基于密度聚类算法的学术资源热点发现方法研究

• 作者: 刘振 孙艳超 赵楠 邹盼盼 陈德军
• 来源期刊: 武汉理工大学学报（信息与管理工程版）
• 学科: 工学
• 关键词: 热点发现 向量空间模型 密度聚类算法
• 年，卷（期）: 2016,（6）
• 页码范围: 721-725
• 页数: 5页
• 分类号: TP391
• 字数: 3632字
• 语种: 中文
• DOI: 10.3963/j.issn.2095-3852.2016.06.017

摘要

针对学术会议产生的爆炸式学术资源共享下用户如何快速准确地获取当前研究热点的问题,提出了一种改进的基于密度的聚类算法DBSCAN,实现学术资源热点的自动发现,即通过合并具有明显关系的关键词以缩减特征项,以及解决公共资源对象邻域的重复获取问题,从而在一定程度上提高聚类的准确率和时间效率.结果表明,上述方法能够快速准确地发现当前相关领域的研究热点,有助于了解当前各学科的研究热点,并对传播学术成果具有重要意义.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈德军	武汉理工大学信息工程学院	30	217	9.0	13.0
2	孙艳超	中国船舶重工集团公司第七二二研究所	4	2	1.0	1.0
3	赵楠	中国船舶重工集团公司第七二二研究所	5	2	1.0	1.0
4	刘振	中国船舶重工集团公司第七二二研究所	3	2	1.0	1.0
5	邹盼盼	武汉理工大学信息工程学院	2	2	1.0	1.0