融合深度學(xué)習(xí)和鏈路預(yù)測的交叉性研究主題預(yù)測研究*

吳金紅 黃彩云 李問秋 周 磊 王濟(jì)平

(1.武漢紡織大學(xué)管理學(xué)院 武漢 430070; 2.武漢紡織大學(xué)會計學(xué)院 武漢 430070)

0 引 言

回顧科學(xué)發(fā)展史，不難發(fā)現(xiàn)許多重大科技突破均源于多學(xué)科間的交叉融合，如經(jīng)典物理學(xué)與數(shù)學(xué)的交叉促成了量子物理學(xué)、機(jī)械自動化和生物學(xué)的交叉促成了仿生學(xué)科、腦科學(xué)和計算機(jī)科學(xué)的交叉促成了腦機(jī)接口研究。2019年4月29日，國家教育部、中央政法委、科技部等13個部門在天津聯(lián)合啟動“六卓越一拔尖”計劃2.0，全面推進(jìn)新工科、新醫(yī)科、新農(nóng)科、新文科建設(shè)，標(biāo)志著從國家層面全面推進(jìn)學(xué)科內(nèi)部、學(xué)科門類間的融合性發(fā)展。同時，研究領(lǐng)域交叉還進(jìn)一步影響產(chǎn)業(yè)創(chuàng)新鏈的中下游，通過技術(shù)融合方式是促成重大技術(shù)創(chuàng)新。既往研究表明技術(shù)突破主要出現(xiàn)在多領(lǐng)域交叉地帶，潛在新興技術(shù)更多來自于對現(xiàn)有研究領(lǐng)域和專利技術(shù)的重組[1-3]統(tǒng)計數(shù)據(jù)亦表明大部分突破性技術(shù)是對現(xiàn)有知識的重新集成[4]，同時對外部技術(shù)的廣泛搜尋分析能夠顯著促進(jìn)產(chǎn)業(yè)突破性創(chuàng)新[5]。

交叉性研究主題的涌現(xiàn)是學(xué)科交叉的一個外在表現(xiàn)，及時發(fā)現(xiàn)這些主題將有利于提前布局產(chǎn)業(yè)發(fā)展戰(zhàn)略，贏得先機(jī)。情報學(xué)、知識管理、技術(shù)創(chuàng)新管理等多個學(xué)科領(lǐng)域高度重視研究學(xué)科交叉主題發(fā)現(xiàn)等方面的研究。相關(guān)研究提出一些跨界型技術(shù)、邊緣新興學(xué)科的識別模型與方法。但經(jīng)典研究范式和傳統(tǒng)技術(shù)工具面對海量數(shù)據(jù)時力有不逮，存在模型復(fù)雜度激增、結(jié)果收斂性偏弱等問題。而深度學(xué)習(xí)方法在處理大數(shù)據(jù)方面具有隱藏特征提取能力較強(qiáng)等明顯優(yōu)勢。因而，本文將引入LDA模型、鏈路預(yù)測、LightGBM等多種機(jī)器學(xué)習(xí)與深度學(xué)習(xí)模型，對部分學(xué)術(shù)領(lǐng)域的主題演化進(jìn)行分析，以期提升交叉性研究主題預(yù)測的效率、精度和泛化能力。

