摘要【目:的/意義】主題發(fā)展等級劃分是信息組織研究的基礎(chǔ)性問題，也是科研人員和科研管理部門進行研究選題和學(xué)科服務(wù)的重要工作，對學(xué)科研究主題進行高效的發(fā)展等級劃分與趨勢預(yù)測，能夠幫助相關(guān)科研人員和機構(gòu)把握學(xué)科領(lǐng)域研究態(tài)勢，準(zhǔn)確做出科研決策。【方法/過程】本文結(jié)合主題模型、Sen’s斜率估計法、Mann-Kendall法、指數(shù)平滑法，提出一種學(xué)科研究主題發(fā)展等級劃分與趨勢預(yù)測方法。首先，在主題識別的基礎(chǔ)上，形成主題發(fā)文度和主題引文度兩個指標(biāo)，并參考波士頓矩陣對學(xué)科研究主題發(fā)展等級進行劃分;然后，融合研究主題發(fā)文量、被引量和下載量，形成主題熱力度指標(biāo)，采用指數(shù)平滑法對研究主題未來發(fā)展態(tài)勢進行預(yù)測。【結(jié)果/結(jié)論】以我國“智慧圖書館”研究的實驗表明，本文所提方法能夠?qū)�學(xué)科領(lǐng)域研究主題進行全方位、細粒度地發(fā)展等級劃分和趨勢預(yù)測。【創(chuàng)新/局限】本文所提方法對其他學(xué)科研究主題的分析具有普適性，為實現(xiàn)動態(tài)情報分析提供了新的視角，局限在于需要提高主題建模的可解讀性，并進一步優(yōu)化趨勢預(yù)測方法。

　　關(guān)鍵詞:主題模型;發(fā)展等級;趨勢預(yù)測;智慧圖書館;科研決策

　　1引言

　　信息科技不斷發(fā)展，帶動了Web技術(shù)在學(xué)術(shù)數(shù)據(jù)庫中的創(chuàng)新應(yīng)用，也進一步推動了科技文獻呈爆炸式增長態(tài)勢。當(dāng)科研人員針對某個學(xué)科研究主題進行文獻檢索時，往往能夠獲取期刊論文、科技專利、新聞報告等多元化海量信息。而面對海量文獻資源，如何快速準(zhǔn)確地把握學(xué)科研究主題的發(fā)展等級，為科學(xué)研究尋找切入點，成為科研工作者面臨的巨大挑戰(zhàn)。為了應(yīng)對此問題，部分學(xué)者以文獻作為分析單元，通過挖掘?qū)W科領(lǐng)域的熱點文獻、權(quán)威作者，為學(xué)術(shù)檢索和科研實踐提供有力支持。但隨著學(xué)科研究范式復(fù)雜度的提高和學(xué)科研究邊界的不斷拓展，已有研究和方法并不能有效滿足科研人員對結(jié)果呈現(xiàn)的精深性需求。

　　由此，本研究提出一種學(xué)科研究主題發(fā)展等級劃分和趨勢預(yù)測方法，通過對文獻內(nèi)容進行深入挖掘，從更高細粒度、更深層次方面對學(xué)科研究主題進行分析，幫助科研人員和科研管理部門有效把握學(xué)科領(lǐng)域研究態(tài)勢，快速做出科研決策。本文的研究目標(biāo)是：①以Sen’s斜率估計法計算主題發(fā)文度，以Mann-Kendall法計算主題引文度，將兩個指標(biāo)映射到二維空間，參考波士頓矩陣的命名方式，對學(xué)科研究主題發(fā)展等級進行劃分。②構(gòu)建主題熱力度計算公式，采用指數(shù)平滑法對學(xué)科研究主題未來發(fā)展態(tài)勢進行預(yù)測。③應(yīng)用提出的學(xué)科研究主題發(fā)展等級劃分和趨勢預(yù)測方法對我國“智慧圖書館”研究進行探析，為科研人員和機構(gòu)制定科研規(guī)劃、開展科研選題提供決策參考。

