基于主題模型的中外期刊文獻(xiàn)挖掘?qū)Ρ妊芯?/h1>
2019-07-31 02:07:02單國(guó)棟肖彥翠
長(zhǎng)春大學(xué)學(xué)報(bào) 2019年6期
單國(guó)棟，肖彥翠，王 皓
(1.長(zhǎng)春大學(xué) 理學(xué)院，長(zhǎng)春 130022；2.東北財(cái)經(jīng)大學(xué) 統(tǒng)計(jì)學(xué)院，遼寧 大連 116025)
學(xué)術(shù)期刊是科教事業(yè)發(fā)展過(guò)程中的關(guān)注焦點(diǎn)之一，對(duì)學(xué)術(shù)期刊文獻(xiàn)進(jìn)行統(tǒng)計(jì)分析，有助于直觀地分析我國(guó)的科學(xué)創(chuàng)新和技術(shù)創(chuàng)新水平。如何從大量的期刊文本數(shù)據(jù)中發(fā)現(xiàn)有價(jià)值的信息，變得尤為重要。本文選取經(jīng)濟(jì)類(lèi)的國(guó)內(nèi)期刊《經(jīng)濟(jì)研究》和國(guó)外期刊《美國(guó)經(jīng)濟(jì)評(píng)論》為代表，對(duì)其進(jìn)行WEB文本挖掘，然后對(duì)內(nèi)容作描述性分析和詞頻趨勢(shì)分析，以及文本挖掘模型的對(duì)比化分析。通過(guò)中外期刊對(duì)比，能夠發(fā)現(xiàn)國(guó)內(nèi)和國(guó)外相應(yīng)領(lǐng)域目前的研究現(xiàn)狀及關(guān)注熱點(diǎn)的發(fā)展趨勢(shì)，并且可以發(fā)現(xiàn)中文與英文分詞方法的不同，同時(shí)為經(jīng)濟(jì)學(xué)者和讀者的研究提供參考。
1 文本建模相關(guān)理論
1.1 文本分詞處理和去停止詞及詞根還原
在進(jìn)行文本挖掘之前，需要先對(duì)文本原始數(shù)據(jù)進(jìn)行預(yù)處理。而在文本預(yù)處理過(guò)程中，分詞是最重要的一個(gè)環(huán)節(jié)。對(duì)于英文文本，通過(guò)空格和標(biāo)點(diǎn)很容易將文章拆分成詞；但對(duì)于中文文本，文本分詞的過(guò)程比較復(fù)雜，比較常用的中文分詞方法包括：詞典法[1]，隱馬爾科夫過(guò)程[2]和CRF模型[3]。通常一篇文本中的冠詞、連詞和介詞等虛詞以及在整個(gè)文本集中出現(xiàn)頻率很高、但對(duì)區(qū)分類(lèi)別作用不大的詞，被稱(chēng)為停止詞[4]。去除停止詞是文本預(yù)處理中不可缺少的步驟，它們可以使分詞結(jié)果變得更準(zhǔn)確，為后續(xù)的特征表示和統(tǒng)計(jì)建模提高精度。與中文相比，英文中同一個(gè)詞有詞形的變化，而因?yàn)樵~義本身沒(méi)有變化，就不應(yīng)該作為獨(dú)立的詞來(lái)存儲(chǔ)和參與分類(lèi)計(jì)算。去除這些詞形不同但詞義相同的詞，僅保留一個(gè)副本的步驟就稱(chēng)為“詞根還原”，經(jīng)過(guò)“詞根還原”，英文文本預(yù)處理過(guò)程結(jié)束。
1.2 文本特征提取
文本挖掘的一個(gè)基本問(wèn)題是文本的表示及其特征項(xiàng)的選取。如果直接將分詞結(jié)果作為特征項(xiàng)來(lái)表示文本，那么這個(gè)文本向量的維度將會(huì)非常大，因而，必須從文本中提取出特征詞來(lái)表示文本信息，即通過(guò)特征選擇來(lái)降低文本向量的維度。特征項(xiàng)必須具備如下的特性：(1)文本內(nèi)容需要被特征項(xiàng)所標(biāo)識(shí)；(2)將目標(biāo)文本與其他文本需要被特征項(xiàng)相區(qū)分；(3)特征項(xiàng)的個(gè)數(shù)不能太多，否則起不到降維的效果；(4)特征項(xiàng)分離比較容易實(shí)現(xiàn)。
