摘要：【目的】设计主题模型结合流形学习文本特征降维可视化方案，更有效地发现与更直观地展示科研基金资助布局。【方法】基于美国NSF信息与智能系统（IIs）10年（2008-2017）的基金资助项目数据，利用聚类算法结合人工判读构建项目主题标签：利用TF．IDF向量空间模型与LSA潜在语义分析主题模型分别构建项目申请书高维特征，采用流形学习中t-SNE非线性降维算法将高维特征映射到二维或三维空间中可视化展示；基于构建的项目主题标签结合人工判读检验可视化效果。【结果】实验结果表明，t-SNE算法结合潜在语义分析模型在实验数据降维效果明显，可视化图谱不论在二维还是三维空间中，相同主题项目有较好的聚集性，主题间同样显示了清晰的轮廓和分界。【局限】算法参数的预设与调整需人工参与，未对不同资助机构的基金文本数据的适用性进行验证。【结论】该方法是可行的且可视化图谱能够直观地反映资助机构的资助布局，对科研管理与决策者审视宏观科研布局能够起到辅助作用。
分类：期刊> 自然科学与工程技术> 信息科技> 电子信息科学综合
收录：CSSCI 南大期刊(含扩展版) > 北大期刊(中国人文社会科学期刊) > CSCD 中国科学引文数据库来源期刊(含扩展版) > 统计源期刊(中国科技论文优秀期刊) > 知网收录(中) > 维普收录(中) > 万方收录(中) > 国家图书馆馆藏 > 上海图书馆馆藏
关键词：科学基金项目 科研布局 lsa 可视化图谱
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
