Purpose:The study examines the synergy and hysteresis in the evolution of funding and its supported literature,depicts their temporal correlation mechanism,which aids in improving trend predictions. Design/methodology/approach:The study uses the LDA model to identify topics in funding texts and supported papers.A cosine similarity algorithm was employed to estimate the nexus between topics and construct the topic evolution time series.Similarly,the hysteresis effect in topic evolution is analyzed based on topic popularity and content,leading to insights into their temporal correlation mechanism. Findings:The study finds that fund and sponsored paper topics exhibit strong collaboration with a noticeable lag in evolution.The fund topics significantly influence sponsored paper topics after a two-year lag.Moreover,the lag effect is inversely proportional to the topic's similarity. Research limitations:We use the LDA model to determine the hysteresis effect in topic evolution despite its limitations in handling long-tail words and domain-specific vocabulary.Furthermore,the timing of the emergence of the focal topic in funds is undermined,affecting the findings. Practical implications:These findings enhance the accuracy and scientific validity of trend prediction.Estimating and identifying patterns can help technology managers anticipate future research hotspots,supporting informed decision-making and technology management. Originality/value:This study introduces a research framework to quantitatively and visually analyze the hysteresis effect,revealing the correlation and evolutionary patterns between fund research topics and their funded papers.

[Purpose/Significance] Exploring the identification and analysis method of patent technology innovation path integrating citation and text features is helpful to avoid the risk of technology innovation, optimize the selection of technology innovation path, and is of great significance to improve the innovation ability of innovation subjects, promote the development of modern industry, and lay out the development strategy of science and technology frontier. [Method/Process] Firstly, based on node2vec model and doc2vec model, the patent reference and text data representation were learned as computable high-dimensional vectors, and then the LDA topic model was used to identify the technical topic and the t-sne algorithm was used to reduce the dimension, and the time dimension was added to build the initial technical innovation path. Finally, vector stitching and fusion were carried out to realize the technology innovation path recognition integrating references and text features based on the vector representation results of patent reference and text features. [Result/Conclusion] Through the demonstration in the field of supercapacitors, it is verified that the technology innovation path identification method proposed in this paper,which integrates citation and text features, can identify the patent technology innovation path efficiently and accurately from the patent documents in specific fields, and the feasibility and effectiveness of the method proposed in this paper are verified.

利用专利文献数据识别技术领域的技术主题演化发展路径并分析其发展趋势,对于科技界、企业界进行专利技术创新具有重要的意义.首先,使用Open IE 5.1进行SAO(subject-action-object)三元组抽取,基于LDA(la-tent Dirichlet allocation)模型进行主题识别,根据TRIZ技术创新思想,基于action语义词典将技术主题划分到四个维度;然后,通过计算SAO三元组之间的相似度来测度技术主题之间的语义关联构建技术主题创新演化路径,并利用可视化技术构建技术主题创新演化路径可视化图谱,利用该图谱辅助分析技术主题演化脉络及其发展趋势.最后,通过石墨烯超级电容器(集流体)领域的实证,对该领域的技术问题(problem to problem,P-P)主题、技术功能(so-lution to solution,S-S)主题、解决方案(problem to solution,P-S)主题和技术效果(solution to problem,S-P)主题的创新演化路径进行解读分析,验证了本研究提出方法的可行性和有效性.

[目的/意义]定量化、可视化地分析、总结健康信息领域研究主题演化特征,有利于把握健康信息领域整体的发展现状与未来发展方向.[方法/过程]利用Node2vec算法和LDA主题模型,从内部文本和外部引文两个维度进行健康信息领域研究主题扩张与收敛程度计算,然后利用科学、严谨的数学模型对研究主题扩张与收敛时序变化数据进行跟踪建模,结合模型构建结果对健康信息领域几十年来研究主题的动态演化规律进行总结归纳.[结果/结论]研究发现,健康信息领域研究主题的发展演变过程呈现出以下规律:健康信息素养从对健康信息的认可到利用再到评价的变化趋势,健康信息需求从专业集中性、单一被动性到多主体性、多层次性的变化趋势,健康信息行为从搜寻性到传播性再到评价性的演变趋势等.