　　2相關(guān)研究

　　2.1基于文獻計量學(xué)的學(xué)科研究主題識別

　　通常使用的方法有詞頻分析法、共詞聚類法等，其實質(zhì)是將文獻中的高頻關(guān)鍵詞作為重點分析對象，探索學(xué)科領(lǐng)域重點研究內(nèi)容。關(guān)鍵詞可以視為對研究內(nèi)容及研究方法的高度凝練和概括，而高頻關(guān)鍵詞在一定程度上可以體現(xiàn)學(xué)科領(lǐng)域的研究熱點和前沿主題【1】。因此，通過對論文中的關(guān)鍵詞進行統(tǒng)計分析，能夠探析一個學(xué)科領(lǐng)域的熱點和趨勢。當(dāng)前，文獻計量學(xué)技術(shù)方法完善，分析工具多樣，從而被廣泛應(yīng)用于學(xué)科領(lǐng)域的計量分析中。Song等采用共詞聚類算法，對DBLP會議中生物信息學(xué)研究的主題進行了識別【2】。

　　Jung等將研究者興趣引入到主題識別研究中，探討了虛擬現(xiàn)實領(lǐng)域的主題演進情況【3】。廖遠麗等結(jié)合文獻計量學(xué)方法與可視化方法，剖析了我國圖書館空間研究的主題分布【4】。張琬笛等依托VOSviewer的關(guān)鍵詞聚類分析，對納米技術(shù)領(lǐng)域的研究主題進行了分析【5】。但該方法的不足之處是高頻關(guān)鍵詞地閾值設(shè)置及關(guān)鍵詞選取依賴科研人員地主觀判斷，導(dǎo)致遺漏低頻但表征新興研究主題的關(guān)鍵詞，此外，關(guān)鍵詞之間缺少語義關(guān)聯(lián)，造成采用此種方法存在一定局限性【6】。

　　2.2基于機器學(xué)習(xí)的學(xué)科研究主題挖掘

　　于機器學(xué)習(xí)的學(xué)科研究主題挖掘1975年，Salton等提出向量空間模型(VectorSpaceModel，VSM)，開啟了基于機器學(xué)習(xí)的主題挖掘研究方向【7】。

　　1990年，Deerwester首次將文本語義信息引入文本主題挖掘過程中，提出潛在語義分析模型LSA(LatentSemanticAnaly⁃sis，LSA)【8】。1999年，Hofmann將期望最大化算法引入文本主題提取過程中，提出了基于概率統(tǒng)計的PLSA模型(Proba⁃bilisticLatentSemanticAnalysis)【9】。2003年，Blei對PLSA進行了完善，將先驗概率引入，提出潛在狄利克雷分配的LDA模型(LatentDirichletAllocation)【10】。相比基于文獻計量分析的學(xué)科研究主題識別，基于機器學(xué)習(xí)的主題挖掘通過嚴(yán)謹(jǐn)?shù)臄?shù)理統(tǒng)計推演過程，具有挖掘內(nèi)容全面、內(nèi)容描述清晰、主題語義緊密等優(yōu)勢，對語義關(guān)系模糊、語義結(jié)構(gòu)粗糙的文本語料，主題識別更為準(zhǔn)確。

　　此外，LDA模型的性能優(yōu)于LSA和PLSA，因此，LDA模型被廣泛應(yīng)用于學(xué)科研究主題挖掘處理任務(wù)中。如Kang等采用主題模型，對智能家居護理研究領(lǐng)域進行了主題識別【11】。Balili等構(gòu)建了一個主題識別和追蹤框架—TermBall，并以PubMed上的學(xué)術(shù)文獻進行了驗證【12】。李牧南等基于文本挖掘技術(shù)，對人工智能領(lǐng)域的科學(xué)主題進行了探索【13】。李秀霞等基于LDA主題模型，對國內(nèi)外教育大數(shù)據(jù)研究進行了主題識別【14】。

　　2.3基于機器學(xué)習(xí)的學(xué)科研究主題發(fā)展等級劃分

　　于機器學(xué)習(xí)的學(xué)科研究主題發(fā)展等級劃分基于機器學(xué)習(xí)的學(xué)科研究主題發(fā)展等級劃分，是在主題識別的基礎(chǔ)上，通過構(gòu)建分析模型對主題發(fā)展?fàn)顩r進行劃分。目前存在基于前沿性計算對研究主題進行分析的研究，在主題挖掘的基礎(chǔ)上，識別出前瞻價值更高的研究前沿：如鄭彥寧等提出了基于關(guān)鍵詞共現(xiàn)的研究前沿識別方法【15】;王效岳等提出了基于基金項目數(shù)據(jù)的研究前沿主題探測方法【16】;王曰芬等從領(lǐng)域全局演化研究視角，對人工智能進行了研究前沿識別與分析【17】;吳一平等利用文本挖掘方法，分析了高校論文前沿主題和發(fā)展趨勢【18】。

