科研主題演化及主題內(nèi)容分析，是信息科學相關(guān)領(lǐng)域長期關(guān)注的問題。目前數(shù)量龐大的學術(shù)文獻既向科研主題分析提出了挑戰(zhàn)，也為學術(shù)文本挖掘工作提供了充足的資源�？蒲兄黝}是動態(tài)演化的，在一個科研領(lǐng)域的發(fā)展過程中，新興主題涌現(xiàn)，已經(jīng)形成的主題越發(fā)活躍成熟或者逐漸老化衰退，各個主題的研究內(nèi)容不斷變化，單一主題發(fā)生分化，多個主題之間產(chǎn)生融合。理解科研主題的演化過程并對其進行深入的內(nèi)容分析，可以幫助新人領(lǐng)域的研究者了解領(lǐng)域概況，促進領(lǐng)域?qū)＜抑�間進行領(lǐng)域內(nèi)部和跨領(lǐng)域的知識交流，向科研基金管理機構(gòu)和政策制定者提供科學創(chuàng)新的發(fā)展軌跡，幫助決策者跟進領(lǐng)域知識的流動情況。
　　鑒于科研主題研究的重要性，以數(shù)據(jù)挖掘領(lǐng)域為代表的各學科均對其投入了很大的關(guān)注，相比之下，情報學領(lǐng)域?qū)τ诳蒲兄黝}演化的研究成果較少，對于演化動態(tài)和演化過程中主題結(jié)構(gòu)變化的分析尤為欠缺。而在數(shù)據(jù)挖掘等計算機科學相關(guān)領(lǐng)域中，由于學科本身技術(shù)導向的特性，對于科研主題演化的考察比較注重演化模型的構(gòu)建和優(yōu)化，研究成果疏于探討主題間的知識交流情況和主題在不同時期的發(fā)展狀態(tài)，以及更進一步深入詞語層面的內(nèi)容分析。
　　目前以情報學和數(shù)據(jù)挖掘領(lǐng)域為代表的信息科學相關(guān)領(lǐng)域?qū)�科研主題演化分析的現(xiàn)狀是，情報學領(lǐng)域缺少成熟的技術(shù)方法對主題結(jié)構(gòu)的動態(tài)演化過程和詞語在主題中的分布變化進行識別和抽取；數(shù)據(jù)挖掘領(lǐng)域由于其技術(shù)導向的特征，缺乏對于科研主題深入的內(nèi)容分析。
　　基于上述認知，本書結(jié)合數(shù)據(jù)挖掘和機器學習等領(lǐng)域的主題建模和文本挖掘方法，以及情報學領(lǐng)域注重文本內(nèi)容分析的優(yōu)勢，以信息檢索領(lǐng)域的學術(shù)文獻為例，對科研主題的演化過程及演化過程中各主題下詞語的分布及語義變化進行考察。共計七個章節(jié)。
　　第一章，引言，主要介紹選題背景與研究意義，國內(nèi)外研究現(xiàn)狀，詞語語義和詞語遷移概念的界定，本研究的內(nèi)容、方法及創(chuàng)新之處。
　　第二章，理論基礎(chǔ)，包括科學范式的轉(zhuǎn)變，貝葉斯網(wǎng)絡(luò)和主題建模原理，以及創(chuàng)新擴散理論，為后文進行主題抽取、演化研究和詞語在主題中的分布研究提供理論支撐。
　　第三章，科研主題的劃分與確定。基于LDA主題模型對科研文獻構(gòu)成的文本數(shù)據(jù)集進行了主題抽取和分析。選取的研究樣本為信息檢索領(lǐng)域的研究論文，數(shù)據(jù)來源為Web of Science數(shù)據(jù)庫，時間檢索跨度為1956-2014年，檢索結(jié)果共計20359條文獻數(shù)據(jù)。共計抽取五個主題，作為信息檢索領(lǐng)域的重要主題進行后續(xù)的演化研究和詞語分析。
　　第四章，對科研主題的演化過程進行分析，對信息檢索領(lǐng)域五個重要主題的生長趨勢和演化動態(tài)進行識別和考察。在生長趨勢分析中，對LDA主題模型訓練結(jié)果中的文檔一主題概率分布按年分組進行聚合，從而得到每一年每個主題下的內(nèi)容占當年文獻總內(nèi)容的比例，以表示各主題在對應(yīng)年份的活躍程度。針對目前研究對主題活躍度的測量仍停留在對發(fā)表文獻進行簡單計數(shù)的基礎(chǔ)上，本章的生長趨勢分析結(jié)果較好地保留了一篇文檔以不同比例包含多個主題的特性。在演化動態(tài)分析中，針對目前主題演化研究對主題分化融合、知識交流和不同時期的發(fā)展階段分析的不足，對應(yīng)上述三點展開了研究。整體語料被劃分為六個時間窗口，每個時間窗口另外抽取存在于該時間段內(nèi)的局域主題，第三章抽取的五個主題稱為全局主題。