ارائه راهكاري خودكار براساس متن كاوي براي شناخت و تحليل‌ روند تحقيقات حوزه‌هاي علمي

A new automatic approach for research trend analysis based on scientific text mining

بررسي ‌روند تحقيقات يك حوزه علمي (در بازه‌هاي زماني مختلف) مي‌تواند درك بهتري را براي محققين و سياست‌گذاران آن حوزه ايجاد نمايد تا بتوانند برنامه‌ريزي مناسبي را جهت انجام تحقيقات آتي و تخصيص منابع پژوهشي داشته باشند. يكي از مهمترين رويكردها در تحليل روند تحقيقات در يك حوزه، بررسي اسناد علمي منتشرشده در آن حوزه با استفاده از روش‌هاي علم‌سنجي و پيمايش اطلاعات و متون اسناد است. بنابراين تحليل‌روند ابزار مناسب براي محققين و سياست‌گذاران در اجراي فعاليت‌هاي آن‌ها است. از اينرو انتخاب روشي مناسب براي تحليل وضعيت فعلي و پيش‌بيني آن حائز اهميت است. با توجه به اين نكته كه دقت و جامعيت تحليل‌روند از اهميت ويژگي اي برخوردار است در اين پژوهش رويكردي ارائه‌شده كه با استفاده از روش‌هاي متن‌كاوي و اطلاعات كتابشناختي مقالات منتشرشده در يك حوزه، روند پژوهش در آن حوزه مورد مطالعه قرار مي‌گيرد. در اين پژوهش كلمات كليدي استخراج شده از متون با استفاده از يك روش جديد براي محاسبه هم‌رخدادي، خوشه‌بندي مي‌شوند. همچنين از ويژگي‌هاي روش پيشنهادي ارائه شاخص جديد در ميزان بدست آوردن بلوغ و مركزيت يك حوزه علمي در تحليل‌روند و استفاده از ميزان تاثير و اهميت كليدواژه‌هاي استفاده شده در تشخيص حوزه‌هاي علمي است. براي بررسي و آزمايش روش پيشنهادي، مجموعه‌اي از مقالات حوزه مهندسي مكانيك طي سال‌هاي 2012 تا 2016 از پايگاه «وب آف ساينس » استخراج شده است. با بكارگيري شاخص‌هاي پيشنهادي مي‌توان نشان داد كه برخي حوزه‌ها به بلوغ خود رسيده‌اند و ديگر روند رو به رشدي ندارند. از طرفي ديگر خوشه‌هايي كه با نرخ رشد بالايي در حال رشد هستند و هنوز از نظر ميزان بلوغ در ميانه راه قرار دارند، اين خوشه‌ها نشان دهنده موضوع‌هاي در حال تكامل هستند.

Research trend analysis for a specific research area (through different time frames) can lead to a better understanding for researchers in that area, and for policy makers in research for contributing in assigning research funds and policies. An important and practical approach to analyzing research trends is to study and review research data and publications using scientometrics and research document processing. In this research, we have proposed a text mining approach for analysing research publications in a specific area, in order to analyze and identify important research topics. In this paper, we propose a method to analysis a scientific trend. The proposed approach is based on clustering keywords through a new co-occurrence matrix. A new metric is also adopted to identify centrality and density (maturity) of a specific research area and identify keywords and contributory topics. For achieving this, we proposed a trend analysis method using co-word matrix with and for deeper analysis we use clustering and strategic diagram with propose indices. In order to test and evaluate the proposed method, we use comparative evaluation method. In addition, for more analysis, we have selected research publications in a specific period of time (2012-2016) in Mechanical Engineering, which are extracted from WoS (Web of Sciences) database. We have applied the proposed metrics to evaluate research trends and identify contributory areas and topics in the selected documents. The comparative evaluation shows an improvement in proposed trend analysis method.