《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》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于时间序列聚类的主题发现与演化分析研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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。