Stirling指数  LDA模型 纳米科技  

分 类 号：G353.1] TB383.1[材料类]