在科学文章中使用混合BERT集成望远镜矢量树模型与皇帝企增强的NSGA II优化模型检测研究主题

科学领域:

• * 计算语言学 计算机语言学
• * 信息检索 * 信息检索
• * 优化算法 优化算法

背景情况:

• * 越来越多的科学出版物需要先进的搜索战略.
• *新手研究人员很难识别相关的关键词和相关的文章.
• *优化算法显示了提高主题识别和检测的前景.

研究的目的:

• * 提出一种用于确定研究主题的新方法.
• * 提高分类和检索研究论文的准确性和效率.
• * 帮助研究人员保持最新的科学进展.

主要方法:

• * 组合的电视树 (望远镜矢量树) 和混合的BERT (变压器的双向编码器表示).
• * 雇佣的皇帝企优化 (EPO) 增强的非主导排序遗传算法-II (NSGA-II).
• *利用复杂的算法来分析大型数据集,以确定趋势主题.

主要成果:

• * 在跨学科检测突出的研究主题方面表现出有效性.
• * 与基线模型相比,实现了潜在的准确性改进.
• * 在主题检测和识别方面展示了卓越的性能.

结论:

• * 拟议的方法为研究人员提供了一个有价值的工具来管理信息过载.
• * 加强主题识别有助于更好地了解研究环境.
• *这种方法使得科学文献的导航更加有效和有效.