楊秀璋 武帥 夏換 于小民 范郁鋒

摘? 要： 研究了我國企業(yè)競爭情報(bào)的熱點(diǎn)主題和主題演化態(tài)勢，利用主題挖掘與主題演化方法系統(tǒng)梳理了我國企業(yè)競爭情報(bào)領(lǐng)域的研究成果。通過Python自動提取及預(yù)處理文獻(xiàn)數(shù)據(jù)，再利用共詞分析、LDA模型和知識圖譜挖掘該領(lǐng)域的核心科研群體和熱點(diǎn)主題，最后結(jié)合主題演化方法梳理企業(yè)競爭情報(bào)的發(fā)展脈絡(luò)。該研究可為企業(yè)競爭情報(bào)領(lǐng)域今后的相關(guān)探索提供借鑒，具有一定的應(yīng)用價(jià)值。

關(guān)鍵詞： 主題挖掘; 主題演化; 企業(yè)競爭情報(bào); 知識圖譜; 文本挖掘

中圖分類號：TP399? ? ? ? ? 文獻(xiàn)標(biāo)識碼：A? ? ? 文章編號：1006-8228（2021）07-21-07

Research on topic mining and topic evolution of enterprise competitive intelligence

Yang Xiuzhang1， Wu Shuai1， Xia Huan2， Yu Xiaomin2， Fan Yufeng3

（1. School of Information of Guizhou University of Finance and Economics， Guiyang， Guizhou 550025， China; 2. Guizhou Key Laboratory of Economics System Simulation of Guizhou University of Finance and Economics; 3. Planning And Finance Office of Guizhou University of Finance and Economics）

Abstract： This paper researches on the situation of the hot topic and topic evolution of Chinese enterprise competitive intelligence， and systematically combs the research achievements in the field of Chinese enterprise competitive intelligence by using the methods of topic mining and topic evolution. The literature data are automatically extracted and preprocessed with Python， and then the core research groups and hot topics in this field are mined by using CO word analysis， LDA model and knowledge graph， finally the development context of enterprise competitive intelligence is combing with the topic evolution method. This research can provide reference for the future exploration in the field of enterprise competitive intelligence， and has certain application value.

Key words： topic mining; topic evolution; enterprise competitive intelligence; knowledge graph; text mining

0 引言

隨著經(jīng)濟(jì)迅速發(fā)展，各企業(yè)之間的競爭變得越來越激烈，基于大數(shù)據(jù)和人工智能的企業(yè)情報(bào)分析技術(shù)變得尤為重要[1]。企業(yè)競爭情報(bào)正是在此環(huán)境下發(fā)展壯大，它不僅是企業(yè)對信息資源進(jìn)行深度開發(fā)和利用的結(jié)晶，也是企業(yè)制定高質(zhì)量戰(zhàn)略決策以及尋求科學(xué)發(fā)展所必須的情報(bào)知識[2]。當(dāng)今社會，針對企業(yè)競爭情報(bào)的研究越來越多，主要集中于圖書情報(bào)、工商管理、計(jì)算機(jī)科學(xué)、金融學(xué)等領(lǐng)域。

學(xué)者們針對模型研究[3-4]、體系構(gòu)建[5-6]以及對策研究[7]等不同視角進(jìn)行探究，形成大量的學(xué)術(shù)成果。然而，現(xiàn)有研究仍然缺乏對企業(yè)競爭情報(bào)領(lǐng)域的學(xué)術(shù)成果進(jìn)行系統(tǒng)地分析和梳理，沒有較好地利用主題挖掘和主題演化方法研究企業(yè)間的關(guān)聯(lián)關(guān)系，在熱點(diǎn)主題挖掘、科研群體發(fā)現(xiàn)和主題趨勢演化方面存在一定不足。鑒于此，本文提出了基于主題挖掘與主題演化的企業(yè)競爭情報(bào)分析方法，系統(tǒng)梳理我國企業(yè)競爭情報(bào)領(lǐng)域近三十年的研究成果，從海量學(xué)術(shù)成果中分析出我國企業(yè)競爭情報(bào)的核心科研群體和主流熱點(diǎn)主題，進(jìn)而可以了解其主題脈絡(luò)及發(fā)展動態(tài)。