　　此外，也存在基于研究熱度計算對研究主題開展探索的研究，通過總結(jié)學(xué)科研究熱點主題，揭示學(xué)科研究態(tài)勢：如李躍艷等以SIGIR年會2008-2019年的錄用論文作為數(shù)據(jù)源，探索了近十年信息檢索領(lǐng)域的研究熱點【19】;翟姍姍等以2010-2019年間與數(shù)據(jù)有關(guān)的國家社會科學(xué)基金立項項目為研究對象，劃分出了重點長線主題和次要熱點主題【20】;李偉超等基于iConference會議，總結(jié)了國內(nèi)外圖書情報學(xué)研究熱點【21】;徐小瑩等對近四年圖書情報學(xué)科的熱度持續(xù)、熱度增加和熱度減退主題進行了挖掘【22】。

　　分析發(fā)現(xiàn)，根據(jù)前沿性和研究熱度對學(xué)科研究主題發(fā)展等級進行分析，能夠有效幫助科研人員和科研管理部門把握學(xué)科研究態(tài)勢，對定位科研方向、做出科研決策具有重要的推動作用。但已有研究多數(shù)是在文本挖掘的基礎(chǔ)上，從研究內(nèi)容層面，根據(jù)主題詞頻次或關(guān)聯(lián)性劃分學(xué)科研究主題發(fā)展等級，考慮維度較為單一，等級劃分的細粒度不夠，導(dǎo)致給出的結(jié)果信息不夠充分。為此，本文在繼承前人研究的基礎(chǔ)上，結(jié)合基于機器學(xué)習(xí)的主題挖掘方法，從研究主題發(fā)展等級劃分和發(fā)展趨勢預(yù)測兩個視角出發(fā)展開探索，以期為科研機構(gòu)和科研人員制定科研規(guī)劃提供實踐方案和決策支持。

　　3學(xué)科研究主題發(fā)展等級劃分及趨勢預(yù)測方法

　　學(xué)科研究主題發(fā)展等級劃分及趨勢預(yù)測方法共涵蓋三個分析流程：主題提取與文本聚類、學(xué)科研究主題發(fā)展等級劃分、學(xué)科研究主題發(fā)展趨勢預(yù)測。

　　3.1流程一：主題提取與文本聚類

　　主題提取即獲取學(xué)科研究領(lǐng)域涵蓋的多個研究主題，如前所述，LDA模型具有良好的文本潛在主題挖掘能力，能夠高效識別大規(guī)模文本語料集中的隱含主題，已被應(yīng)用于熱點挖掘、文本分類、用戶推薦等領(lǐng)域，本文也將選擇使用LDA模型進行學(xué)科研究領(lǐng)域的主題識別。

　　此外，在學(xué)科研究領(lǐng)域相關(guān)文獻中，摘要能夠體現(xiàn)研究方法、研究目標(biāo)等內(nèi)容，是對論文研究內(nèi)容的高度凝練，因此，對學(xué)科研究領(lǐng)域進行主題提取的過程中，將重點以摘要作為實驗數(shù)據(jù)。通常采用LDA模型較難直接分析不同主題之間的關(guān)聯(lián)關(guān)系，本文在LDA識別結(jié)果的基礎(chǔ)上，采用多維尺度分析，將高維空間中的主題相似性降維到二維空間進行展示，從而可視化LDA提取主題的相互關(guān)系。

　　本文采用R語言中的LDAvis工具包繪制動態(tài)交互性的LDA主題可視化圖譜。在pyLDAvis生成的圖譜中，每個圓圈表示一個主題，主題之間的相似程度可以用圓圈之間的距離表示，各個主題之間互不交叉表明各個主題之間相似較小;此外，pyLDAvis還可以通過調(diào)節(jié)參數(shù)λ(≤λ≤1)來控制主題和詞語之間的關(guān)聯(lián)度，λ=0，顯示主題下特有的、相對獨立的詞項，λ=1顯示分布范圍更廣泛的詞項，通過調(diào)節(jié)λ值，結(jié)合相關(guān)詞項，對主題內(nèi)容進行凝練。

