《表2 2015—2019年领域热点趋势》

  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

《基于社会化问答社区涌现模式分析的领域热点识别研究》

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

注：表示波动趋势，↗表示上升趋势，↘表示下降趋势。

仅基于2015年和2019年数据无法判断这些领域热点发展过程中的趋势变化情况。因此，本文利用2015—2019年的全部数据，对这些领域热点的趋势进行了分析，结果如表2所示。其中，增长率大于1表明上升趋势，小于1则表明下降趋势（见第3.3节）。大部分的领域热点的热度并非一直持续上涨，而是有所变化的。但是总体来看，所有的上升模式和跳跃模式都有着明显的上升趋势，而下降模式则有着明显的下降趋势。卡方检验结果也表明这些领域热点模式的变化是显著的。此外，领域热点的趋势也能够表明方法的有效性。以“Bert”和“Transformer”为例，“Transformer”是2017年由Google提出的一种用于机器翻译的模型；“Bert”是2018年提出的一种基于“Transformer”的词向量学习模型。这些都是基于深度学习的自然语言处理领域近几年的突破性进展。而表2的趋势分析中可以看出其分别在2017/2018和2018/2019数据中开始具有很大的增长率，这表明知乎社区的“机器学习”话题能够紧跟领域发展的趋势，而且这些趋势能够被基于涌现模式的方法所捕获。