1 相關(guān)研究

目前，學(xué)科發(fā)展過程中的融合性特征日益顯著。創(chuàng)造力心理學(xué)研究表明，對已有知識進(jìn)行新的組合可能帶來科學(xué)研究上的突破或新發(fā)現(xiàn)[6]。為了發(fā)現(xiàn)學(xué)科交叉性研究主題、追蹤跨學(xué)科研究的熱點，情報學(xué)研究提出了多樣化的分析方法。根據(jù)分析對象的結(jié)構(gòu)化特征，可將相關(guān)方法分為詞頻統(tǒng)計、引文網(wǎng)絡(luò)分析、文本挖掘三類。a.詞頻統(tǒng)計方法是文獻(xiàn)計量學(xué)的經(jīng)典方法之一，該方法以詞語為分析單元，統(tǒng)計關(guān)鍵詞詞頻或關(guān)鍵詞共現(xiàn)關(guān)系確定研究熱點或交叉性主題。如隗玲等根據(jù)情報學(xué)學(xué)科高水平論文的主題詞共現(xiàn)網(wǎng)絡(luò)的演化特征建立?；鶊D，使用 Blondel 分區(qū)算法和基于核心節(jié)點的節(jié)點重合度指標(biāo)，劃分情報學(xué)學(xué)科各階段研究主題[7]。b.引文網(wǎng)絡(luò)分析以文獻(xiàn)為分析單元，根據(jù)文獻(xiàn)間的共被引關(guān)系確定學(xué)科研究基礎(chǔ)，統(tǒng)計文獻(xiàn)間的耦合關(guān)系確定學(xué)科研究前沿，統(tǒng)計文獻(xiàn)間的直接引用關(guān)系確定學(xué)科演化的關(guān)鍵路徑。如黃魯成等利用突變詞和專利引用關(guān)系研究主題的創(chuàng)新性和學(xué)科交叉性，來探索和發(fā)現(xiàn)跨學(xué)科的研究前沿[8]。c.文本挖掘法以自然語言處理為基礎(chǔ)，綜合考慮文法規(guī)則、語義知識、文本背景，建立文本間的語義關(guān)聯(lián)性挖掘模型。常見的技術(shù)主題表示模型包括技術(shù)主題詞模型、詞匯鏈主題詞模型、SAO/SVO /SPO主題詞組模型、技術(shù)功效主題詞模型；具體包括本體工程模型、向量空間模型、主題模型、主題圖模型等多種形式[9]。如譚春輝等利用LDA模型抽取數(shù)據(jù)挖掘領(lǐng)域國內(nèi)外研究主題，進(jìn)而根據(jù)新穎性、支持度兩個指標(biāo)篩選出領(lǐng)域研究的熱點主題[10]。

情報學(xué)經(jīng)典研究為探索學(xué)科交叉性主題奠定了堅實的理論和方法論基礎(chǔ)，但相關(guān)研究多為事后回顧，事前預(yù)測功能有待提升。針對這一突出問題，新興研究引入鏈路預(yù)測(Link Prediction)技術(shù)，以期從已知的網(wǎng)絡(luò)節(jié)點和連接中預(yù)測出尚未存在的、面向未來的連接。如張斌和馬費成研究了科學(xué)知識網(wǎng)絡(luò)中鏈路預(yù)測的類型、研究思路和方法[11]；Zhang J將鏈路預(yù)測與機(jī)器學(xué)習(xí)算法結(jié)合，進(jìn)一步預(yù)測合著網(wǎng)絡(luò)演化趨勢及推薦潛在合作者[12]。同時，考慮到數(shù)據(jù)量高速增長對傳統(tǒng)數(shù)據(jù)挖掘模型的計算復(fù)雜度暴增帶來的挑戰(zhàn)，研究人員亦嘗試將深度學(xué)習(xí)技術(shù)引入到信息預(yù)測中。如劉夏等使用隨機(jī)森林(Random Forest，RF)模型處理大量專利數(shù)據(jù)，以降低經(jīng)典決策樹模型在專利質(zhì)量預(yù)測中應(yīng)用的誤差[13]。徐璐等為了對金融科技專利進(jìn)行自動化分類，引入支持向量機(jī)、梯度提升決策樹、隨機(jī)森林、決策樹、K近鄰法5種機(jī)器學(xué)習(xí)算法，最終發(fā)現(xiàn)隨機(jī)森林對測試集的預(yù)測效果最佳[14]。

綜上所述，分析交叉性研究主題有助于探索學(xué)科演化規(guī)律、發(fā)現(xiàn)新興核心知識區(qū)塊?？紤]到相關(guān)研究的關(guān)注點正在從基于已產(chǎn)生的交叉性研究主題的后總結(jié)轉(zhuǎn)向?qū)ξ磥砜赡墚a(chǎn)生的新交叉研究主題的預(yù)測；作為研究對象的相關(guān)學(xué)術(shù)資源的數(shù)量也日益增多。

