?基于LDA的國內(nèi)圖書館學(xué)研究主題發(fā)現(xiàn)及演化研究

吳查科 王樹義

摘 要 為掌握我國圖書館學(xué)研究熱點及變化趨勢，本文以2008—2017年圖書館學(xué)領(lǐng)域11種核心期刊文獻作為語料庫，利用LDA方法建立主題提取模型，挖掘圖書館學(xué)領(lǐng)域主題及其演變情況。實驗發(fā)現(xiàn)十年間圖書館學(xué)領(lǐng)域研究主題有13個，對這些主題進行主題強度計算后發(fā)現(xiàn)熱門主題有圖書館管理、圖書館理論、圖書館服務(wù)、用戶研究和資源建設(shè)。在不同時間窗口下對各個主題的強度進行計算，發(fā)現(xiàn)熱度上升的主題有閱讀推廣、檢索技術(shù)、開放獲取，熱度衰減的主題有圖書館服務(wù)、資源建設(shè)。

關(guān)鍵詞 圖書館學(xué) 主題發(fā)現(xiàn) 主題演化 LDA

分類號 G250

DOI 10.16810/j.cnki.1672-514X.2019.07.017

AbstractTo identify the research topics and research trends of domestic library， this paper chooses the research papers which had been published on 11 corejournals of library science from 2008 to 2017 as corpus and uses LDA method to establish theme extraction model to mine the themes and their evolution in library science. Experimental results show that all the research in library science between 2008 and 2017 can be divided into 13 topics. After the calculation of subject intensity， this paper finds the most popular topics are the library management， library theory， library service， user research and sources construction. After the calculation of subject intensity on different time windows， this paper finds that the rising topics include reading promotion， retrieval technology and open access， while topics like library service and sources construction are becoming less popular.

Keywords Library. Theme discovery. Theme evolution. LDA.

1 文獻回顧

圖書館學(xué)主要是采用科學(xué)方法探討與圖書館相關(guān)的內(nèi)容，涵蓋圖書館的發(fā)展與運營所需的各種知識[1]，圖書館學(xué)的重點研究對象與熱點研究主題代表了學(xué)界的關(guān)注點與前進方向。近年來，國內(nèi)學(xué)者發(fā)表了許多關(guān)于圖書館學(xué)主題分析的文獻，研究成果對我國圖書館學(xué)的發(fā)展及學(xué)科建設(shè)起到了積極推動和促進作用。楊利超基于文獻計量法，采用可視化工具CiteSpace分析了2007—2016年我國圖書館學(xué)領(lǐng)域的學(xué)術(shù)論文分布狀況，并通過熱門關(guān)鍵詞揭示了領(lǐng)域的主要研究熱點和領(lǐng)域[2];李娜以2014年度圖書館學(xué)領(lǐng)域14種核心期刊的文獻為數(shù)據(jù)樣本，采用共詞分析和社會網(wǎng)絡(luò)分析相結(jié)合的方法對圖書館學(xué)研究領(lǐng)域的熱點進行了分析，并繪制了研究領(lǐng)域的可視化知識圖譜[3];馬海群基于數(shù)據(jù)定量，對2015年度的13種期刊的全部有效文獻的關(guān)鍵詞進行了詞頻統(tǒng)計和主題聚類，并進行了主題定性判斷與選擇，對國內(nèi)圖書館學(xué)研究核心領(lǐng)域進行了展示介紹[4];丁洋等人以《圖書館》1983—2012年發(fā)表的論文為研究樣本，利用文章題名結(jié)合關(guān)鍵詞和摘要等信息，對論文所涉及的圖書館學(xué)研究主題進行了梳理和歸納分析[5];向劍勤等人利用CNKI引文檢索功能進行了作者共被引研究，通過繪制國內(nèi)外圖書情報學(xué)研究主題知識圖譜，從學(xué)科結(jié)構(gòu)組成、分支主題之間關(guān)系與最具影響的學(xué)術(shù)群體等三個方面對國內(nèi)外圖書情報學(xué)進行比較分析[6]。