[目的/意义]从微观视角把握研究前沿主题在基金项目、论文数据中的关联关系,有助于准确把握科学知识生长中的研究前沿活动机理,对于研究前沿、新兴趋势识别和多源科技文献融合等工作具有一定的实践指导意义.[方法/过程]首先,利用LDA模型进行基金、论文研究主题探测;然后,综合新兴度、关注度指标和战略坐标图进行初始研究前沿判别,在主题扩散演化滞后效应测度结果基础上进行滞后修正的研究前沿识别;最后,利用ARIMA模型和Word2Vec模型进行研究前沿主题趋势预测分析.[结果/结论]以美国纳米农业领域为例进行了实证研究.研究发现,基金和论文在外部数量和内部主题特征两个层面都显示出一定的滞后性.文章对纳米颗粒在农作物代谢过程中诱导应激机制、用于绿色可持续环境及农业应用的纳米气泡技术、农作物吸收不同剂量下纳米材料的反应与机制等7个研究前沿主题发展趋势进行了预测分析.

[目的/意义]定量化、可视化识别基金项目和论文等科技文献主题扩散演化路径,对于揭示科技文献主题之间隐含关联关系辅助研究前沿识别、新兴趋势检测等科技情报分析实践工作具有重要意义.[方法/过程]提出基金项目和论文主题扩散演化路径可视化方法,首先基于LDA模型进行基金项目和论文主题识别,然后利用余弦相似度算法进行基金项目和论文主题关联构建,最后基于Web前端可视化技术设计基金项目和论文主题扩散演化路径可视化方案,揭示基金项目和论文主题的隐含关联关系,辅助进行基金项目和论文主题扩散演化路径分析.[结果/结论]通过对美国近20年纳米农业领域基金项目和论文数据的实证,验证了本文提出方法的准确性和可行性.

[目的/意义]探讨不同关键时间点对新兴研究主题影响力的不同表征.[方法/过程]首先,综述当前拐点时间的应用场景及获取方法,并根据知识扩散中网络节点增长机制与特征构建新兴研究主题在创新演化路径上的拐点识别方法.其次,对比分析首次出现时间、平均时间和拐点时间的差异,探讨新兴研究主题产生影响力的最早时间点.最后,以干细胞研究主题为实证领域,分析不同关键时间点对新兴研究主题影响力的不同表征能力.[结果/结论]拐点时间可以比平均值时间提前识别有影响力的主题.首次出现时间、平均时间和拐点时间在主题发展路径中意义区别显著,新兴研究主题在创新路径中分布时间的确定需要综合3种不同类型的关键时间点.

[Purpose/significance] Knowledge units in scientific knowledge networks show certain clustering and communality, revealing the basic patterns and rules of community expansion and convergence in the process of changing the time series of scientific knowledge networks, which has certain significance for expanding and deepening the research on the diffusion and transmission of scientific knowledge. [Method/process] Firstly, the adjacency matrix was built based on the citation relation, and then the subject knowledge network was constructed. The Louvain community detection algorithm in complex network analysis is used to divide the domain knowledge network into communities. Then, the Graph Embedding technique was used to represent and calculate the community expansion and convergence characteristics. Finally, the time series was used as the time series. Logical clues were used to dynamically track and model the process of expansion and convergence of different communities, so as to reveal the basic patterns and laws of community expansion and convergence in the process of time series change of scientific knowledge network. [Result/conclusion] A case study in the field of health information shows that the trend of community expansion conforms to the Logistic model in the S-shaped curve function and the trend of community convergence conforms to the BiHill model in the S-shaped curve function.

[目的/意义]基于文献数据的领域知识图谱构建有助于探测某学科领域的主要研究内容及其发展方向,是进行技术创新的基础情报工作,对于研究人员、企业都具有一定的意义.[方法/过程]提出基于交互式可视化技术的知识图谱构建方法,首先基于经典LDA模型进行主题识别,然后基于社会网络分析方法构建领域主题网络识别关键主题词;最后,基于JS(D3工具)绘制可交互的关键主题词关联与检索知识图谱,发现关键主题词的隐含联系,辅助进行领域知识挖掘与分析.[结果/结论]通过对我国医疗健康信息领域进行实证研究,验证了本文提出方法的准确性和有效性.