　　在具體分析過程中，對檢索到的學(xué)科研究領(lǐng)域相關(guān)文獻進行整合形成實驗數(shù)據(jù)集，然后按照以下步驟進行實驗：①使用SATI抽取關(guān)鍵詞字段，形成學(xué)科研究領(lǐng)域詞典;進而，應(yīng)用R語言的jiebaR包對抽取的文獻摘要進行自然語言處理形成實驗數(shù)據(jù)集。②利用R語言中的lda包對實驗數(shù)據(jù)集進行主題建模，采用LDAvis模型確定最優(yōu)主題數(shù)目。③主題提取完成后，需要確定每篇文獻所屬的研究主題，以備后續(xù)實驗流程的順利開展，所以，本文采用LDA模型和Kmeans算法融合的方式實現(xiàn)文本聚類【23】。

　　3.2流程二：學(xué)科研究主題發(fā)展等級劃分

　　學(xué)科研究主題發(fā)展等級劃分的過程共包含三個模塊：首先，基于研究主題文獻發(fā)表量計算主題發(fā)文度;然后，基于研究主題被引量計算主題引文度;最后，將主題的發(fā)文度和引文度在二維空間進行可視化映射，并參考波士頓矩陣進行研究主題發(fā)展等級劃分。

　　(1)主題發(fā)文度計算研究主題的逐年發(fā)文量，在一定程度上能夠反映該主題的研究趨勢，從研究人員視角來體現(xiàn)研究主題的活躍程度。本文選擇采用Sen’s斜率估計法對研究主題的發(fā)文量斜率進行計算。Sen’s斜率估計法是描述時間序列趨勢性的定性方法，抗噪性強，相關(guān)研究已將此方法引入到學(xué)科領(lǐng)域研究前沿的識別中【24】，驗證了該方法在研究主題發(fā)文趨勢分析中的適應(yīng)性和科學(xué)性。

　　3.3流程三：學(xué)科研究主題發(fā)展趨勢預(yù)測

　　在對學(xué)科研究主題發(fā)展等級劃分的基礎(chǔ)上，進一步對學(xué)科研究主題發(fā)展趨勢進行預(yù)測，幫助科研人員既能明晰當(dāng)前學(xué)科研究主題的發(fā)展現(xiàn)狀，又能清晰把握主題未來發(fā)展態(tài)勢。其中，研究主題發(fā)文量體現(xiàn)了研究人員對主題的關(guān)注度，而主題被引量和下載量體現(xiàn)了科研用戶對主題的關(guān)注度，將這三個指標(biāo)融合，形成主題熱力度指標(biāo)，用于預(yù)測研究主題的未來發(fā)展態(tài)勢。

　　4實驗結(jié)果

　　4.1數(shù)據(jù)來源

　　本文數(shù)據(jù)來源于CNKI數(shù)據(jù)庫，將“智慧圖書館”作為學(xué)科研究領(lǐng)域進行文獻檢索。將主題詞限定為“智慧圖書館”，時間不限，即標(biāo)題、關(guān)鍵詞、摘要中出現(xiàn)“智慧圖書館”，則認為該文獻與“智慧圖書館”相關(guān)。檢索發(fā)現(xiàn)，2011年之前與“智慧圖書館”相關(guān)的文獻較少，因此，獲取2011-2020年的數(shù)據(jù)進行重點研究，共獲得文獻數(shù)據(jù)2176條。

　　4.2主題提取與文本聚類

　　題提取與文本聚類根據(jù)研究主題的識別流程，當(dāng)主題數(shù)目設(shè)置為10個，α=5，β=0.1時，基于LDAvis模型呈現(xiàn)的主題可視化結(jié)果，各個主題之間相互獨立，表明主題數(shù)目最優(yōu)。依據(jù)最優(yōu)模型的輸出結(jié)果，首先應(yīng)用“文獻-主題”概率分布矩陣進行文本聚類，進而結(jié)合研究主題下的相關(guān)詞對主題進行凝練。

