學科領域資深教授、長江學者聯名推薦；知識關聯下的科學規律發現和未來預測；開啟大數據驅動下的大知識時代之門

●第一章緒論1
1.1研究背景與意義1
1.1.1研究背景1
1.1.2研究意義5
1.2國內外研究現狀6
1.2.1主題模型研究6
1.2.2主題演化研究7
1.2.3主題預測研究9
1.2.4知識圖譜11
1.2.5表示學習13
1.2.6現狀述評19
1.3研究內容與方法20
1.3.1目標與內容20
1.3.2研究方法26
1.3.3研究難點28
1.4研究貢獻29
第二章理論基礎31
2.1知識進化論31
2.1.1知識演化32
2.1.2知識生命周期33
2.2網絡分析理論與方法34
2.2.1引文網絡34
2.2.2Meta-path35
2.2.3PageRank38
2.3深度表示學習模型40
2.3.1Word2vec模型41
2.3.2Doc2vec模型44
2.3.3Node2vec模型46
2.4時間序列模型49
2.4.1ARIMA模型49
2.4.2支持向量機模型50
第三章知識圖譜構建53
3.1計量知識圖譜內涵53
3.1.1計量知識圖譜53
3.1.2動態計量知識圖譜57
3.2計量實體與關繫58
3.2.1數據下載58
3.2.2計量實體抽取59
3.2.3計量實體消歧62
3.2.4計量實體關繫75
3.3MeSH中的實體與關繫77
3.3.1MeSH知識庫77
3.3.2MeSH解析78
3.4計量實體與MeSH實體關聯84
3.4.1全文檢索Lucene84
3.4.2基於pylucene的計量實體與MeSH實體關聯85
3.5計量知識圖譜時間劃分與構建89
3.6本章小結95
第四章實體熱度計算97
4.1熱度計算98
4.1.1熱度內涵98
4.1.2基於加權PageRank的熱度計算方法100
4.2論文熱度計算101
4.2.1論文熱度內涵101
4.2.2基於PaperRank的論文熱度計算102
4.3學科主題熱度計算105
4.3.1學科主題熱度內涵105
4.3.2學科主題引證網絡構建106
4.3.3基於TopicRank的學科主題熱度計算107
4.4作者熱度計算112
4.4.1作者熱度內涵112
4.4.2作者引證網絡構建113
4.4.3基於AuthorRank的作者熱度計算115
4.5期刊熱度計算117
4.5.1期刊熱度內涵117
4.5.2期刊引證網絡構建118
4.5.3基於VenueRank的期刊熱度計算120
4.6本章小結121
第五章學科主題演化分析123
5.1學科主題演化123
5.2學科主題分布126
5.2.1學科主題的總體分布情況126
5.2.2有副主題限定詞的主題分布127
5.2.3無副主題限定詞的主題分布127
5.3學科主題表示學習129
5.3.1基於網絡結構的學科主題表示學習129
5.3.2基於文本內容的學科主題表示學習136
5.4學科主題聚類和演化分析139
5.4.1聚類方法概述與選取140
5.4.2基於Jaccard繫數的相似度計算方法142
5.4.3Methods類主題演化規律144
5.4.4Drugeffect類主題演化規律147
5.4.5Epidemiology類主題演化規律151
5.5本章小結155
第六章學科主題熱度預測157
6.1學科主題熱度預測157
6.2學科主題特征選擇159
6.2.1池化模型159
6.2.2基於Node2vec和池化模型的學科主題特征選擇162
6.3基於SVM的學科主題熱度預測168
6.3.1問題描述169
6.3.2研究設計169
6.3.3結果分析172
6.4基於ARIMA和SVM的學科主題熱度預測179
6.4.1問題描述179
6.4.2研究設計179
6.4.3結果分析181
6.5本章小結183
第七章總結與展望184
7.1研究總結184
7.2研究不足與展望186
附錄A動態計量知識圖譜187
附錄B圖表目錄188
參考文獻192

學科主題演化分析是對學科主題歷史演化路徑和演化模式的解析，學科主題預測是對學科主題未來變化情況和變化趨勢的預測，基於這兩個研究維度，本書在現有大型知識庫的基礎上融合了文獻大數據，以生物醫學與生命科學領域PubMed Central全集數據和MeSH知識庫為例，構建了動態計量知識圖譜，通過知識關聯、數據關聯的形式，利用文本表示學習、網絡表示學習等深度學習箄法，提取學科主題的動態演化特征，基於"無監督深度學習+有監督機器學習"的模式，提升對學科主題演化規律的解析和熱度的預測。

霍朝光 著