特征項(xiàng)選取的方式通常有4種：(1)通過(guò)映射或變換的方法把原始特征映射為較少的新特征；(2)從原始特征中挑選出一些最具代表性的特征；(3)根據(jù)專(zhuān)家的知識(shí)挑選最有影響的特征；(4)用數(shù)學(xué)的方法找出最具分類(lèi)信息的特征。這里的第4種方法是一種比較精確的方法，人為干擾因素較少，比較適用于文本自動(dòng)分類(lèi)挖掘系統(tǒng)。
1.3 基于LDA主題模型和CTM主題模型的文本建模理論
在自然語(yǔ)言處理領(lǐng)域，主題模型越來(lái)越受到廣泛關(guān)注。主題模型是提取文檔中隱含主題的一種概率模型，是對(duì)文字隱含主題進(jìn)行建模的一種方法[5]。它打破了傳統(tǒng)空間向量文檔-詞的思維定向，將文檔映射到主題空間上，表示為文檔-主題-詞。用主題描述文檔，有效地降低了維度，即主題模型克服了空間向量模型的缺點(diǎn)。
現(xiàn)階段主要應(yīng)用的主題模型包括LDA主題模型和CTM主題模型。
LDA(Latent Dirichlet Allocation)模型是Blei等人在2003年提出的[6]，他們?cè)趐LSI方法[7]的基礎(chǔ)上加入先驗(yàn)分布Dirichlet分布得到LDA模型。LDA主題模型生成文本的過(guò)程如下[8]：
(a)對(duì)于主題z，根據(jù)Dirichlet分布Dir(β)得到該主題上的一個(gè)單詞多項(xiàng)式分布向量φ；
(b)根據(jù)泊松分布P得到文本的單詞數(shù)目N；
(c)根據(jù)Dirichlet分布Dir(α)得到該文本的一個(gè)主題分布概率向量θ；
(d)對(duì)于該文本N個(gè)單詞中的每一個(gè)單詞Wn：
(d1)從θ的多項(xiàng)式分布Multinomial(θ)隨機(jī)選擇一個(gè)主題z；
(d2)從主題z的多項(xiàng)式條件概率分布Multinomial(θ)選擇一個(gè)單詞作為Wn。
其中，α和β是Dirichlet分布的參數(shù)，一般都是對(duì)稱(chēng)并且是固定值，α反映了文檔集合中隱含主題間的相對(duì)強(qiáng)弱；β刻畫(huà)了所有隱含主題自身的概率分布。
CTM模型則利用Logistic正態(tài)分布中的協(xié)方差矩陣來(lái)代表主題之間的關(guān)系。CTM主題模型生成文本的過(guò)程如下[9]：
(a)給定K個(gè)主題，各個(gè)主題都是全部詞語(yǔ)的一個(gè)分布；
(b)從多維分布中，隨機(jī)選取一個(gè)主題；
(c)從多維分布中，隨機(jī)選取一個(gè)單詞；
(d)重復(fù)以上過(guò)程，直到所有文檔的所有詞被抽取。
2 中外期刊文獻(xiàn)挖掘?qū)Ρ妊芯?/h2>2.1 數(shù)據(jù)來(lái)源和文本數(shù)據(jù)預(yù)處理
《美國(guó)經(jīng)濟(jì)評(píng)論》(The American Economic Review，AER)是享譽(yù)經(jīng)濟(jì)學(xué)界的頂尖學(xué)術(shù)期刊，它涵蓋了經(jīng)濟(jì)的各個(gè)領(lǐng)域，反映了人們關(guān)注的經(jīng)濟(jì)焦點(diǎn)，是經(jīng)濟(jì)學(xué)界的風(fēng)向標(biāo)?！督?jīng)濟(jì)研究》是全國(guó)性綜合經(jīng)濟(jì)理論期刊，是在中國(guó)影響最大的經(jīng)濟(jì)理論期刊。本文通過(guò)爬蟲(chóng)技術(shù)分別爬取了1990年到2015年間刊登在《美國(guó)經(jīng)濟(jì)評(píng)論》和《經(jīng)濟(jì)研究》的所有文章，分別共有5684和3971篇文章，爬取的信息包括：文章題目、作者、年、月、摘要、關(guān)鍵詞等。