從上述研究中可以看出，目前學(xué)界對于圖書館學(xué)領(lǐng)域的主題研究方法主要采取詞頻分析、共詞分詞、共被引分析、社會網(wǎng)絡(luò)等傳統(tǒng)的科學(xué)計量法，而其中利用關(guān)鍵詞作為核心數(shù)據(jù)進行研究主題揭示的文獻尤為普遍。然而，傳統(tǒng)方法常以高頻關(guān)鍵詞或文本中出現(xiàn)詞語為文本主題，由于未涉及到文本或詞語所包含的語義信息，使得研究結(jié)果顯得較為粗略，且關(guān)鍵詞是對文章內(nèi)容的高度濃縮和概括，能夠大體反映出文章的研究方向，但難以全面地揭示文章的研究內(nèi)容[7]。同時，關(guān)鍵詞還容易存在“共生”現(xiàn)象，即多個高頻關(guān)鍵詞同屬于一個研究主題，使用詞頻法則會出現(xiàn)詞頻較低的主題被忽略的情況[8]。因此，有許多學(xué)者利用主題模型構(gòu)建的方法對學(xué)科主題進行研究。Latent Dirichlet Allocation（LDA）就屬于主題模型的一種。

LDA能夠直接對詞匯進行分解，模擬大規(guī)模語料的語義信息，實現(xiàn)粒度更小、層次更深、更全面的分析，自提出之后就被引入到了文獻主題的分析應(yīng)用當(dāng)中。Hao W等人基于LDA算法構(gòu)建生物信息學(xué)的主題模型，分析生物信息學(xué)的熱點主題及未來研究趨勢[9];關(guān)鵬等人基于LDA主題模型，結(jié)合生命周期理論對國內(nèi)新能源領(lǐng)域的科學(xué)文獻主題進行了挖掘[10]。LDA主題模型還可引入時間因素，對研究主題進行演化分析。由于主題演化不局限于靜態(tài)的主題結(jié)構(gòu)分析，而是對主題的動態(tài)變化特征進行分析，所以對研究者把握研究脈絡(luò)、預(yù)測未來研究趨勢具有一定的指導(dǎo)作用。Sugimoto等對期刊Library Information Science 1930—2009年的文獻進行了主題建模，將計算結(jié)果中各時間段的主題-詞匯概率表進行了主題排名，并基于相似度衡量比較了不同階段主題交叉情況[11];朱茂然等基于LDA主題模型對情報學(xué)領(lǐng)域6種期刊于2000—2015年刊載的文獻進行了主題挖掘與分析，并以年為單位進行時間窗口劃分，通過計算得出了各個主題的演化趨勢。

本文在文獻梳理過程中，尚未發(fā)現(xiàn)有學(xué)者利用LDA方法對圖書館學(xué)領(lǐng)域期刊論文進行主題提取分析。鑒于此，本文將采取LDA主題模型的構(gòu)建方法，揭示近十年圖書館學(xué)的研究主題內(nèi)容，找到領(lǐng)域中的研究熱點，并進一步計算出研究主題的演化情況，針對圖書館學(xué)的主題發(fā)展情況進行分析。

2 研究設(shè)計

本文采用LDA主題建模的方法對圖書館學(xué)領(lǐng)域研究進行主題分析，研究設(shè)計如圖1所示。

2.1 文本收集及預(yù)處理

關(guān)于國內(nèi)圖書館學(xué)領(lǐng)域的研究主題可在期刊文獻數(shù)據(jù)庫中獲取。根據(jù)研究目的對數(shù)據(jù)進行選擇，保留題目、作者、關(guān)鍵詞、摘要、時間等字段信息。其中，摘要是實現(xiàn)主題發(fā)現(xiàn)的基本數(shù)據(jù)來源，關(guān)鵬等發(fā)現(xiàn)不同語料下基于LDA主題模型的主題抽取效果具有明顯差異性，利用摘要構(gòu)建語料庫產(chǎn)生的結(jié)果比關(guān)鍵詞等更具廣泛性、全面性，語義信息更加清晰[10]，時間是指文獻的刊出時間，將會被用來實現(xiàn)演化過程的時間序列。

