基于共詞分析法的專家知識模型聚類與可視化方法.pdf

1、專家的研究方向往往具有多樣性的特征，即一位專家往往在多個領域有著多個研究方向，而且不同的研究方向有著不同的研究深度。本文利用共詞分析法從專家所發(fā)表的文獻內容來對其研究方向進行挖掘。
　　共詞分析法的核心步驟是關鍵詞的聚類分析，為了解決以往的共詞分析方法中此步驟聚類方法單一和缺乏評估手段問題，本文除了使用常用的分層聚類算法和k-means算法外還引入了復雜網(wǎng)絡的GN算法，并配合輪廓性系數(shù)S和模塊化函數(shù)Q來對聚類結果進行評估。

2、　　在為專家推薦項目或者論文時，不僅要考慮到專家與被推薦項目或論文的學術方向上是否匹配，而且還要考慮被匹配研究方向是否是專家的研究強項和研究核心。根據(jù)最優(yōu)聚類結果，以類內的關系強度代表該研究方向的成熟度，以類間的聯(lián)系緊密程度代表該研究方向的核心度，并計算每一個關鍵詞的粘合力值，隨后進行標準化處理。根據(jù)不同應用，專家知識模型可以計算專家與被推薦項目和論文的匹配得分。
　　本文介紹了多種共詞分析法的可視化方法，利用聚類視圖來展示哪些關