发现生物安全法研究的主题和趋势:一种机器学习方法

科学领域:

• *生物安全与公共卫生
• * 环境科学与政策
• * 农业科学与管理

背景情况:

• *生物安全立法对于各个部门的生物风险管理至关重要.
• * 了解研究趋势对于有效的政策制定和全球合作至关重要.
• *以前的分析可能缺乏范围或客观性,以捕捉不断变化的生物安全景观.

研究的目的:

• *使用机器学习识别和分析生物安全立法文献中的关键研究主题.
• *从1996年到2023年,追踪生物安全研究的时间和地理趋势.
• * 提供全球生物安全研究格局的客观概述.

主要方法:

• * 隐性迪里克莱特分配 (LDA) 是一种机器学习技术,应用于559篇文章的论文集.
• * 主题建模用于识别文献中的九个不同的研究主题.
• *分析包括时间,地理和期刊水平的趋势.

主要成果:

• *确定了9个主要研究主题,包括生物安全立法和预防,健康风险评估和检测以及农业管理和生产.
• * 在生物安全立法和预防方面观察到显著的增长趋势,而农业管理和生产领域的兴趣却在下降.
• *澳大利亚,加拿大和美国成为生物安全研究领域的领先国家.

结论:

• * 该研究提供了对全球生物安全立法研究趋势的客观数据驱动分析.
• * 调查结果强调需要扩大地理研究范围和跨学科方法.
• *未来的研究应该集中在集成先进的机器学习和评估政策影响,以加强全球生物安全战略.