　　4.3學(xué)科研究主題發(fā)展等級劃分

　　依據(jù)給出的學(xué)科研究主題發(fā)展等級劃分流程，計算每個研究主題的主題發(fā)文度(公式(1))與主題引文度(公式(2)—(3))。分析發(fā)現(xiàn)，“智慧圖書館”領(lǐng)域涵蓋的10個研究主題，其主題發(fā)文度和主題引文度均大于0，表明“智慧圖書館”領(lǐng)域各個研究主題的發(fā)文量和引文量均成上升趨勢，體現(xiàn)了國內(nèi)學(xué)術(shù)界對“智慧圖書館”領(lǐng)域的持續(xù)關(guān)注。由于10個研究主題的主題發(fā)文度和主題引文度均大于0，為了能夠清晰界定研究主題之間的等級界限，分別獲取主題引文度和主題發(fā)文度的中位數(shù)為(2.764，5.536)，作為發(fā)展等級界限劃分的閾值。參考波士頓矩陣的命名方式，依據(jù)設(shè)置的閾值進行發(fā)展等級劃分：

　　(1)第一維度→“明星類”主題，Z>2.764,β>5.536，特指研究主題引文度和發(fā)文度“雙高”的主題群，說明科研用戶對該研究主題的知識需求量快速增加時，研究人員的成果供應(yīng)量也在高速遞增，表明研究主題處于快速成長期，需要科研人員重點關(guān)注。

　　(2)第二維度→“金牛類”主題，Z<2.764>5.536，特指研究主題發(fā)文度高，但主題引文度較低的主題群，說明研究人員的成果供應(yīng)量大于科研用戶的知識需求量，表明研究主題處于成熟期，科研人員可保持適當(dāng)?shù)年P(guān)注。(3)第三維度→“瘦狗類”主題，Z<2.764，β<5.5364z>2.764，β<5.536，特指主題引文度高，但主題發(fā)文度較低的主題群，說明科研用戶的知識需求量大于研究人員的成果供應(yīng)量，表明研究主題正處于緩慢成長期，創(chuàng)新潛力強，科研人員應(yīng)該增加對研究主題的關(guān)注度。通過上述方式，實現(xiàn)了對學(xué)科研究主題發(fā)展等級地劃分，為科研人員和科研管理部門明晰“智慧圖書館”領(lǐng)域發(fā)展現(xiàn)狀，把握研究主題發(fā)展動向，確定研究切入點提供了參考指引。

　　4.4學(xué)科研究主題發(fā)展趨勢預(yù)測

　　科研究主題發(fā)展趨勢預(yù)測通過以上學(xué)科研究主題發(fā)展等級的劃分，得到我國“智慧圖書館”領(lǐng)域的4個“明星類”主題、1個“金牛類”主題、4個“瘦狗類”技術(shù)主題、1個“問題類”主題。由于“明星類”主題是當(dāng)前學(xué)科研究的熱點和前沿，處于快速成長階段，科研人員應(yīng)考慮將其作為重點研究方向，因此，本文依據(jù)學(xué)科研究主題發(fā)展趨勢預(yù)測流程，重點對“明星類”主題進行趨勢預(yù)測的結(jié)果展示，使用公式(4)—(9)計算每個研究主題的逐年熱力度，并使用三次指數(shù)平滑法對各個研究主題未來三年(2021-2023年)的發(fā)展態(tài)勢進行預(yù)測。

　　在預(yù)測效果評估方面，選擇均方根誤差(RMSE)和平均絕對誤差(MAE)作為判斷預(yù)測效果優(yōu)劣的指標(biāo)，其中RMSE和MAE集中在0.2左右，表明研究主題發(fā)展趨勢預(yù)測效果良好。“主題1→圖書館智慧服務(wù)”在2011-2014年的主題熱力度呈下降趨勢，在2017-2020年呈上升趨勢，未來三年的熱力度預(yù)測仍為上升態(tài)勢。隨著信息化的高速發(fā)展，傳統(tǒng)圖書館很難滿足用戶多元化的資源需求，這也推動了傳統(tǒng)圖書館向智慧圖書館的過渡和轉(zhuǎn)型。

　　智慧圖書館是智能技術(shù)、智慧圖書館員、圖書館業(yè)務(wù)管理相互融合的結(jié)果，而智慧服務(wù)是智慧圖書館的核心，具有空間虛擬化、流程智能化、內(nèi)容知識化等特點。如陸婷婷對人工智能時代的智能圖書館服務(wù)內(nèi)容、實現(xiàn)途徑與發(fā)展瓶頸進行了研究【27】;陳丹等提出了基于用戶畫像的圖書館個性化智慧服務(wù)模型框架【28】;陳小平提出區(qū)塊鏈技術(shù)能夠助力圖書館智慧服務(wù)在管理體制、機構(gòu)庫建設(shè)、知識交易服務(wù)模式上的轉(zhuǎn)變【29】;董同強等從大數(shù)據(jù)與人工智能雙驅(qū)動的視角設(shè)計了高校圖書館智慧型學(xué)科服務(wù)平臺【30】。在物聯(lián)網(wǎng)和人工智能等智能技術(shù)的驅(qū)動下，智慧服務(wù)將成為未來圖書館發(fā)展的新方向，而宏觀層面的功能定位及微觀層面的業(yè)務(wù)重組為科研人員的持續(xù)探索提供了廣闊空間。