在將數(shù)據(jù)輸入到主題模型之前，需對數(shù)據(jù)進行預(yù)處理，主要包括數(shù)據(jù)清洗、分詞處理、去停用詞及向量化等。本文對中文期刊進行主題發(fā)現(xiàn)與演化研究，根據(jù)研究目的，去除文本數(shù)據(jù)中的會議通知、雜志通知、投稿指南等無效數(shù)據(jù)。與英文文本有空格將單詞劃分開來不同，中文文本必須借助分析工具將文本劃分成有意義的詞組。去停用詞即是將不能為文本分析提供有效信息的詞語去除，如助詞、語氣詞等。最后按照主題模型要求進行輸入文檔生成，本文利用Python中的文本向量化函數(shù)將實驗語料進行向量化處理，形成輸入文檔。

2.2 LDA主題模型

Latent Dirichlet Allocation（LDA） 模型由Blei等人于2003年提出[12]，屬于主題模型（Topic Models） 的一種，是一種完全產(chǎn)生式模型[13]。它是一個關(guān)于詞匯、主題、文檔的三層貝葉斯概率生成模型，其核心思想是把文檔看成隱含主題的一個概率分布，主題看成詞匯的一個概率分布。文檔到主題服從多項式分布，主題到詞服從多項式分布。LDA采用了詞袋（bag of words）的方法，這種方法將每一篇文檔視為一個詞頻向量，從而將文本信息轉(zhuǎn)化為了易于建模的數(shù)字信息。其中，主題是對文檔內(nèi)容的匯集，因此模型可以很好地模擬大規(guī)模語料的語義信息。LDA生成過程如圖2所示。

圖2中空心節(jié)點表示隱含變量、參數(shù)，實心節(jié)點代表可觀測值（詞語），箭頭代表依賴關(guān)系，方框表示對方框里面的內(nèi)容進行迭代。圖2中所使用的字符含義見表1。

2.3 LDA模型建立

本研究實驗是在Python環(huán)境下直接利用機器學(xué)習(xí)工具包scikit-learn中的Latent Dirichlet Allocation函數(shù)進行主題建模。在參數(shù)設(shè)定方面，模型中的超參數(shù)α、β等都已被設(shè)定為默認值。在使用LDA進行主題模型訓(xùn)練時，需要對主題數(shù)目K進行設(shè)置，數(shù)目大小直接決定了結(jié)果的優(yōu)劣。確定主題數(shù)目的方法多種多樣，其中困惑度（Perplexity）作為確定主題數(shù)目的標(biāo)準(zhǔn)被Blei等人在研究中使用。困惑度屬于信息理論測量方法，對于一篇文檔，LDA模型對其屬于哪個主題的不確定性程度則為困惑度。不同主題數(shù)下的模型困惑度越小，模型的擬合程度越好，因此本文通過該方法來確定最優(yōu)主題數(shù)目，其計算公式為：

其中p（Wd）表示生成文檔d的概率，其計算公式為：

主題模型的實驗完成后，訓(xùn)練結(jié)果將根據(jù)設(shè)置進行不同方式的呈現(xiàn)。本實驗在Python環(huán)境下進行，計算完成后輸出文檔-主題文件，并進行下一步的熱門主題發(fā)現(xiàn)及演化分析。

2.4 主題發(fā)現(xiàn)及演化分析

主題發(fā)現(xiàn)及主題演化需要用主題強度值進行度量，該概念主要描述主題的熱門程度，即某一時間窗口下包含某一主題的文檔數(shù)量越多，主題的強度越高。假設(shè)Dt表示時間窗口t下的文檔數(shù)目，? ? ?為文檔d中主題z的后驗概率分布，則在時間窗口t下主題z的強度? ? ? 的計算公式為：