1 相關(guān)工作和研究框架

1.1 相關(guān)工作

我國關(guān)于企業(yè)競爭情報(bào)的研究起步相對較晚，但發(fā)展迅速，各學(xué)者在不斷豐富著該領(lǐng)域的研究方向，并取得一系列成果。

在基于機(jī)器學(xué)習(xí)的主題挖掘方面，李海林等[8]提出了基于時(shí)間序列聚類的主題發(fā)現(xiàn)方法，通過共詞分析和近鄰傳播聚類算法挖掘文獻(xiàn)主題;關(guān)鵬等[9]利用LDA主題模型和生命周期理論分析鋰離子電池領(lǐng)域的主題，解決了主題過濾、主題語義相似度計(jì)算和主題語義演化模式判別等技術(shù)問題;楊秀璋[10]結(jié)合LDA主題模型和文本聚類算法對中國知網(wǎng)的水族文獻(xiàn)進(jìn)行主題挖掘;謝世敏和丁敬達(dá)[11]通過LDA主題模型和引文網(wǎng)絡(luò)挖掘科學(xué)信息交流主題，得出面向社會化眾包和大規(guī)模協(xié)同的科學(xué)信息交流將成為該領(lǐng)域的研究熱點(diǎn)。

在基于知識圖譜的主題挖掘方面，詹婧和張仁瓊[12]結(jié)合共詞分析、知識圖譜及戰(zhàn)略坐標(biāo)分析的文獻(xiàn)計(jì)量學(xué)方法，挖掘高校圖書館知識服務(wù)的核心主題和潛在研究方向;呂紅[13]運(yùn)用信息計(jì)量和可視化技術(shù)分析大數(shù)據(jù)領(lǐng)域，挖掘出企業(yè)競爭情報(bào)研究、大數(shù)據(jù)時(shí)代社會治理與公共服務(wù)創(chuàng)新等六大研究主題;黃先蓉和張窈[14]在共詞分析的基礎(chǔ)之上對“意識形態(tài)”相關(guān)文獻(xiàn)進(jìn)行分析，區(qū)分出六大核心主題社區(qū)。

在主題演化方面，伊惠芳等[15]通過主題狀態(tài)、演化強(qiáng)度變化以及主題內(nèi)容三維度進(jìn)行對石墨烯技術(shù)全面分析;王凱利和李進(jìn)華[16]結(jié)合共詞分析及聚類算法詳細(xì)分析了我國近十年的信息行為研究主題演化，最終推算出近五年的新研究熱點(diǎn);何偉林等[17]提出了CSToT主題模型，分析國內(nèi)情報(bào)學(xué)領(lǐng)域2012-2016年度研究主題結(jié)構(gòu)以及演化過程;陳淋等[18]運(yùn)用共詞分析、聚類分析以及戰(zhàn)略坐標(biāo)圖等方法分析圖書情報(bào)學(xué)的研究主題演化生命周期符合常規(guī)學(xué)科的發(fā)展規(guī)律，并得出相應(yīng)的研究熱點(diǎn)及前沿。

1.2 總體框架

本文旨在分析我國企業(yè)競爭情報(bào)的熱點(diǎn)主題和主題演化態(tài)勢。主要利用的方法包括LDA模型、共詞分析、知識圖譜和主題演化方法。其算法總體框架如圖1所示。

⑴ 利用Python語言和Selenium技術(shù)，抓取中國知網(wǎng)“企業(yè)競爭情報(bào)”關(guān)鍵詞相關(guān)的主題文獻(xiàn)。

⑵ 通過Python語言編寫自動化腳本，對所采集的語料進(jìn)行預(yù)處理操作，涉及中文分詞、停用詞過濾、特征提取等，再將預(yù)處理后的語料存儲至數(shù)據(jù)庫中。