　　“主題4→圖書館轉(zhuǎn)型”在2012-2015年的主題熱力度呈上升趨勢，在2016-2020年呈平穩(wěn)發(fā)展趨勢，未來三年的熱力度預(yù)測仍為上升態(tài)勢。圖書館轉(zhuǎn)型既是當(dāng)代圖書館事業(yè)發(fā)展的關(guān)鍵特征，也是圖書館學(xué)理論研究的關(guān)注焦點。在信息時代數(shù)據(jù)意識全面增強的背景下，圖書館作為科研活動和文化事業(yè)發(fā)展的重要支撐，其服務(wù)和管理也應(yīng)向數(shù)據(jù)化和智能化轉(zhuǎn)向。相關(guān)研究也從空間、資源、服務(wù)、管理等要素出發(fā)，探討了圖書館轉(zhuǎn)型的實踐路徑。

　　如邵波等提出以數(shù)據(jù)智能計算為中心，將數(shù)據(jù)服務(wù)作為新時代圖書館服務(wù)的主要能力【31】;柯平等對后知識服務(wù)時代的圖書館轉(zhuǎn)型理念、關(guān)鍵要素與路徑問題進行了剖析【32】;初景利等提出要加快從資源能力到新型服務(wù)能力的轉(zhuǎn)變，構(gòu)建圖書館新型服務(wù)能力【33】;饒權(quán)提出建設(shè)“全國智慧圖書館體系”，推動圖書館由數(shù)字化向智慧化發(fā)展【34】。在新一輪科技和產(chǎn)業(yè)革命引領(lǐng)下，為圖書館的轉(zhuǎn)型發(fā)展帶來了新的機遇，推動圖書館向智慧化轉(zhuǎn)型將引發(fā)科研人員的持續(xù)關(guān)注。“主題7→智慧圖書館前沿技術(shù)”在2011-2020年的主題熱力度持續(xù)呈波浪式的上升，未來三年的熱力度預(yù)測仍為上升態(tài)勢。

　　以人工智能、大數(shù)據(jù)、云計算、區(qū)塊鏈為代表的新興技術(shù)不斷成熟，如何將新興技術(shù)與圖書館服務(wù)場景相結(jié)合，提升圖書館智慧化服務(wù)水平，引發(fā)了科研人員的廣泛研究。如洪亮等以圖書館的業(yè)務(wù)流程為支撐和導(dǎo)向，構(gòu)建了大數(shù)據(jù)驅(qū)動的圖書館智慧信息服務(wù)體系【35】;傅云霞對人工智能在智慧圖書館的應(yīng)用領(lǐng)域進行了研究【36】;周耀研究設(shè)計了4個基于區(qū)塊鏈技術(shù)的智慧圖書館應(yīng)用系統(tǒng)【37】;任萍萍構(gòu)建了5G技術(shù)驅(qū)動下的智慧圖書館應(yīng)用場景與智慧平臺模型【38】。

　　因此，將新興技術(shù)與圖書館業(yè)務(wù)深度融合，創(chuàng)新智慧圖書館業(yè)務(wù)生態(tài)，將成為科研人員持續(xù)探索的重點。“主題8→智慧圖書館系統(tǒng)架構(gòu)”在2011-2020年的主題熱力度呈上升趨勢，未來三年的熱力度預(yù)測仍為上升態(tài)勢。在國家深入推進創(chuàng)新驅(qū)動發(fā)展和“云數(shù)智”賦能時代背景下，新興信息技術(shù)與智慧圖書館的深度融合推動了圖書館基礎(chǔ)設(shè)施層、數(shù)據(jù)資源層和服務(wù)應(yīng)用層的系統(tǒng)架構(gòu)變革。

