《表2 研究主题聚类结果：守正拓新 开放融合——2019年图书情报与档案管理青年学者论坛会议综述》

  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

《守正拓新 开放融合——2019年图书情报与档案管理青年学者论坛会议综述》

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

本文使用TF-IDF与Kmeans算法对投稿文章进行文本聚类，进而探索研究主题的分布情况。该分析过程利用Python编程按如下步骤实现：（1）文本预处理中，将每篇文章的标题、关键词以及摘要信息进行整合，使用jieba分词工具进行分词处理，并去掉停用词和标点符号，将关键词加入到分词词典中防止关键词被切分；（2）使用sklearn工具包将分词后的文本语料通过TF-IDF算法完成文本向量化处理，使用Kmeans算法构建聚类模型；（3)Kmeans算法首先需要确定聚类数量（k），在此使用计算簇内误差平方和（Sum of the Squared Errors，SSE）与elbow方法结合找出k值，对k依次取值2到20之间的数字，并依次计算不同k值对应的SSE，即样本距离最近的聚类中心的距离总和，结果显示聚类结果为16个类别时，SSE最小，且当增加聚类数量时无明显下降，因此选择16个聚类结果，并将离每个聚类中心点最近的5个词作为类的关键词；（4）进一步用训练好的聚类模型对原始文本进行分类，确定每篇文章所属主题，得出聚类结果（见表2）。