谷歌知识图谱热点前沿分析及共词网络聚类改进研究
领域热点和前沿的研究通过对文献中关键词的处理分析并可视化展示,给研究者提供一个清晰的研究重心和未来发展趋势的指导。谷歌知识图谱作为使机器拥有认知能力的核心技术,已经发展了很多年,却从未有对该领域的相关研究工作,因此有必要对谷歌知识图谱进行热点与前沿的研究。
然而,由于图书情报领域“科学知识图谱”与“谷歌知识图谱”这两种概念的混淆,导致相关资料的获取和研究都有一定的困难,因此有必要对谷歌知识图谱的数据进行人工筛选。另外,由于市面上相关的分析工具在分析的过程中存在不少问题,例如网络聚类的效果不佳、缺乏效果评估等,因此有必要并针对这些数据设计出更加合适的相关算法,并将其应用到谷歌知识图谱的领域热点研究和趋势分析上。
最后通过对谷歌知识图谱热点词突显值的计算,并可视化到整个时间维度上,从而得出谷歌知识图谱领域的前沿。本文提出了一种基于密度敏感的改进的谱聚类算法,解决了现有分析工具中对共词网络聚类效果不佳以及缺乏聚类效果评估的问题,在对比实验中,它的归一化互信息平均提高了0.131,聚类错误率指数平均降低了0.145。
再将基于密度敏感的改进的谱聚 ...


雷达卡




京公网安备 11010802022788号