⑶ 結(jié)合共詞分析、LDA模型和知識圖譜，挖掘我國企業(yè)競爭情報(bào)文獻(xiàn)的核心科研群體和主題。

⑷ 基于詞頻和活躍度計(jì)算各階段主題演化趨勢，然后利用主題演化方法構(gòu)建企業(yè)競爭情報(bào)主題的演化趨勢及發(fā)展歷程。

⑸ 最后利用可視化技術(shù)呈現(xiàn)我國企業(yè)競爭情報(bào)主題挖掘和主題演化的結(jié)果，并進(jìn)行結(jié)論總結(jié)。

1.3 數(shù)據(jù)采集及預(yù)處理

通過Python和Selenium技術(shù)采集中國知網(wǎng)數(shù)據(jù)庫關(guān)于“企業(yè)競爭情報(bào)”的期刊文獻(xiàn)，其時(shí)間跨度為1987年至2019年11月，共計(jì)4311篇文章。文獻(xiàn)內(nèi)容主要包括文章標(biāo)題、出版期刊、文獻(xiàn)類型、出版年份、下載次數(shù)、引用次數(shù)、作者、摘要和關(guān)鍵詞等，詳細(xì)信息如表1所示。

近20年中國企業(yè)競爭情報(bào)文獻(xiàn)的數(shù)量呈先增長后降低的總體趨勢。其中，發(fā)文量的峰值位于2010年（347篇），篇均被引用量最高的是2006年，平均每篇文獻(xiàn)被引用9.42次;篇均下載量最高的是2007年，平均每篇文獻(xiàn)被下載352.70次。

文獻(xiàn)語料采集完成后，接著進(jìn)行預(yù)處理操作。首先通過Python編寫腳本將缺失值補(bǔ)充，重復(fù)值刪除;然后利用Jieba工具進(jìn)行中文分詞，導(dǎo)入關(guān)鍵詞和停用詞典進(jìn)行數(shù)據(jù)清洗;最后進(jìn)行特征提取、TF-IDF計(jì)算和共詞分析。通過預(yù)處理獲取質(zhì)量更高的語料，從而提升實(shí)驗(yàn)結(jié)果的準(zhǔn)確率。

2 企業(yè)競爭情報(bào)主題挖掘分析

2.1 核心科研群體發(fā)現(xiàn)

企業(yè)競爭情報(bào)領(lǐng)域的核心科研群體發(fā)現(xiàn)的基本步驟如下。

⑴ 計(jì)算所采集的4311篇企業(yè)競爭情報(bào)期刊文獻(xiàn)的所有作者名單，共計(jì)4276名作者。

⑵ 構(gòu)建學(xué)術(shù)成果作者間的共現(xiàn)矩陣，如公式（1）所示，當(dāng)兩名作者合作完成一篇學(xué)術(shù)論文時(shí)，說明他們之間存在一定的關(guān)聯(lián)，共現(xiàn)數(shù)加1，否則共現(xiàn)數(shù)為0。共現(xiàn)次數(shù)越多，則合作關(guān)系越緊密。

[y=+1? ? a，b作者有共同發(fā)表論文0? ? ? a，b作者無共同發(fā)表論文]? ⑴

⑶ 采用Gephi繪制作者合作知識圖譜。該知識圖譜初始構(gòu)建了2840個(gè)節(jié)點(diǎn)和3317條關(guān)系，將各科研團(tuán)隊(duì)聚焦在一起。其中，圓圈代表發(fā)文作者，圓圈越大發(fā)文量越多，反之越少;連線代表作者間的合作關(guān)系，連線越粗合作次數(shù)越多，反之越少。

⑷ 計(jì)算每個(gè)節(jié)點(diǎn)的度和每條邊的權(quán)重，通過聚類算法最終發(fā)現(xiàn)多個(gè)核心科研團(tuán)隊(duì)，形成了對應(yīng)的關(guān)系知識圖譜。

