突发监测算法用于共词聚类分析的尝试
共词聚类分析方法可以揭示学科或主题的内在结构和变化，明确某一领域的研究现状和热点，是一种有效可行的科技情报分析方法。但是由于为了达到较好的聚类效果，研究者通常选用高频词，使得某些尚处于低频的热点不能早期发现出来。突发监测（Burst Detection）算法是Kleinberg于2002年提出的，它关注焦点词--相对增长率突然增加的词。突发词监测法更注重的是研究领域内，那些研究活跃、有潜在影响研究热点的因素，因此，突发词监测有助于发现推动学科（或主题）研究发展中的微观因素。目前，在国外已有学者用突发词监测法开展科技情报分析研究，但国内尚未见此类报道。本文将突发词监测与高频词分析相结合揭示医学信息学科的发展，选择具有一定词频的突发词进行共词聚类分析，总结当前医学信息学研究的热点领域供广大同仁参考；并将结果与单一的高频词分析结果相比较，初步探讨引入突发监测算法的意义。
突发监测算法 聚类分析 频词分析 医学信息学科
王孝宁 崔雷 刘刚 黄亚明
中国医科大学信息管理与信息系统（医学）系 11001
国内会议
昆明
中文
1-3
2009-10-01（万方平台首次上网日期，不代表论文的发表时间）