基于改进的TF*IDF方法分析学科研究热点——以情报学为例

被引：11

作者：

刘小慧

李长玲

冯志刚

机构：

[1] 山东理工大学科技信息研究所

来源：

情报科学 | 2017年 / 07期

关键词：

研究热点; TF*IDF; 全文分词; 情报学;

D O I：

10.13833/j.cnki.is.2017.07.015

中图分类号：

G353.1 [情报资料的分析和研究]; TP391.1 [文字信息处理];

学科分类号：

1205 ; 081203 ; 0835 ;

摘要：

【目的/意义】提出一种TF*IDF改进算法,用于全文分词后的语词权重计算,提取高权重语词,分析学科研究热点。【方法/过程】以万方数据库中2015年《情报学报》的载文为例,对每篇文章全文分词,用改进的TF*IDF方法计算语词权重。【结果/结论】发现该改进算法准确可行,且运用该方法分析得到,用户研究、大数据、情报学、社交网络、技术领域、文献作者、突发事件、零被引等,是2015年情报学的研究热点。

引用

页码：82 / 87

页数：6

共 14 条

[11] 文本分类中特征权重算法的改进 [J].