ردیابی موضوعات علمی مبتنی بر برون سپاری با فاکتورگیری غیرمنفی ماتریس (NMF)

با پیشرفت تکنولوژی های وب، بسیاری از مردم در روند تولید و توزیع اطلاعات در محیط وب شرکتمی کنند. علاوه بر این، بسیاری از محققان علاقه مند به تحقیق در مورد پالایش اطلاعات مفید با استفادهاز سیستم توصیه گر مبتنی بر موضوع هستند، زیرا میزان و پیچیدگی اطلاعات وب به سرعت در حالافزایش است. رویکرد پیشنهادی، جمع آوری داده های علمی معمولی را انجام می دهد و سپس کلید واژه هارا با استفاده از اسناد چند سطحی بر اساس جمع آوری جمعیت، تجزیه و تحلیل می کند.را برای ایجاد یک خوشه ای از موضوعات علمی (NMF) سپس ما الگوریتم فاکتورگیری غیرمنفی ماتریسبرای تولید کلمات کلیدی موضوعی که به مسایل مربوط به روند علمی واکنش نشان میدهند، استفادهکردیم. در نتیجه، نگرش ما روش توصیف خوشه های مربوط به مسایل علمی را در هر زمینه پیشنهاد می دهد.

کلیدواژه ها:

تحلیل موضوعی ، مدلسازی موضوعی ، ردیابی علمی ، داده های بزرگ ، NMF