基于机器学习算法的研究热点趋势预测模型对比与分析 ——BP神经网络、支持向量机与LSTM模型_李静.pdf

细粒度分析学科领域热点主题发展脉络并对利用机器学习算法对未来发展趋势进行 准确预测研究。[方法/过程] 提出一种基于机器学习算法的研究热点趋势预测方法与分析框架，以基因工程领 域为例利用主题概率模型识别 WOS 核心集中论文摘要数据研究热点主题并进行主题演化关联构建，然后选取 BP 神经网络、支持向量机及 LSTM 模型等 3 种典型机器学习算法进行预测分析，最后利用 RE 指标和精准度指标评 价机器学习算法预测效果并对基因工程领域在医药卫生、农业食品等方面研究趋势进行分析。 [结果/结论] 实 验表明基于 LSTM 模型对热点主题未来发展趋势预测准确度最高，支持向量机预测效果次之，BP 神经网络预测 效果较差且预测稳定性不足，同时结合专家咨询和文献调研表明本文方法可快速识别基因领域研究主题及发展趋 势，可为我国学科领域大势研判和架构调整提供决策支持和参考