کشف روندهای نوظهور در حوزه‏ های علمی بر پایه خوشه‏ بندی پویا با رویکرد متن‏ کاوی و تحلیل پیوند

در سالیان اخیر حجم زیادی از داده های متنی و کتابشناسی علمی از طریق اینترنت و پایگاههای علمی در اختیار پژوهشگران قرار گرفته است. پردازش این حجم بالای داده مستلزم توسعه ابزار و روشهای جدید می باشد. نگاشت دامنه دانش شامل تحلیل و مصورسازی مجموعه داده های مقالات علمی و حق امتیازها است. نقشه های حاصل از این نگاشت برای تشخیص حوزه های عمده پژوهشی و کشف روندهای نوظهور به کار می روند. در رساله حاضر در راستای پاسخگویی به بخشی از نیازهای فوق، متون علمی و حق امتیازها با رویکرد داده کاوی متون تحلیل می‏شوند. هدف این کار تسهیل دسترسی به اطلاعات، آشکار کردن ساختار دانش و فراهم ساختن دید کلی برای مدیریت دانش و آینده نگاری است. به منظور آشکارسازی ساختار یک حوزه علمی می خواهیم زیرحوزه های این حوزه را شناسایی کرده و سیر تحول زمانی زیرحوزه ها را بررسی کنیم. مسئله این است که روش مناسب و کارا برای تفکیک، شناسایی و مصورسازی زیرحوزه ها چیست؟ چگونه می توان زیرحوزه ها را در دوره های متوالی با هم تطابق داد و پویایی آنها را مصور نمود؟ در این رساله حوزه علم و فناوری نانو برای ارزیابی عملکرد روشهای ارائه شده انتخاب شده و متون مرتبط بر اساس کلیدواژه‏ها بازیابی می‏شود. سپس با خوشه بندی سلسله مراتبی متون چکیده و عنوان، خوشه های مباحث مطرح در هر دوره یافته می شود. در این راستا برای ارزیابی خوشه های بزرگ ضریب سیلوئت بر اساس شباهت معرفی می گردد. در مرحله دوم ارتباط بین علم و فناوری از طریق بررسی شباهت و تطابق خوشه‏های مقالات و حق امتیازها یافته می‏شود. شباهت با گرافهای دوبخشی مصور می شود. ارتباط و نشت اطلاعات بین زیرحوزه های علم از طریق گراف استناد مقالات مصور می شود. در مرحله سوم قواعد تطابق جدیدی برای ردیابی خوشه ها در طول زمان توسعه می یابد. برای تطابق دوره ها دو روش تخصیص مجاری و ابرخوشه بندی معرفی می شود. زنجیره خوشه های یافته شده مصور می شود. در این تحقیق 468.000 خلاصه مقاله (برگرفته از isi) و 69.000 حق امتیاز فناوری نانو (برگرفته از uspto) از سال 1990 تا 2008 با روش خوشه‏بندی سلسله‏مراتبی افرازی خوشه‏بندی گشته و با معیار جدید ضریب سیلوئت بر اساس شباهت ارزیابی شد. زیرحوزه‏های فناوری نانو شناسایی و توسط خبرگان ارزیابی گردید. این معیار برای دسته‏بندی مقالات ایران در درخت فناوری نانو مورد استفاده قرار گرفت. الگوریتم کارای ارائه شده برای تطابق پویای خوشه‏ها برای شناسایی روند به کار گرفته شد. روشها و ابزار توسعه داده شده قابل استفاده برای مصورسازی و ردیابی خوشه های یک حوزه علمی و کشف روندهای نوظهور بوده و امکان خوشه‏بندی پویا را برای صدهاهزار سند فراهم می‏کند. این ابزار کمک بزرگی برای محققین علمی و خبرگان آینده نگاری بوده و اطلاعات لازم را برای مدیریت تحقیق و توسعه فراهم می‏کند.