2 交叉性研究主題預(yù)測框架構(gòu)建

為實現(xiàn)交叉性研究主題識別，本文從主題內(nèi)容關(guān)聯(lián)性出發(fā)，構(gòu)建融合深度學(xué)習(xí)和鏈路預(yù)測的交叉性研究主題識別模型，基本思路是首先獲得文檔中的潛在主題，為減少技術(shù)主題選擇的盲目性，選用LDA概率模型得到主題-主題詞分布以及文檔-主題分布，從而聚焦技術(shù)文檔涉及的核心主題；第二步進(jìn)行潛在技術(shù)主題的關(guān)聯(lián)度側(cè)度，利用鏈路預(yù)測算法在從網(wǎng)絡(luò)結(jié)構(gòu)出發(fā)，分析技術(shù)主題之間的相似性，已鏈接的節(jié)點對的指標(biāo)值和預(yù)測出的未鏈接節(jié)點對之間的相似度值；第三步進(jìn)行交叉性研究主題的識別與預(yù)測，考慮到鏈接數(shù)量龐大，采用LightGBM算法快速準(zhǔn)確地計算對應(yīng)鏈接對被判定為強(qiáng)鏈接的概率值以及影響鏈接對產(chǎn)生的特征值的重要性排序。該研究框架的具體流程如圖1所示。

圖1 交叉性研究主題預(yù)測流程

2.1 基于LDA模型的潛在主題識別

隱含狄利克雷分布模型(Latent Dirichlet Allocation，LDA)是由Blei等在2003年提出的一種文檔主題模型[15]。LDA把“文檔與詞匯”矩陣通過文檔-主題-詞的層級運算，提煉出“文檔與主題”分布矩陣和“主題與詞匯”關(guān)聯(lián)矩陣。這兩個矩陣生成過程本質(zhì)上是一種詞匯分布概率選擇過程，通過概率分布的集成反映出本領(lǐng)域研究主題的焦點，從而識別出潛在的未表征出來的研究主題。

LDA模型的關(guān)鍵在于尋找最優(yōu)主題數(shù)目K的值，本文選擇基于相似度的自適應(yīng)最優(yōu)LDA模型選擇方法，以確定最優(yōu)主題數(shù)。LDA主題模型分布結(jié)果輸出包含主題-主題詞概率分布與文檔-主題概率分布。主題-主題詞分布中存在K個潛在主題數(shù)，每個主題包含Top-N個詞組以及它們對應(yīng)的概率。依照設(shè)置的主題概率輸出閾值來選取文檔-主題分布，能夠在每個文檔對應(yīng)的K個主題中選擇符合概率閾值的主題，然后根據(jù)同一文檔對應(yīng)的主題之間是否存在隱含的聯(lián)系，評價所有文檔-主題分布中的主題之間存在的隱含聯(lián)系。

2.2 基于鏈路預(yù)測的研究主題交叉性測度

鏈路預(yù)測(Link Prediction)可用通過已知的研究主題網(wǎng)絡(luò)節(jié)點之間的鏈接關(guān)系預(yù)測尚未產(chǎn)生鏈接關(guān)系的研究主題間產(chǎn)生鏈接的可能性。鏈路預(yù)測方法可以在交叉領(lǐng)域中尋找未知的交叉研究主題，也可以補(bǔ)全直接觀察無法發(fā)現(xiàn)的缺失交叉研究主題。因此框架的第二步本文選用鏈路預(yù)測方法對未知或缺失的研究主題鏈接情況進(jìn)行研究主題交叉性側(cè)度?；舅悸肥遣捎肔DA主題模型提取得到的潛在主題，分別統(tǒng)計不同主題之間的鏈接關(guān)系情況；然后去除重復(fù)的鏈接關(guān)系，根據(jù)剩下的鏈接關(guān)系構(gòu)建無向網(wǎng)絡(luò)圖，根據(jù)已經(jīng)存在的鏈接關(guān)系作為訓(xùn)練集，計算鏈路預(yù)測中的相似性指標(biāo)來得到不同指標(biāo)下對應(yīng)的未知鏈接關(guān)系之間的值。選用的相似性指標(biāo)如表1所示。

表1 鏈路預(yù)測相似性指標(biāo)

圖2 近10年“物聯(lián)網(wǎng)技術(shù)”主題論文發(fā)表趨勢

2.3 基于LightGBM的交叉性研究主題預(yù)測

LightGBM是梯度提升決策樹(Gradient Boosting Decision Tree, GBDT)的改進(jìn)版實現(xiàn)框架。它是由微軟提出的一款開源的基于決策樹的梯度提升框架，由于選擇采用基于直方圖的分割算法來代替?zhèn)鹘y(tǒng)的預(yù)排序遍歷算法，從而具有更加快速的訓(xùn)練速度、更小的內(nèi)存消耗、更高的模型準(zhǔn)確率、支持分布式快速處理海量數(shù)據(jù)的特點[28]。