为提高直流线路后备保护动作性能,提出一种基于行波调谐能量的高压直流线路纵联保护.利用S变换提取直流滤波器调谐频率下的故障电压、电流分量,计算前行波与反行波,分析证明调谐频率下的前、反行波在线路边界处满足全反射的关系.区内故障时,线路两端的前、反行波暂态调谐能量比值均接近于1;区外故障时,远离故障的一侧前、反行波暂态调谐能量接近1,而另一侧的比值非常大.区内、外故障时线路两端暂态调谐能量比值差异明显,可用来识别线路故障.该方法原理简单,门槛值便于整定,对通信的要求较低,适合作为高压直流线路的后备保护.PSCAD/EMTDC仿真结果证明,该保护在不同故障位置、故障类型的条件下均能准确判别区内、外故障,并具有良好的耐受高阻故障能力.

[目的/意义]探究国际跨国专利所有活动的网络结构及演化规律.[方法/过程]文章选取1981-2015年间30个国家(地区)PCT申请中的跨国专利所有数据为分析对象,利用复杂网络分析方法从整体网络宏观角度和节点中心性微观角度分析网络结构及重点国家网络地位的演化特征.[结果/结论]国际跨国专利所有活动愈加广泛和深化,网络具有明显的“小世界”和“核心-边缘”结构特征;美国、英国、德国等发达国家占据网络核心位置,跨国专利所有能力强;中国、印度、巴西等发展中国家处于网络边缘位置,跨国专利被控制程度高.中国的网络地位近期得以快速提升,但跨国专利所有能力亟待进一步提高.美国优势地位明显,扮演绝大多数国家的最大专利所有国和最大专利被所有国双重角色.

探索构建准确、有效的领域新兴趋势分析框架,对于新兴趋势研判、舆情监测等情报工作具有一定的意义.首先,基于N-Gram模型抽取蕴含时间标签的科技文献文本数据中的多元词汇特征Bi-Gram与Tri-Gram;其次,利用分段线性回归(piecewise linear regression,PWLR)模型对Bi-Gram、Tri-Gram进行分段拟合,探测多元词汇在近期时间线上的新兴特征,准确识别有发展潜力的新兴词汇;最后,基于上一步的新兴词汇判别结果利用层次聚类算法识别领域新兴趋势并进行可视化分析.通过对基因编辑领域进行实证研究,识别出基因编辑领域的主要新兴趋势有CRISPR-Cas9技术、基因治疗、动植物基因编辑,验证了本研究提出方法的可行性和有效性.

共词分析是图情领域的基本分析方法之一,探索构建时序共词网络并实现其动态可视化,对于改进、丰富经典共词分析方法具有一定的意义.本文提出时序共词网络构建及其动态可视化方法,首先抽取关键词时间标签,利用关键词的时间标签及其共现关系构建时序共词网络邻接表单数据;然后,基于可视化方法构建时间分层的共词网络图谱,并结合交互式可视化技术实现时序共词网络的动态可视化,从而有效揭示共词网络的动态演变过程.通过对我国图书馆学、情报学领域的数据挖掘相关研究进行实证,验证了本文提出方法的可行性和有效性.

[目的]从外部数量特征和内部文本特征两个层面,构建科学的数理模型和内容预测模型,进而对热点研究主题演化趋势进行预测分析.[方法]基于LDA模型进行主题识别并构建主题时间序列,结合均值与线性回归拟合确定热点主题;利用ARIMA模型和Word2Vec模型从主题强度和主题内容两个层面预测分析热点主题趋势.[结果]对美国干细胞领域进行实证研究,筛选出造血干细胞移植技术、癌症干细胞和干细胞抑制作用、干细胞诱导分化、衍生配子技术、造血干细胞5个热点主题并预测其发展趋势.[局限]基于Word2Vec模型对主题内容趋势进行分析主要以单个词汇为基础,解读过程中可能存在歧义.[结论]与人工解读为主的主题趋势预测分析方法相比,本研究所提方法能在一定程度上提高预测分析的效率与科学性.

In the modern world, science and technology jointly determine the evolutionary path of scientific innovation, with an increasingly close relationship between them. Therefore, it is important to study the identification method of the innovation path, based on the linkage of topics in science and technology. This study focuses on connected topics utilizing bibliometric analysis, thereby exploring the identification method for innovation paths based on the linkage of scientific and technological topics. The internal mechanism of knowledge dissemination and the relationship between science and technology are revealed and described in detail by measuring the linkage of knowledge units. For practical bibliometric analyses, research papers and patent literature were used to characterize scientific research and technological research to reveal the innovation path for the interaction of science and technology quantitatively, automatically, and visually. Experimental study shows that analysis of the topic-linked path of science and technology, along with the integration of multi-relationships, can effectively identify important science-and technology-related topics in a field in the evolution process, and help grasp the key points of basic research and applied research. (C) 2020 Elsevier Ltd. All rights reserved.