獲取到《美國(guó)經(jīng)濟(jì)評(píng)論》和《經(jīng)濟(jì)研究》的Web文本數(shù)據(jù)后，需要對(duì)這些文本數(shù)據(jù)進(jìn)行預(yù)處理，包括：文本分詞、停用詞過(guò)濾等，這是對(duì)文本進(jìn)行初步的過(guò)濾。經(jīng)過(guò)前述的文本預(yù)處理過(guò)程后，則可以對(duì)預(yù)處理后的數(shù)據(jù)進(jìn)行對(duì)比分析。
2.2 文本的描述性分析
2.2.1 科研年產(chǎn)出分析
由圖1可以發(fā)現(xiàn)，《美國(guó)經(jīng)濟(jì)評(píng)論》的文章年產(chǎn)量明顯高于《經(jīng)濟(jì)研究》的文章年產(chǎn)量。
就整體來(lái)看，《美國(guó)經(jīng)濟(jì)評(píng)論》文章年產(chǎn)量波動(dòng)較大，而《經(jīng)濟(jì)研究》波動(dòng)較小。而就局部來(lái)看，《美國(guó)經(jīng)濟(jì)評(píng)論》的年產(chǎn)量比較平穩(wěn)，而《經(jīng)濟(jì)研究》的年產(chǎn)量波動(dòng)較大。
圖1 文章年產(chǎn)量
2.2.2 高產(chǎn)作者分析
圖2和圖3分別展示了《美國(guó)經(jīng)濟(jì)評(píng)論》和《經(jīng)濟(jì)研究》的高產(chǎn)作者數(shù)量?！睹绹?guó)經(jīng)濟(jì)評(píng)論》期刊中，nmax=24，得m=3.6，即發(fā)表文章在4篇及以上的作者為高產(chǎn)作者，有532位作者?！督?jīng)濟(jì)研究》期刊中，nmax=39，得m=4.7，即發(fā)表文章在5篇及以上的作者為高產(chǎn)作者，有240位作者。通過(guò)對(duì)比發(fā)現(xiàn)，《美國(guó)經(jīng)濟(jì)評(píng)論》的高產(chǎn)作者人數(shù)多于《經(jīng)濟(jì)研究》。就最高產(chǎn)作者發(fā)表文章數(shù)來(lái)看，《經(jīng)濟(jì)研究》高于《美國(guó)經(jīng)濟(jì)評(píng)論》。
圖2 《美國(guó)經(jīng)濟(jì)評(píng)論》高產(chǎn)作者 圖3 《經(jīng)濟(jì)研究》高產(chǎn)作者
2.2.3 文章合著分析
《美國(guó)經(jīng)濟(jì)評(píng)論》1990-2015年間共發(fā)表5095篇文章，合著文章共3326篇，占總發(fā)表文章的65%。由圖4的年合著率可以看出，合著率整體呈上升趨勢(shì)。1990年合著率最低，占43%；2012年合著率最高，占82%?！督?jīng)濟(jì)研究》1990-2015年間共發(fā)表3971篇文章，其中合著文章共2014篇，占總發(fā)表文章的51%。年合著率整體呈上升趨勢(shì)，1996年合著率最低，有13%，2014年合著率最高，有88%。
圖4 文章合著率 圖5 作者人數(shù)分布
通過(guò)對(duì)比合著率發(fā)現(xiàn)，隨著時(shí)間的推移，《美國(guó)經(jīng)濟(jì)評(píng)論》與《經(jīng)濟(jì)研究》合著率的差距越來(lái)越小。1990-2005年《美國(guó)經(jīng)濟(jì)評(píng)論》的合著率均高于《經(jīng)濟(jì)研究》。2006年，《經(jīng)濟(jì)研究》的合著率超過(guò)了《美國(guó)經(jīng)濟(jì)評(píng)論》。2006-2013年之間，《美國(guó)經(jīng)濟(jì)評(píng)論》和《經(jīng)濟(jì)研究》的合著率相當(dāng)。2014年和2015年《經(jīng)濟(jì)研究》的合著率明顯高于《美國(guó)經(jīng)濟(jì)評(píng)論》。由以上數(shù)據(jù)可以得出結(jié)論：合著已經(jīng)成為了一種比較普遍的現(xiàn)象。