GBDT可以看成是單一決策樹的加法模型，具體定義為公式(1)所示：

(1)

圖3 “物聯(lián)網(wǎng)技術(shù)”主題的學(xué)科分布

其中，T(x;θm)表示決策樹，θm為決策樹中的參數(shù)，M為樹的數(shù)量。LightGBM采用的逐葉生長策略從所有葉片的分裂情況的結(jié)果中找到分裂收益最高的葉片，然后繼續(xù)增加最大深度限制，建立循環(huán)分裂模式尋找最優(yōu)決策樹。這種模式不僅能夠提高效率，而且防止過擬合效果較好。本研究中采用LightGBM算法框架對經(jīng)過鏈路預(yù)測處理的數(shù)據(jù)集進(jìn)行訓(xùn)練和預(yù)測，最后輸出存在未知強(qiáng)鏈接關(guān)系的交叉領(lǐng)域新興主題節(jié)點對及其相對應(yīng)的概率。

3 實證分析：以物聯(lián)網(wǎng)技術(shù)為例

3.1 數(shù)據(jù)源及數(shù)據(jù)預(yù)處理

本文用來驗證模型的數(shù)據(jù)采集自中國知網(wǎng)，以“物聯(lián)網(wǎng)技術(shù)”為主題進(jìn)行檢索后以自定義格式存儲截止于2020年11月4日的13 840篇期刊論文信息，包含標(biāo)題、關(guān)鍵詞、作者、年份、單位和論文背景等信息?？傮w上看，“物聯(lián)網(wǎng)技術(shù)”主題相關(guān)論文呈現(xiàn)上升趨勢，如圖2所示，主要集中在計算機(jī)、電信技術(shù)與自動化技術(shù)等學(xué)科領(lǐng)域(見圖3)。

對13 840條數(shù)據(jù)進(jìn)行了關(guān)鍵詞篩選，首先進(jìn)行去除停用詞操作，例如“開發(fā)”、“研究”等與交叉研究主題關(guān)鍵詞無關(guān)的詞匯；經(jīng)去停用詞處理后的關(guān)鍵詞數(shù)據(jù)中會有意思表達(dá)相近的詞組，例如部分詞是通過增加一定的前綴或者后綴進(jìn)行表達(dá)的，因此需要將表達(dá)意思相近或者相同的詞組進(jìn)行統(tǒng)一處理，避免出現(xiàn)多對一的情景。在本次驗證實驗中，經(jīng)過預(yù)處理后的關(guān)鍵詞個數(shù)為49 618。隨后對文本數(shù)據(jù)進(jìn)行向量化操作，并對數(shù)據(jù)特征值及標(biāo)簽處理后對數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。最后得到了2 133對交叉主題關(guān)系，并選用其中的282對隱含關(guān)系進(jìn)行新興交叉主題預(yù)測。

3.2 結(jié)果及分析

3.2.1潛在技術(shù)主題識別

表2 物聯(lián)網(wǎng)技術(shù)研究主題分布

根據(jù)設(shè)定的主題-文檔閾值，保留高于閾值的文檔-主題關(guān)系，過濾低于閾值的文檔-主題關(guān)系。若存在一篇文檔分屬兩個主題說明這兩個主題交叉。由此建立主題間的鏈接關(guān)系，將文獻(xiàn)劃分為70個主題領(lǐng)域并同時生成對無向網(wǎng)絡(luò)圖。由于篇幅限制，圖4僅展示部分主題間存在強(qiáng)鏈接關(guān)系的網(wǎng)絡(luò)圖。

圖4 主題交叉的五向網(wǎng)絡(luò)

3.2.2物聯(lián)網(wǎng)技術(shù)研究主題交叉性測度結(jié)合LDA識別到的潛在主題結(jié)果，主題間的平均聚類系數(shù)為0.994，說明主題間關(guān)系較為緊密。基于LDA識別到的潛在主題結(jié)果與鏈路預(yù)測的14個相似性指標(biāo)計算主題間的交叉程度，部分結(jié)果如表3示。