从微观层面深度剖析科技互动的内在机理,定量化、自动化、可视化识别科技互动模式,对于弥补当前科学与技术内在关系研究的不足,揭示科技与技术协同创新的发展规律与演化特征具有一定的意义.首先,通过构建多元关系融合的主题词共现矩阵,基于社区探测算法识别论文和专利中的研究主题;然后综合共词、作者与引用关联度构建科学与技术主题关联数据,利用主题演化可视化方法绘制科学与技术主题演化可视化图谱辅助科技互动模式分析.以基因工程疫苗领域的论文和专利数据进行了实证研究,研究结果发现,基因工程疫苗领域的科技互动模式主要有S模式、T模式、S-T模式和T-S模式,其中S模式、T模式随着时间的推移协同增长(呈现明显的协同关联特征),T-S模式、S-T模式随着时间的推移交叉增长(呈现一定的反馈特征,科学与技术双螺旋式推进发展).

[目的/意义]基于大量专利文献数据的核心技术主题识别有助于识别某技术领域的关键技术、分析关键技术的发展方向,是进行技术创新的基础情报工作,对于研究人员、企业乃至国家层面都具有一定的意义.[方法/过程]提出基于Chunk-LDAvis的核心技术主题识别方法,首先基于经典LDA模型进行主题识别,然后利用名词组块对初始LDA主题识别结果进行标注,构建Chunk-LDA主题识别结果,提高其可解读性;然后基于社会网络分析方法构建主题网络,识别核心技术主题;基于R语言的LDAvis工具包绘制可交互的Chunk-LDAvis核心技术主题关联分析图谱,发现核心技术主题的隐含联系,辅助进行核心技术主题识别.[结果/结论]通过对纳米农业领域进行实证研究,验证了本文提出方法的准确性和可行性.

从基金到论文的主题扩散存在滞后性,探索基金、论文中研究主题的扩散演化滞后效应,对于多数据源融合的前沿主题识别研究具有一定的参考、借鉴意义.首先,基于LDA模型识别蕴含在基金项目和论文文本中的研究主题,利用相似度构建主题之间的关联;然后通过主题的新兴度、关注度指标进行研究前沿主题探测,从而识别出值得关注的研究前沿主题;再利用自回归分布滞后模型,以及主题扩散演化路径可视化方法,从外部数量特征、内部主题特征两个层面分析基金项目和学术论文主题的扩散滞后效应.以美国人工智能领域2000—2017年的基金项目和论文数据进行了案例研究,研究结果表明,基金项目和论文主题存在明显的滞后性,基金项目主题对论文主题显著影响的滞后期为2年(滞后相关系数2.027888),当滞后期超过3年其影响力逐渐减小.

[目的/意义]为揭示中外图书情报领域对大数据研究的现状和发展趋势,挖掘研究热点主题及其演化过程.[方法/过程]文章统计分析了近十年图情领域大数据研究的论文发文数量、核心机构和核心作者等指标,采用文本数据挖掘的方法识别出不同领域时期的研究热点主题,并分析了随时间的推移研究主题的演变情况.此外,论文还对比分析了中外图情领域研究主题的相关性和差异性,展现出中外图情领域对大数椐研究的联系和区别.[结果/结论]随着时间的发展,中外大数据研究主题趋于相似.大数据研究主题的趋势向着研究主题多元化,结构层次鲜明化的方向发展,在未来几年将会有更多新颖的研究主题产生.

Haiyun Xu xuhy@clas.ac.cn Chengdu Documentation and Information Center, Chinese Academy of Sciences Rui Luo luorui@mail.las.ac.cn Chengdu Documentation and Information Center, Chinese Academy of Sciences Dong Kun dongkun@mail.las.ac.cn Chengdu Library of Chinese Academy of Sciences Yue Zeng-Hui yzh66123@126.com School of Medical Information Engineering, Jining Medical University Yan Qi qi.yan@imicams.ac.cn Institute Of Medical Information/Medical Library, CAMS & PUMC Shu Fang fangsh@clas.ac.cn Chengdu Library of the Chinese Academy of Sciences