針對(duì)《美國(guó)經(jīng)濟(jì)評(píng)論》和《經(jīng)濟(jì)研究》，我們統(tǒng)計(jì)了合作者人數(shù)及文章數(shù)，統(tǒng)計(jì)結(jié)果發(fā)現(xiàn)，《美國(guó)經(jīng)濟(jì)評(píng)論》合著作者人數(shù)最多為12人。對(duì)比之下，《經(jīng)濟(jì)研究》合著作者人數(shù)最多為16人。對(duì)比《美國(guó)經(jīng)濟(jì)評(píng)論》和《經(jīng)濟(jì)研究》的合作者人數(shù)(見(jiàn)圖5)，就一位作者來(lái)看，《經(jīng)濟(jì)研究》的合著占比高于《美國(guó)經(jīng)濟(jì)評(píng)論》。作者人數(shù)為2、3、4時(shí)，《美國(guó)經(jīng)濟(jì)評(píng)論》的占比均高于《經(jīng)濟(jì)研究》。綜上所述，《美國(guó)經(jīng)濟(jì)評(píng)論》的作者傾向于合作，且以二人合作的形式居多；《經(jīng)濟(jì)研究》的作者更傾向于獨(dú)著。
2.2.4 關(guān)鍵詞分析
將《美國(guó)經(jīng)濟(jì)評(píng)論》的摘要分詞除去停止詞后，統(tǒng)計(jì)詞語(yǔ)的頻數(shù)。將詞語(yǔ)按出現(xiàn)的次數(shù)從高到低排序，取前100個(gè)高頻詞語(yǔ)作詞云圖(見(jiàn)圖6)。由圖6發(fā)現(xiàn)，模型、影響、市場(chǎng)、價(jià)格出現(xiàn)的次數(shù)最多，即是《美國(guó)經(jīng)濟(jì)評(píng)論》的作者最關(guān)注的方面。取詞頻最高的前15個(gè)詞語(yǔ)作柱狀圖，結(jié)果如圖7所示。提取的高頻詞語(yǔ)能夠反映出《美國(guó)經(jīng)濟(jì)評(píng)論》文獻(xiàn)關(guān)注的主要內(nèi)容，主要包括經(jīng)濟(jì)市場(chǎng)情況、影響、價(jià)格、政策、消費(fèi)、變化等，其中最關(guān)注模型，說(shuō)明《美國(guó)經(jīng)濟(jì)評(píng)論》的作者更多地致力于模型的研究。
圖6 《美國(guó)經(jīng)濟(jì)評(píng)論》高頻詞詞云圖 圖7 《美國(guó)經(jīng)濟(jì)評(píng)論》高頻詞柱狀圖
按照同樣的方式對(duì)《經(jīng)濟(jì)研究》詞頻進(jìn)行統(tǒng)計(jì)，繪制圖8、圖9。由圖8發(fā)現(xiàn)，中國(guó)、經(jīng)濟(jì)、影響、企業(yè)出現(xiàn)的次數(shù)最多，即是《經(jīng)濟(jì)研究》的作者最關(guān)注的方面。從提取的高頻詞語(yǔ)能夠反映出《經(jīng)濟(jì)研究》文獻(xiàn)關(guān)注的主要內(nèi)容，主要包括我國(guó)經(jīng)濟(jì)情況、企業(yè)狀況、面臨問(wèn)題、理論方面、改革等，其中最關(guān)注經(jīng)濟(jì)，說(shuō)明《經(jīng)濟(jì)研究》的作者更關(guān)注于我國(guó)的經(jīng)濟(jì)情況。
圖8 《經(jīng)濟(jì)研究》高頻詞詞云圖 圖9 《經(jīng)濟(jì)研究》高頻詞柱狀圖
根據(jù)《美國(guó)經(jīng)濟(jì)評(píng)論》和《經(jīng)濟(jì)研究》高頻詞的詞云圖發(fā)現(xiàn)，《美國(guó)經(jīng)濟(jì)評(píng)論》和《經(jīng)濟(jì)研究》的作者均比較關(guān)注經(jīng)濟(jì)、政策、模型、理論、影響、企業(yè)、勞動(dòng)力、產(chǎn)品等。除此之內(nèi)外，《美國(guó)經(jīng)濟(jì)評(píng)論》的作者還比較關(guān)注工資、消費(fèi)等，均是站在個(gè)人的角度和作者日常生活息息相關(guān)的。而《經(jīng)濟(jì)研究》的作者還比較關(guān)注農(nóng)業(yè)、農(nóng)村、工業(yè)等。