表3 各鏈路指標(biāo)下部分主題間的交叉程度

結(jié)合后續(xù)章節(jié)的主題交叉性預(yù)測分析分析，本文選取了后續(xù)表現(xiàn)最好的LightGBM下各指標(biāo)的重要性情況做出分析。對14個鏈路預(yù)測指標(biāo)在LightGBM算法中的重要性進(jìn)行排序，發(fā)現(xiàn)重要性最高的前三個指標(biāo)分別是基于路徑的Katz指標(biāo)、基于局部信息的HPI指標(biāo)、基于隨機(jī)游走的Cos+指標(biāo)。具體來看，LightGBM建模中各鏈路預(yù)測指標(biāo)的重要性排序為Kazt、HPI、Cos+、LHN-I、HDI、RA、LP、ACT、Salton、PA、CN、Jaccard、AA、Sorenson。由此說明，在基于LightGBM算法的對主題交叉性的預(yù)測過程中，路徑相似性指標(biāo)的影響力大于局部信息相似性指標(biāo)，基于隨機(jī)游走的相似性指標(biāo)影響力相對較低。指標(biāo)重要性排名的結(jié)果在一定程度上說明從發(fā)展路徑中預(yù)測交叉領(lǐng)域中可能出現(xiàn)的新興研究主題是可行的。

3.2.3物聯(lián)網(wǎng)技術(shù)研究主題交叉性預(yù)測

根據(jù)以主題為節(jié)點構(gòu)成的主題鏈接無向網(wǎng)絡(luò)圖與研究主題的交叉性測度計算結(jié)果可得到如下數(shù)據(jù)：有關(guān)物聯(lián)網(wǎng)技術(shù)的研究主題中存在2133對主題鏈接關(guān)系；根據(jù)LDA模型中的閾值進(jìn)行標(biāo)注后，存在強(qiáng)鏈接關(guān)系的研究主題鏈接關(guān)系有483對，具有弱鏈接的鏈接關(guān)系有1 650對，可能存在的隱含研究主題關(guān)系有282對。為了選擇合適的預(yù)測學(xué)習(xí)模型，筆者使用卷積神經(jīng)網(wǎng)絡(luò)、Adaboost、XGboost，與LightGBM進(jìn)行對比試驗。初次試驗時，由于數(shù)據(jù)分布存在不均衡(強(qiáng)鏈接：弱連接=1：3.4)，各方法的準(zhǔn)確率均低于80%，因此需要對數(shù)據(jù)分布進(jìn)行采樣調(diào)整。本文通過人工少數(shù)類過采樣法(Synthetic Minority Over-Sampling Technique, SMOTE)對少類別數(shù)據(jù)進(jìn)行人工合成實現(xiàn)采樣均衡，保證訓(xùn)練過程中兩類樣本數(shù)據(jù)量處于均衡狀態(tài)，得到的各模型的準(zhǔn)確率為卷積神經(jīng)網(wǎng)絡(luò)(82.50%)、Adaboost(82.00%)、XGboost(83.80%)以及LightGBM(85.12%)。

根據(jù)模型訓(xùn)練效果看來，LightGBM模型在對交叉性主題識別的過程中，測試效果最佳，因此本文選擇LightGBM模型對交叉性研究主題進(jìn)行預(yù)測。LightGBM潛在主題關(guān)聯(lián)度計算模型的具體評價指標(biāo)如表4所示。

表4 LightGBM模型測試指標(biāo)

隨后將訓(xùn)練好的LightGBM模型用于可能存在的隱含研究主題關(guān)系的282個主題對進(jìn)行預(yù)測試驗。預(yù)測結(jié)果中，概率>80%的強(qiáng)鏈接23對，80%>概率>60%的鏈接25對，概率<60%的鏈接234對?？赡艽嬖诘碾[含研究主題關(guān)系中經(jīng)過LightGBM模型預(yù)測后，可能發(fā)展為熱點新興交叉領(lǐng)域研究主題的主題關(guān)系間概率值Top10結(jié)果如表5所示。