圖2僅列出六個(gè)核心科研團(tuán)隊(duì)。其中，圖2（a）是來自云南省科技情報(bào)研究所和昆明理工大學(xué)的彭靖里、楊斯邁團(tuán)隊(duì)，主要研究方向?yàn)槠髽I(yè)技術(shù)創(chuàng)新和競爭情報(bào)分析等;圖2（b）是來自中國科學(xué)技術(shù)信息研究所的陳峰、趙筱媛團(tuán)隊(duì)，主要研究方向?yàn)槠髽I(yè)管理和產(chǎn)業(yè)競爭情報(bào)分析;圖2（c）是來自南開大學(xué)的王知津、嚴(yán)貝妮團(tuán)隊(duì)，主要研究方向?yàn)楦偁幥閳?bào)、反競爭情報(bào)和企業(yè)戰(zhàn)略情報(bào);圖2（d）是來自上海商學(xué)院和江蘇大學(xué)的吳曉偉、宋新平團(tuán)隊(duì)，主要研究方向?yàn)槿穗H競爭情報(bào)、企業(yè)管理和企業(yè)競爭情報(bào);圖2（e）是來自武漢大學(xué)和武漢紡織大學(xué)的張玉峰、吳金紅團(tuán)隊(duì)，主要研究方向?yàn)楦偁幥閳?bào)分析、情報(bào)數(shù)據(jù)挖掘和企業(yè)管理;圖2（f）是來自南京大學(xué)和遼寧師范大學(xué)的宋繼偉、王曉慧團(tuán)隊(duì)，主要研究方向?yàn)楦偁幥閳?bào)分析、反競爭情報(bào)、企業(yè)危機(jī)管理和可視化分析。

2.2 基于LDA模型的主題挖掘

LDA（Latent Dirichlet Allocation）是一種無監(jiān)督學(xué)習(xí)的主題概率生成模型，也被稱作三層貝葉斯概率模型，其是在pLSA模型基礎(chǔ)上增加貝葉斯架構(gòu)模塊所形成的。

本文通過LDA模型主題挖掘?qū)嶒?yàn)，發(fā)現(xiàn)其主題數(shù)設(shè)置為2效果最佳。最終形成如表2所示的主題分布情況，分別對應(yīng)“競爭情報(bào)”和“企業(yè)”兩個(gè)核心主題。

2.3 基于知識圖譜的主題挖掘

通過構(gòu)建主題關(guān)鍵詞的共現(xiàn)矩陣，結(jié)合知識圖譜可以進(jìn)行企業(yè)競爭情報(bào)文獻(xiàn)的主題挖掘研究。通過分析發(fā)現(xiàn)：

⑴ 所有文獻(xiàn)共涉及關(guān)鍵詞4883個(gè)，關(guān)鍵詞總頻數(shù)為17927次，平均每個(gè)關(guān)鍵詞出現(xiàn)3.67次。常見的高頻詞包括“競爭情報(bào)、企業(yè)、企業(yè)管理、競爭情報(bào)系統(tǒng)、知識管理、中小企業(yè)”等，它們一定程度上反映了該領(lǐng)域的熱點(diǎn)主題。

⑵ 利用共詞分析方法計(jì)算各主題間的關(guān)聯(lián)性。當(dāng)兩個(gè)關(guān)鍵詞同時(shí)出現(xiàn)在一篇文獻(xiàn)中，則認(rèn)為共現(xiàn)并構(gòu)建關(guān)聯(lián)邊，其邊所對應(yīng)的權(quán)重加1;反之，兩個(gè)關(guān)鍵詞不存在共現(xiàn)關(guān)系，其權(quán)重為0。

⑶ 采用Ochiia系數(shù)法計(jì)算共現(xiàn)矩陣的相似度，其公式如式⑵所示，Oij為所求的共現(xiàn)系數(shù)，Cij是關(guān)鍵詞i和關(guān)鍵詞j共現(xiàn)總次數(shù)，Ci是關(guān)鍵詞i出現(xiàn)的總次數(shù)，Cj是關(guān)鍵詞j出現(xiàn)的總次數(shù)。

