《表4 主题趋势聚类算法:基于时间序列聚类的主题发现与演化分析研究》
根据以上对创新管理领域的研究结果可以发现,一些备受关注的关键词不一定能作为主题代表词。例如,“创新”在数据集中的词频高达1580次,远远大于所属簇中的任何一个关键词出现的次数,然而该簇的主题代表词是“企业”。由此建议从事创新领域的研究者在搜索和查找文献资料时,可适当考虑主题代表词的含义,这样能更加方便地了解该领域的研究结构。还有,“管理集成”和“供电企业”代表簇中的主题逐渐受到有关学者的关注,对此建议相关期刊和研究者可以较多地关注这些主题的研究,以便给更多需要这些主题资料的学者提供帮助。“工艺创新”代表簇中的主题的关注度有所下降,可能在近期内不被关注的可能性较大。因此,通过基于时间序列聚类的主题发现及演化分析,可以用来归纳总结期刊主题以及它们的演变趋势,也可用来预测期刊或学科领域未来的研究方向,以便更好地支持期刊学术发展和学科主题的良性研究。
图表编号 | XD00104776500 严禁用于非法目的 |
---|---|
绘制时间 | 2019.10.24 |
作者 | 李海林、邬先利 |
绘制单位 | 华侨大学工商管理学院、华侨大学工商管理学院 |
更多格式 | 高清、无水印(增值服务) |