表5 LightGBM模型預(yù)測的前十個強(qiáng)鏈接主題

由表6可知， LightGBM模型預(yù)測出的未來物聯(lián)網(wǎng)技術(shù)交叉性主題的兩個可能重要發(fā)力點分別是主題40(智慧農(nóng)業(yè)設(shè)備管理優(yōu)化)、70(自動化無人監(jiān)管)。圍繞主題40(智慧農(nóng)業(yè)設(shè)備管理優(yōu)化)形成的未來交叉性主題有2個：一是與主題34(教學(xué)改革)與發(fā)展共同組成的智慧物聯(lián)網(wǎng)農(nóng)業(yè)相關(guān)的教學(xué)改革[30]；二是與主題14(物流產(chǎn)業(yè)及園區(qū)管理)共同形成的智慧物聯(lián)網(wǎng)農(nóng)業(yè)物流園區(qū)管理[31]；并且這兩個主題的發(fā)生概率分列第一和第三，筆者以“智慧農(nóng)業(yè)+物聯(lián)網(wǎng)”為關(guān)鍵詞在知網(wǎng)上進(jìn)行搜索，獲得了1 995篇論文，從時間分布上來看，都是近10年來涌現(xiàn)的論文。同時，在我國十四五規(guī)劃中，提出“強(qiáng)化農(nóng)業(yè)科技，建設(shè)智慧農(nóng)業(yè)”，也反映出這個主題必將是今后一個發(fā)展和研究熱點。圍繞主題70(自動化無人監(jiān)管)形成的未來交叉性主題有3個：一是與主題5(信息技術(shù)與管理)共同組成的基于物聯(lián)網(wǎng)技術(shù)的自動化IT監(jiān)管技術(shù)。二是與主題67(食品安全與智慧能源)共同形成的基于物聯(lián)網(wǎng)技術(shù)的無人監(jiān)管技術(shù)在食品安全與智慧能源中的應(yīng)用[32]。這與近年來人們關(guān)注的食品溯源有很好的契合度。如京東、阿里巴巴等大型電商平臺推出“步步雞”等基于區(qū)塊鏈的食品溯源項目，就離不開物聯(lián)網(wǎng)技術(shù)的支持。三是與主題23(全球安防管理)共同形成的物聯(lián)網(wǎng)安防自動化監(jiān)管技術(shù)。結(jié)合兩個可能熱點分析，未來物聯(lián)網(wǎng)技術(shù)研究主題的交叉路徑主要有兩類：首先是物聯(lián)網(wǎng)技術(shù)與產(chǎn)業(yè)應(yīng)用場景的深度融合，如物聯(lián)網(wǎng)+智慧農(nóng)業(yè)、物聯(lián)網(wǎng)+食品安全、物聯(lián)網(wǎng)+能源管理等；其次是物聯(lián)網(wǎng)核心技術(shù)的精細(xì)化發(fā)展，如智能傳感器技術(shù)、信息分析技術(shù)、無人監(jiān)控技術(shù)等。

4 結(jié) 語

本研究結(jié)合多種機(jī)器學(xué)習(xí)模型，建立交叉性研究主題預(yù)測框架。首先，利用LDA模型建立主題-文檔間的映射關(guān)系；接下來，利用鏈路預(yù)測技術(shù)實現(xiàn)主題間交叉性的測度；最后以LightGBM模型提升交叉性主題預(yù)測的精度和效率。面向物聯(lián)網(wǎng)技術(shù)的實證研究表明，該領(lǐng)域的研究主題可以劃分為70個；利用14個鏈路預(yù)測指標(biāo)分別計算各鏈接對和非鏈接對的相似性，并利用LightGBM模型預(yù)測可能的基于物聯(lián)網(wǎng)技術(shù)的未來交叉研究主題。本文的貢獻(xiàn)主要體現(xiàn)為兩點：一是針對文本內(nèi)容的信息組織特征和信息預(yù)測的功能需求，充分發(fā)揮LDA主題模型、鏈路預(yù)測、LightGBM等方法的優(yōu)勢，構(gòu)建基于機(jī)器學(xué)習(xí)的交叉性研究主題預(yù)測框架。二是基于實證研究預(yù)測出物聯(lián)網(wǎng)技術(shù)研究主題未來交叉的兩條路徑：物聯(lián)網(wǎng)技術(shù)與產(chǎn)業(yè)應(yīng)用場景的深度融合和物聯(lián)網(wǎng)核心技術(shù)精細(xì)化發(fā)展。本文存在一些不足之處，如采用LDA主題識別的精度方面不是很高，數(shù)據(jù)量相對較少，得出的結(jié)論需要進(jìn)一步驗證。