對于學(xué)者來說，發(fā)現(xiàn)所處領(lǐng)域熱門主題，熟知研究熱點是必要之事，因此本文使用主題強度閾值的方法篩選出熱門主題。由于文檔庫中存在多個主題，分別按照公式將z個主題的強度值計算后，設(shè)定一個閾值T來對熱門主題進行篩選。當(dāng)? ? ?大于閾值T時，說明該主題z屬于熱門主題。閾值的計算公式為：

在演化分析上，本研究采用后離散方式進行分析。在對整個文檔庫進行建模運算的基礎(chǔ)上，讀取自身的時間數(shù)據(jù)，接著將模型得到的文檔-主題文件離散到不同時間窗口，用? ? ?代表當(dāng)前時間窗口的主題強度值，可以根據(jù)不同時間的數(shù)據(jù)繪制主題z的強度變化曲線圖，從而對研究主題的演化發(fā)展情況進行分析。

3 實驗過程

3.1 數(shù)據(jù)來源

本文將CSSCI來源期刊（2017—2018） 收錄的11種圖書館、情報和文獻學(xué)期刊作為文獻數(shù)據(jù)來源，包括《中國圖書館學(xué)報》 《大學(xué)圖書館學(xué)報》 《國家圖書館學(xué)刊》 《圖書館》 《圖書館建設(shè)》 《圖書館論壇》 《圖書館學(xué)研究》 《圖書館雜志》? 《圖書情報工作》 《圖書情報知識》《圖書與情報》。選取上述期刊于2008—2017年發(fā)表的文獻32 688篇。去除會議通知、雜志通知、投稿指南等無效文獻后，最終獲得29 535篇有效文獻。本實驗僅將每篇文獻的摘要字段提取出來，并建立語料庫。

3.2 文本預(yù)處理

結(jié)巴分詞是目前主流的分詞系統(tǒng)，對漢語語料有著很好的分詞效果，本文利用Python中的結(jié)巴分詞（jieba） 對實驗文本進行分詞處理。文獻摘要還包含大量對主題識別無意義的詞匯，本文對其進行停用詞處理，得到的數(shù)據(jù)將作為主體模型實驗的訓(xùn)練語料庫。接著利用scikit-learn向量化工具CounterVectorizer，將訓(xùn)練語料庫進行了集合向量化處理，完成輸入文檔生成。

3.3 主題模型

本文利用困惑度作為確定最佳主題數(shù)的指標(biāo)，首先調(diào)用LDA函數(shù)，對不同z值情況下的困惑度進行計算，計算結(jié)果如圖3所示?？梢悦黠@看出，隨著主題數(shù)的增加，困惑度開始呈現(xiàn)平穩(wěn)狀態(tài)。在主題數(shù)為13的時候，困惑度最小，繼續(xù)增加主題數(shù)會讓困惑度增大。因此，實驗確定最佳主題數(shù)為13。

將主題數(shù)設(shè)置為13，經(jīng)過最大50輪次的迭代過程，模型經(jīng)過訓(xùn)練后獲得了初步的主題訓(xùn)練結(jié)果，結(jié)果中有兩個重要概率矩陣，分別是主題-詞項概率矩陣和文獻-主題概率矩陣。首先提取出主題-詞項概率矩陣，結(jié)果如表2所示（因篇幅所限，僅展示概率詞項Top10）。從主題中的詞項可以看出高度關(guān)聯(lián)性，例如從主題2中的“閱讀、推廣、素養(yǎng)、活動”推出該主題有關(guān)“閱讀推廣”，說明本研究所建LDA模型在圖書館學(xué)潛在研究主題提取上是有效的。據(jù)此，本文對13個主題的概率詞項均進行了推理，分別用主題內(nèi)容進行了標(biāo)記。