[Oij]=[CijCi×Cj]? ? ? ⑵

本文根據(jù)企業(yè)競爭情報(bào)文獻(xiàn)關(guān)鍵詞共現(xiàn)分析，得出高頻關(guān)鍵詞共現(xiàn)矩陣及其系數(shù)。根據(jù)關(guān)鍵詞共現(xiàn)頻次排名，“競爭情報(bào)”和“競爭對手”共現(xiàn)頻次最高，其值為113次，Ochiia系數(shù)為0.1712;“競爭情報(bào)”和“知識管理”共現(xiàn)103次，Ochiia系數(shù)為0.1674;“競爭情報(bào)”和“中小企業(yè)”共現(xiàn)91次，Ochiia系數(shù)為0.1522。

⑷ 針對已構(gòu)建的關(guān)鍵詞共現(xiàn)矩陣，利用Gephi繪制企業(yè)競爭情報(bào)文獻(xiàn)的主題共現(xiàn)知識圖譜。最終繪制主題知識圖譜（圖3）。該社會網(wǎng)絡(luò)圖共包括341個(gè)核心節(jié)點(diǎn)，646條共現(xiàn)關(guān)系。由此可知，該領(lǐng)域形成了以“競爭情報(bào)”和“企業(yè)”為中心，其他主題詞逐漸向邊緣分布和擴(kuò)散的態(tài)勢。其中以“競爭情報(bào)”為中心的共現(xiàn)網(wǎng)絡(luò)，與“情報(bào)收集、情報(bào)戰(zhàn)略、知識管理、戰(zhàn)略管理”等關(guān)鍵詞共現(xiàn)明顯，以“企業(yè)”為中心的共現(xiàn)網(wǎng)絡(luò)，與“企業(yè)管理、競爭情報(bào)分析、商業(yè)情報(bào)、中小企業(yè)”等關(guān)鍵詞共現(xiàn)明顯。

3 企業(yè)競爭情報(bào)主題演化分析

3.1 各時(shí)期主題演化度量

根據(jù)企業(yè)競爭情報(bào)文獻(xiàn)歷年的分布情況，將相關(guān)文獻(xiàn)劃分為四個(gè)階段，從而保證不同階段文獻(xiàn)數(shù)據(jù)的均衡性，更準(zhǔn)確地開展主題演化研究。這四個(gè)階段分別是：①初步探索時(shí)期（2000年以前），該階段“企業(yè)競爭情報(bào)”剛被提出，文獻(xiàn)產(chǎn)量相對較少，共有237篇文獻(xiàn)。②緩慢成長時(shí)期（2000年至2007年），該階段企業(yè)競爭情報(bào)領(lǐng)域逐漸被認(rèn)可，文獻(xiàn)產(chǎn)出數(shù)量穩(wěn)步增長，共產(chǎn)出1437篇文獻(xiàn)。③快速發(fā)展時(shí)期（2008年至2013年），隨著全球金融危機(jī)出現(xiàn)，企業(yè)競爭情報(bào)成為了熱門話題，該階段的文獻(xiàn)達(dá)到了高峰1748篇文獻(xiàn)。④競爭放緩時(shí)期（2014年至今），隨著全球進(jìn)入合作共贏時(shí)代，企業(yè)競爭情報(bào)研究進(jìn)入放緩時(shí)期，共產(chǎn)出889篇文獻(xiàn)。

基于詞頻和活躍度計(jì)算出各階段主題演化的度量值，得出表3所示的結(jié)果。初步探索時(shí)期（2000年以前）用T1表示，其核心主題詞為“競爭情報(bào)”“企業(yè)”“企業(yè)管理”“情報(bào)研究”“競爭對手”“情報(bào)工作”和“市場經(jīng)濟(jì)”;緩慢成長時(shí)期（2000年至2007年）用T2表示，其核心主題詞為“競爭情報(bào)”“企業(yè)”“企業(yè)管理”“企業(yè)管理”“競爭情報(bào)系統(tǒng)”“競爭對手”“知識管理”和“反競爭情報(bào)”;快速發(fā)展時(shí)期（2008年至2013年）用T3表示，其核心主題詞為“競爭情報(bào)”“企業(yè)”“競爭情報(bào)系統(tǒng)”“企業(yè)管理”“高校圖書館”“反競爭情報(bào)”和“知識管理”;競爭放緩時(shí)期（2014年至今）用T4表示，其核心主題詞為“競爭情報(bào)、企業(yè)、大數(shù)據(jù)、產(chǎn)業(yè)競爭情報(bào)、競爭情報(bào)系統(tǒng)、高校圖書館”和“企業(yè)管理”。