　　相關(guān)研究也從理論走向?qū)嵺`，優(yōu)秀實踐案例不斷涌現(xiàn)，為后繼者提供范例參考。如李靖等探討了上海交通大學(xué)圖書館自助服務(wù)的轉(zhuǎn)型實踐【39】;曹畋分析了南京曉莊學(xué)院圖書館采用智能化技術(shù)提升學(xué)科服務(wù)的新思路、新模式【40】;秦中云等以北京聯(lián)合大學(xué)圖書館為例，闡述了云計算環(huán)境下多校區(qū)圖書館智慧服務(wù)平臺構(gòu)建的平臺架構(gòu)【41】;林珍梅設(shè)計了基于Ha⁃doop的高校圖書館閱讀書目智慧推薦系統(tǒng)【42】。因此，以圖書館的業(yè)務(wù)流程為支撐和導(dǎo)向，重構(gòu)圖書館系統(tǒng)架構(gòu)的業(yè)務(wù)流程，仍存在廣泛的探索空間。

　　圖書館專業(yè)論文：新時期地方公共圖書館管理服務(wù)創(chuàng)新思考研究

　　5結(jié)語

　　本文結(jié)合主題模型、Sen’s斜率估計法、Mann-Kendall法、指數(shù)平滑法，提出了一種學(xué)科研究主題發(fā)展等級劃分與趨勢預(yù)測方法。本方法共涵蓋三個流程：首先是采用主題模型對學(xué)科領(lǐng)域進行主題提取和文本聚類;進一步，從研究人員和科研用戶兩個視角出發(fā)，應(yīng)用Sen’s斜率估計法計算主題發(fā)文度，應(yīng)用Mann-Kendall法計算主題引文度，將兩個指標(biāo)映射到二維空間，并參考波士頓矩陣的命名方式，實現(xiàn)對學(xué)科研究主題發(fā)展等級進行劃分;最后，融合研究主題發(fā)文量、被引量和下載量，形成主題熱力度指標(biāo)，采用指數(shù)平滑法對學(xué)科研究主題未來發(fā)展態(tài)勢進行了預(yù)測。

　　本文以CNKI數(shù)據(jù)庫為數(shù)據(jù)來源，以“智慧圖書館”為例進行了方法實證，并與共詞聚類分析方法進行了對比，驗證了本文所提方法的準(zhǔn)確性和有效性，為科研人員和科研管理部門把握學(xué)科研究主題發(fā)展現(xiàn)狀及未來發(fā)展態(tài)勢、制定研究規(guī)劃、確定科研方向提供了可靠有效的決策參考。需要說明的是，本文采用LDA模型進行主題提取，但主題內(nèi)容凝練依賴主觀判斷，需要探索更加有效的主題識別方法，提高結(jié)果的語義信息量，以提高主題的可解讀性;此外，在趨勢預(yù)測中直接應(yīng)用了三次指數(shù)平滑法，沒有與其他時間序列預(yù)測方法進行比較，選擇應(yīng)用最優(yōu)方法。這些都會對本文的結(jié)論產(chǎn)生影響，我們將在后續(xù)的研究中加以改進。

　　參考文獻：

　　1譚春輝,熊夢媛.基于LDA模型的國內(nèi)外數(shù)據(jù)挖掘研究熱點主題演化對比分析[J].情報科學(xué),2021,39(4):174-185.

　　2SongM,HeoGE,KimSY.Analyzingtopicevolutioninbioinformatics:InvestigationofdynamicsofthefieldwithconferencedatainDBLP[J].Scientometrics,2014,101(1):397-428.

　　3JungS,YoonWC.Analternativetopicmodelbasedoncommoninterestauthorsfortopicevolutionanaly⁃sis[J].JournalofInformetrics,2020,14(3):101040.

　　4廖遠麗,羅瑞林.我國圖書館空間研究演進的可視化分析[J].情報科學(xué),2018,36(12):106-110.

　　5張琬笛,胡志剛,郭佳程,等.基于S曲線的研究主題演進分析與可視化技術(shù)[J].信息資源管理學(xué)報,2020,10(3):70-77,101.

　　6巴志超,李綱,朱世偉.共現(xiàn)分析中的關(guān)鍵詞選擇與語義度量方法研究[J].情報學(xué)報,2016,35(2):197-207.

　　7SaltonG,WongA,YangCS.Avectorspacemodelforautomaticindexing[J].CommunicationsoftheACM,1975,18(11):613-620

　　作者：宋凱1，冉從敬2