3.4 熱門主題發(fā)現(xiàn)

主題的熱門程度需要利用公式（3）（4）分別對主題強度與主題強度閾值進行計算與度量，圖4展示了主題強度值柱形圖，柱形高度代表主題強度值，虛線為主題強度閾值（0.077）。

其中Topic1、Topic4、Topic5、Topic11、Topic12，均高于主題強度閾值，是目前該領(lǐng)域的熱門主題，即圖書館管理、圖書館理論、用戶研究、圖書館服務(wù)、資源建設(shè)。

（1） 圖書館管理的目的是合理地配置和充分利用圖書館的資源，更好地履行圖書館的職能，其在圖書館學(xué)中的重要程度不言而喻;又由于日益增長的數(shù)字文獻資源及讀者更高的服務(wù)訴求，圖書館管理系統(tǒng)面臨著整合升級的迫切需求，因此從各方面加強圖書館管理水平仍然是學(xué)者們所關(guān)心的問題[14-15]。

（2） 理論研究是一門學(xué)科的基礎(chǔ)，對于正在蓬勃發(fā)展的圖書館學(xué)尤其如此。盡管目前圖書館學(xué)已經(jīng)建立了相對穩(wěn)定的理論體系，但信息技術(shù)的快速發(fā)展給圖書館帶來了巨大影響，使得傳統(tǒng)的理論范式在指導(dǎo)當(dāng)下學(xué)科發(fā)展上顯得相對乏力，因此學(xué)者們開始探索建立適應(yīng)現(xiàn)代圖書館發(fā)展理論體系[16]，這也讓圖書館學(xué)理論研究成為了經(jīng)久不衰的熱點。

（3） 用戶作為圖書館一切實踐和研究的出發(fā)點，在圖書館事業(yè)中的地位是不可動搖的[17]，只有對用戶的心理、行為及個性化需求等進行研究，才能為其提供滿意的服務(wù)，完成好圖書館的職能。該主題熱度的不斷上升，表明了當(dāng)前學(xué)界對用戶的關(guān)注程度，突出了圖書館以人為本的宗旨，也順應(yīng)了當(dāng)下趨于個性化的信息服務(wù)潮流。

（4） 圖書館的中心職能就是為讀者提供服務(wù)，因此，圖書館服務(wù)是圖書館永恒的命題之一。近年來，隨著Web2.0、移動圖書館、大數(shù)據(jù)、互聯(lián)網(wǎng)+等概念的相繼提出，圖書館服務(wù)也應(yīng)與之同步發(fā)展，因此圖書館服務(wù)是學(xué)界持續(xù)熱門主題之一。

（5）資源是圖書館業(yè)務(wù)工作的基礎(chǔ)，需要得到足夠的保障才能滿足用戶的需求，因此圖書館資源建設(shè)歷來都是圖書館學(xué)領(lǐng)域的研究重點[18]。同時，隨著“數(shù)字圖書館”“移動圖書館”等概念的興起，數(shù)字資源也逐漸引起了學(xué)界的關(guān)注與討論。

此外，Topic2、Topic3、Topic6、Topic8、Topic9、Topic13主題強度值適中，為常規(guī)的研究主題;Topic7、Topic10的主題強度值偏低，可能由于該主題是一個新興的研究主題或是一個正在消亡的主題，需進一步分析。

3.5 主題演化分析

基于LDA的主題演化研究主要分為將時間作為變量集合模型演化分析、按時間先離散分析和后離散分析等3種分析方法[19]。根據(jù)研究內(nèi)容，本實驗采用后離散方式，利用全部文本進行LDA建模，讀取自身的時間數(shù)據(jù)，將13個主題分別離散到各自的時間窗，并根據(jù)主題不同時間的受關(guān)注程度即主題強度分別進行主題演化分析。利用實驗結(jié)果中的文獻-主題概率矩陣，按照時間窗口對主題強度值分別進行計算，得到了各個主題的強度分布值。以橫軸為時間變化，縱軸為主題強度值，本研究繪制了主題強度演化圖，如圖5所示。

