来源：期刊VIP网 时间：
作者：李锦焱;张丹;高慧敏;
单位：河南科技大学国际教育学院;河南科技大学外国语学院;河南科技大学数学与统计学院;
摘要：通过深入挖掘期刊研究主题与预测学术发展趋势，研究人员能够更精准地把握学科方向，紧跟前沿动态。然而，期刊摘要作为短文本，其结构化特点、高维稀疏的向量表示、语义结构复杂性以及数据噪声等因素，对传统主题建模方法构成了严峻挑战。针对这一问题，提出了一种基于BERTopic的主题演化分析模型。模型融合了预训练语言模型在语义表征方面的优势与层次化聚类算法的结构建模能力，同时重构词项加权策略，引入词频的次线性变换机制以优化传统词权计算方法，从而有效削弱高频词的干扰，突出对区分主题具有关键意义的词项，显著提升了模型的主题区分度和语义表征能力。以“Assessing Writing”期刊为研究对象，围绕不同时期写作评估领域的研究成果开展实证分析。通过系统梳理各阶段的研究主题与发展方向，挖掘其动态演化规律。实验结果表明，能够准确捕捉写作评估领域的研究热点变化，清晰揭示其发展脉络，在处理期刊摘要等短文本数据时展现出良好的实用性与有效性，为相关领域的学术研究和趋势预测提供了可靠的技术支撑。
关键词：主题建模;;BERTopic;;语义结构;;主题表征;;次线性变换
基金资助：国家自然科学基金项目(64273130);; 河南省高等教育教学改革项目(2024SJGLX0314);; 河南省本科高校智慧教学专项研究项目(教高[2021]489号)