3.2 主題演化分析與歸納

通過計(jì)算四個(gè)階段各個(gè)主題的活躍度及出現(xiàn)頻次，從而確定每個(gè)時(shí)期的熱點(diǎn)主題，構(gòu)建各階段主題演化的趨勢及發(fā)展態(tài)勢，最終得出如圖4所示的文獻(xiàn)主題演化趨勢。

由圖4可知，共包括四個(gè)時(shí)期，每個(gè)時(shí)期包含七個(gè)核心主題，用方框表示，各主題之間的連線表示主題演化的趨勢，方框和連線的寬度越大表示其熱門程序越高，反之越低。主題演化結(jié)論最終歸納為：“競爭情報(bào)”和“企業(yè)”為四個(gè)階段最熱門的兩個(gè)主題，引領(lǐng)著整個(gè)企業(yè)競爭情報(bào)領(lǐng)域的發(fā)展。在T1階段（2000年以前）出現(xiàn)了“情報(bào)研究”“情報(bào)工作”“市場經(jīng)濟(jì)”新生主題，隨后第二階段消亡并融入“競爭情報(bào)”主題中;在T2階段（2000年至2007年）出現(xiàn)了“知識管理”“反競爭情報(bào)”“競爭情報(bào)系統(tǒng)”新生主題，該領(lǐng)域衍生出一部分從事知識管理、競爭與反競爭的研究;在T3階段（2008年至2013年）出現(xiàn)了“高校圖書館”新生主題，展現(xiàn)了高校情報(bào)研究逐漸得到重視;在T4階段（2014年至今）出現(xiàn)了“大數(shù)據(jù)”“產(chǎn)業(yè)競爭情報(bào)”新生主題，企業(yè)競爭情報(bào)研究逐漸融入大數(shù)據(jù)、人工智能、產(chǎn)業(yè)競爭、合作共贏等新興技術(shù)和概念。

4 結(jié)束語

針對我國企業(yè)競爭情報(bào)領(lǐng)域的4311篇期刊文獻(xiàn)，提出了基于主題挖掘與主題演化的企業(yè)競爭情報(bào)分析方法，系統(tǒng)梳理我國企業(yè)競爭情報(bào)領(lǐng)域近三十年的研究成果，有效彌補(bǔ)傳統(tǒng)方法不能有效地挖掘出情報(bào)文獻(xiàn)的研究熱點(diǎn)及核心科研群體，難以全面地把握企業(yè)競爭情報(bào)主題演化趨勢的不足。

實(shí)驗(yàn)結(jié)果表明，本文提出方法能有效識別出企業(yè)競爭情報(bào)領(lǐng)域的熱點(diǎn)主題，發(fā)現(xiàn)核心科研群體，挖掘主題演化脈絡(luò)及趨勢。本文形成了六個(gè)核心科研團(tuán)隊(duì)，挖掘出整個(gè)企業(yè)競爭情報(bào)領(lǐng)域是以“競爭情報(bào)”和“企業(yè)”為中心，呈交疊式、綜合式關(guān)聯(lián)的知識圖譜，從側(cè)面也反映了企業(yè)競爭情報(bào)主題具有多學(xué)科、綜合性的研究特點(diǎn)。同時(shí)，通過主題演化分析顯示，國內(nèi)企業(yè)競爭情報(bào)文獻(xiàn)主題可劃分為四個(gè)階段，梳理了企業(yè)競爭情報(bào)領(lǐng)域各主題及其之間的發(fā)展脈絡(luò)和演化態(tài)勢?？傊疚奶岢龅姆椒ň哂幸欢ǖ膽?yīng)用前景和使用價(jià)值。