從圖5中可以看出，每個主題隨著時間的變化，研究熱度也呈現(xiàn)著不同變化。一些主題的研究熱度初始值較低，但隨著時間的推移，研究熱點開始呈現(xiàn)上升的趨勢，這類主題可稱之為上升主題;另一些主題的研究熱度初始強度值較高，但隨著時間的推移，研究熱度呈現(xiàn)下降趨勢，這類主題可稱之為衰減主題;還有一類主題隨著時間的推移，研究熱度未出現(xiàn)明顯的上升或下降，本文將其稱之為平穩(wěn)主題。將13個主題劃分為上述三類主題，具體分布情況如表3所示。

從表3可以看出，上升主題有閱讀推廣、檢索技術(shù)和開放獲取三個主題。

閱讀推廣逐漸受到重視并成為圖書館學(xué)領(lǐng)域的主題，首要因素是現(xiàn)代社會對閱讀的關(guān)注度上升[20]。由圖5可以看出，該主題的上升趨勢可以分為2008—2012年和2013—2017年兩個階段，后一階段較前一階段的上升幅度增大，這與2014年“倡導(dǎo)全民閱讀”和2015年“倡導(dǎo)全民閱讀，建設(shè)書香社會”被寫入政府工作報告不無關(guān)系。十年間學(xué)者們對閱讀推廣給予了充分的關(guān)注與研究，該主題已逐漸成為圖書館最引人注目的服務(wù)。近幾年的閱讀推廣呈現(xiàn)出活動日常化、地區(qū)縮小化、推廣部門邊界消失化和信息技術(shù)廣泛化等趨勢[21]，隨著未來信息技術(shù)的進一步發(fā)展，閱讀推廣還將得到更多的關(guān)注與研究。

開放獲取是在網(wǎng)絡(luò)環(huán)境下發(fā)展起來的一種新的出版模式和學(xué)術(shù)交流理念，本研究中主題“開放獲取”的十年間的研究熱度總體上處于上升狀態(tài)。2004年，《柏林宣言》簽署之后，開放獲取便開始受到國內(nèi)研究學(xué)者的熱議，圍繞開放獲取展開的討論和研究日益深入，這一方面的研究成果也逐步增加。近幾年，開放存儲整合趨勢增強、轉(zhuǎn)向開放數(shù)據(jù)存儲，開放獲取從試驗走向政策支持，開放資源的組織和利用得到了不斷深化[22]。

主題“檢索技術(shù)”在過去十年間的研究熱度的不斷上升說明了學(xué)界越來越重視信息檢索及檢索技術(shù)。究其原因，隨著信息技術(shù)的不斷發(fā)展，信息存儲方式發(fā)生了翻天覆地的變化，而以往的檢索手段已不能再滿足人們對于海量信息的檢索要求，造成了學(xué)界對于信息檢索手段的不斷探索。從該主題的概率詞項來看，語義、本體等技術(shù)內(nèi)容是目前所關(guān)注的重點，這些技術(shù)不僅可以提高檢索效率，還可以利用其對信息資源進行整合[23]及提出新的知識服務(wù)方案等[24]。

盡管本研究中的兩個衰減主題“圖書館服務(wù)”和“資源建設(shè)”在主題強度均有較為明顯的下降趨勢，但總體的研究強度均超過閾值，屬于圖書館學(xué)領(lǐng)域近十年的熱門主題，說明了主題熱點下降并非是該主題不再受到學(xué)界的關(guān)注，而是隨著新的研究問題的出現(xiàn)，亦或是該主題的研究已相對成熟，故研究熱度有所消減[8]。

主題“圖書館服務(wù)”的研究熱度有較弱的下降趨勢，總體的研究文獻數(shù)量卻并不少，一部分原因可能是圖書館服務(wù)方面的一部分研究已相對成熟，相關(guān)問題已得到了解決;同時還可能是網(wǎng)絡(luò)化已經(jīng)成為了開展圖書館研究的新背景，傳統(tǒng)環(huán)境下的服務(wù)模式已不再適應(yīng)當(dāng)下的要求，因此針對網(wǎng)絡(luò)技術(shù)的研究相對增多，故該主題的研究熱度有所下降。

主題“資源建設(shè)”在幾年前受到了學(xué)界的極大關(guān)注，主題強度遠遠高于其他主題，然而隨著信息技術(shù)的不斷發(fā)展，傳統(tǒng)的資源建設(shè)已開始向數(shù)字化與移動化方向發(fā)展。與此同時，圖書館的職能和定位也在不斷拓展，以往“以資源為中心”的發(fā)展模式已經(jīng)逐漸轉(zhuǎn)向真正的“以用戶為中心”[17]，圖書館研究者在對新的主題進行研究時，該主題的研究熱度難免會有所下降。

4 結(jié)語

本文利用中國社會科學(xué)引文索引（CSSCI）于2008—2017年十年間收錄的11種圖書館學(xué)領(lǐng)域期刊作為本研究的數(shù)據(jù)來源，通過LDA主題建模進行了主題文本挖掘，并從熱門研究主題與主題演化兩方面對圖書館學(xué)近十年的研究狀況進行了揭示。實驗利用困惑度計算了模型的最優(yōu)主題數(shù)，結(jié)果表明主題數(shù)為13時困惑度最低，最佳主題數(shù)確定為13。在熱門主題發(fā)現(xiàn)上，實驗利用主題強度閾值進行熱門主題篩選，結(jié)果發(fā)現(xiàn)圖書館管理、圖書館理論、圖書館服務(wù)、用戶研究、資源建設(shè)等主題屬于圖書館學(xué)領(lǐng)域的熱門主題。在主題演化方面，實驗引入了時間因素，利用后離散演化方式進行了分析，并根據(jù)結(jié)果繪制出了13個主題10年來的強度演化趨勢曲線，并按照主題趨勢將主題分為了上升主題、衰減主題和平穩(wěn)主題三類。其中，閱讀推廣、檢索技術(shù)、開放獲取為上升主題，圖書館服務(wù)、資源建設(shè)為衰減主題，而圖書館管理、評價方法、圖書館理論、用戶研究、圖書館藏、知識管理、教育培訓(xùn)、綜合性研究為平穩(wěn)主題。

LDA主題模型應(yīng)用在科學(xué)文獻的研究當(dāng)中，可以發(fā)現(xiàn)熱門主題，對研究趨勢進行研判，特別是基于科學(xué)文獻全文或摘要的語料庫形式，會大大增強學(xué)科領(lǐng)域研究熱點的語義信息解釋性[10]。本文對圖書館學(xué)領(lǐng)域的文獻進行主題研究，證實模型可以實現(xiàn)對熱門主題發(fā)現(xiàn)及演化的揭示，但是本文的研究方法也有待改進。首先，由于全文語料庫的獲取較難，本研究僅使用了文獻摘要作為語料，因此會對LDA模型的內(nèi)容挖掘效果產(chǎn)生影響;其次，在實際研究中，一篇文獻可能分屬多個主題，然而本文只選擇了其中概率最大的主題作為文獻主題，忽略了共同主題存在的概率。今后的研究中，將考慮從開放數(shù)據(jù)庫中選擇文獻作為全文語料庫進行主題分析，并采用多主題匹配方式進行更加深入的文獻主題研究。

參考文獻：

毛贛鳴.圖書館知識資本構(gòu)成及其價值轉(zhuǎn)移機制研究[J].圖書情報工作，2006，50（7）：77-81.

楊利超.我國圖書館學(xué)的主要研究熱點，研究領(lǐng)域及趨勢預(yù)測[J].圖書館理論與實踐，2018（1）：42-47.