參考文獻(xiàn)（References）：

[1] 石進(jìn)，李益婷，劉千里.企業(yè)競爭情報(bào)態(tài)勢感知系統(tǒng)研究[J].情報(bào)雜志，2019.38（4）：43-51

[2] 高國偉，欒澤權(quán).企業(yè)競爭情報(bào)研究模型——以企業(yè)盡職調(diào)查為例[J].情報(bào)科學(xué)，2019.37（8）：68-74

[3] 楊波，孫白朋.基于風(fēng)險(xiǎn)生命周期的企業(yè)反競爭情報(bào)機(jī)制模型構(gòu)建[J].現(xiàn)代情報(bào)，2019.39（11）：30-37

[4] 龔花萍，高洪新.基于領(lǐng)域本體模型的情景分析法在中小企業(yè)競爭情報(bào)中的應(yīng)用研究[J].情報(bào)科學(xué)，2017.35（10）：99-102

[5] 周海煒，劉闖闖，李藍(lán)汐，鄭力源.網(wǎng)絡(luò)信息安全背景下的企業(yè)反競爭情報(bào)體系構(gòu)建[J].科技管理研究，2019.39（12）：190-195

[6] 劉愛東，譚凱波.智慧城市競爭情報(bào)體系構(gòu)建研究——以應(yīng)對生態(tài)反傾銷為例[J].科技進(jìn)步與對策，2018.35（24）：123-126

[7] 儲節(jié)旺，陳善姍.開放創(chuàng)新環(huán)境下企業(yè)專利競爭情報(bào)分析的條件、困境及對策研究[J].情報(bào)理論與實(shí)踐，2019.42（6）：10-16

[8] 李海林，鄔先利.基于時(shí)間序列聚類的主題發(fā)現(xiàn)與演化分析研究[J].情報(bào)學(xué)報(bào)，2019.38（10）：1041-1050

[9] 關(guān)鵬，王曰芬，傅柱.基于LDA的主題語義演化分析方法研究——以鋰離子電池領(lǐng)域?yàn)槔齕J].數(shù)據(jù)分析與知識發(fā)現(xiàn)，2019.3（7）：61-72

[10] 楊秀璋.基于LDA模型和文本聚類的水族文獻(xiàn)主題挖掘研究[J].現(xiàn)代計(jì)算機(jī)，2019.5：13-17

[11] 謝世敏，丁敬達(dá).科學(xué)信息交流領(lǐng)域的研究主題和發(fā)展演化探析[J].圖書館學(xué)研究，2019.9：2-9，53

[12] 詹婧，張仁瓊.高校圖書館知識服務(wù)研究現(xiàn)狀及主題演化分析[J].圖書館工作與研究，2019.5：54-60

[13] 呂紅.國內(nèi)人文社會科學(xué)視野下大數(shù)據(jù)研究力量布局與研究前沿識別[J].現(xiàn)代情報(bào)，2017.37（3）：132-140

[14] 黃先蓉，張窈.我國新聞出版領(lǐng)域有關(guān)意識形態(tài)研究的主題結(jié)構(gòu)及演化趨勢[J].出版科學(xué)，2019.27（6）：1-7

[15] 伊惠芳，吳紅，李昌，冀方燕.基于主題生命周期與技術(shù)熵的石墨烯技術(shù)主題演化研究[J].情報(bào)雜志，2019.38（2）：64-70

[16] 王凱利，李進(jìn)華.近十年我國信息行為研究主題演化分析[J].情報(bào)科學(xué)，2018.36（6）：105-112

[17] 何偉林，奉國和，謝紅玲.基于CSToT模型的科技文獻(xiàn)主題發(fā)現(xiàn)與演化研究[J].數(shù)據(jù)分析與知識發(fā)現(xiàn)，2018.2（11）：64-72

[18] 陳淋，屈文建.基于共詞分析的我國圖書情報(bào)學(xué)研究主題演化分析[J].新世紀(jì)圖書館，2017.12：13-18