李娜，侯林麗.我國圖書館學(xué)研究熱點的可視化分析[J].新世紀(jì)圖書館，2016（7）：85-90.

馬海群.國內(nèi)圖書館學(xué)研究進展與發(fā)展動向[J].情報資料工作，2017（1）：12-16.

丁洋，張雪梅.從《圖書館》雜志看我國圖書館學(xué)研究主題的分布及演變[J].情報探索，2015（4）：101-104.

向劍勤，趙蓉英.國內(nèi)外圖書情報學(xué)研究主題的知識圖譜比較研究[J].情報雜志，2014，33（2）：86-94.

馮佳，張云秋.基于LDA和本體的科學(xué)前沿識別與分析方法研究[J].情報理論與實踐，2017，40（8）：49-54.

鄧淑卿，徐健.我國情報學(xué)研究主題內(nèi)容分析[J].情報科學(xué)，2017，35（11）：83-88.

WU H， WANG M， FENG J， et al. Research topic evolution in “Bioinformatics”[C]//Bioinformatics and Biomedical Engineering （iCBBE）， 2010 4th International Conference on.IEEE，2010：1-4.

關(guān)鵬，王日芬.基于LDA主題模型和生命周期理論的科學(xué)文獻主題挖掘[J].情報學(xué)報，2015，34（3）：286-299.

SUGIMOTO C R， LI D， RUSSELL T G， et al. The shifting sands of disciplinary development： analyzing north American library and information science dissertations using latent dirichlet allocation[J].Journal of the Association for Information Science and Technology，2011，62（1）：185-204.

BLEI D M， NG A Y， JORDAN M I. Latent dirichlet

allocation[J].Journal of machine Learning research，

2003，3（Jan）：993-1022.

GRIFFITHS T L， STEYVERS M. Finding scientific topics[J].Proceedings of the National academy of Sciences，2004，101（suppl 1）：5228-5235.

許天才，楊新涯，彭曉東.新一代圖書館管理系統(tǒng)的發(fā)展現(xiàn)狀與趨勢：2016年教育部高校圖工委信息技術(shù)應(yīng)用工作年會綜述[J].大學(xué)圖書館學(xué)報，2016（6）：5-9.

柯平.從科學(xué)管理到文化管理：關(guān)于圖書館組織文化的戰(zhàn)略思考[J].大學(xué)圖書館學(xué)報，2013（3）：44-49.

陳立華.研究范式的轉(zhuǎn)換與創(chuàng)新：后現(xiàn)代圖書館學(xué)發(fā)展的原動力[J].圖書館學(xué)研究，2016（17）：2-5.

任紅娟.2004-2013年我國圖書館用戶研究主題及其演變探析[J].圖書館工作與研究，2015（4）：16-20.

李維，楊思洛.近十年我國高校圖書館與公共圖書館研究主題比較分析[J].圖書館，2015（8）：49-52.

單斌，李芳.基于LDA話題演化研究方法綜述[J].中文信息學(xué)報，2010，24（6）：43-49.

范并思.閱讀推廣與圖書館學(xué)：基礎(chǔ)理論問題分析[J].中國圖書館學(xué)報，2014，40（5）：4-13.

范并思.公共圖書館閱讀推廣的發(fā)展趨勢[J].圖書館雜志，2015，34（4）：11-15.

郭進京，彭乃珠，張夢霞，等.2014年國際開放獲取實踐進展[J].圖書情報工作，2015，59（9）：119-126.

歐石燕，胡珊，張帥.本體與關(guān)聯(lián)數(shù)據(jù)驅(qū)動的圖書館信息資源語義整合方法及其測評[J].圖書情報工作，2014，58（2）：5-13.

何勝，熊太純，葉飛躍，等.基于語義網(wǎng)的高校圖書館學(xué)科知識服務(wù)方案研究[J].情報理論與實踐，2017，40（2）：107-110.