2.3 文本的主題分析
近年來(lái)，主題模型主要同文本聚類(lèi)和文本分類(lèi)相結(jié)合，應(yīng)用于文獻(xiàn)搜索和文獻(xiàn)推薦等方面，LDA模型和CTM模型為主要應(yīng)用模型。本小節(jié)針對(duì)《經(jīng)濟(jì)研究》和《美國(guó)經(jīng)濟(jì)評(píng)論》的數(shù)據(jù)，對(duì)其進(jìn)行LDA主題模型和CTM主題模型分析。
2.3.1 《經(jīng)濟(jì)研究》的主題分析
根據(jù)《經(jīng)濟(jì)研究》的自身特點(diǎn)并且通過(guò)觀察高頻率詞語(yǔ)不斷調(diào)試主題個(gè)數(shù)，觀察結(jié)果，最終確定《經(jīng)濟(jì)研究》主題個(gè)數(shù)為6個(gè)。
(1)LDA主題模型：得到的6個(gè)主題如表1所示，除第5個(gè)主題是理論經(jīng)濟(jì)學(xué)外，其他主題均是應(yīng)用經(jīng)濟(jì)學(xué)。
表1 《經(jīng)濟(jì)研究》LDA主題模型結(jié)果
(2)CTM主題模型:6個(gè)主題如表2所示，除第5主題和第6主題是理論經(jīng)濟(jì)學(xué)外，其他主題均是應(yīng)用經(jīng)濟(jì)學(xué)的內(nèi)容。
2.3.2 《美國(guó)經(jīng)濟(jì)評(píng)論》的主題分析
根據(jù)《美國(guó)經(jīng)濟(jì)評(píng)論》的自身特點(diǎn)并且通過(guò)觀察高頻率詞語(yǔ)不斷調(diào)試主題個(gè)數(shù)，觀察結(jié)果，最終確定，將《美國(guó)經(jīng)濟(jì)評(píng)論》分為8個(gè)主題。
(1)LDA主題模型：各個(gè)主題詞根據(jù)其在文本主題出現(xiàn)的概率按照降序排列，如表3所示。
表3 《美國(guó)經(jīng)濟(jì)評(píng)論》LDA主題模型結(jié)果
(2)CTM主題模型：運(yùn)用CTM主題模型得到的8個(gè)主題如表4所示，這同LDA模型的結(jié)果(表3)有所不同。
表4 《美國(guó)經(jīng)濟(jì)評(píng)論》CTM主題模型結(jié)果
2.3.3 總結(jié)與對(duì)比
經(jīng)過(guò)上述分析，我們得到以下發(fā)現(xiàn)：
(1)在《美國(guó)經(jīng)濟(jì)評(píng)論》和《經(jīng)濟(jì)研究》數(shù)據(jù)集上，LDA主題模型效果更好一些。
(2)《美國(guó)經(jīng)濟(jì)評(píng)論》的LDA模型和CTM模型的結(jié)果都共同包括社會(huì)經(jīng)濟(jì)學(xué)、財(cái)政學(xué)、國(guó)際貿(mào)易學(xué)，但主題的詞語(yǔ)有所差別。除此之外，LDA模型主題還包括投資學(xué)、教育經(jīng)濟(jì)學(xué)、國(guó)際貿(mào)易學(xué)、金融學(xué)和生育率對(duì)經(jīng)濟(jì)影響。CTM模型主題還包括政治經(jīng)濟(jì)學(xué)、發(fā)展經(jīng)濟(jì)學(xué)、保險(xiǎn)學(xué)、貨幣銀行學(xué)和宏觀經(jīng)濟(jì)學(xué)。
(3)《經(jīng)濟(jì)研究》的LDA模型和CTM模型的結(jié)果都共同包含國(guó)民經(jīng)濟(jì)學(xué)、國(guó)際貿(mào)易學(xué)、貨幣銀行學(xué)、產(chǎn)業(yè)經(jīng)濟(jì)學(xué)和政治經(jīng)濟(jì)學(xué)方面的內(nèi)容，但主題的詞語(yǔ)有所差別。除此之外，LDA模型還包括投資學(xué)等內(nèi)容。CTM模型還包括宏觀經(jīng)濟(jì)學(xué)內(nèi)容。
(4)《美國(guó)經(jīng)濟(jì)評(píng)論》包括8個(gè)主題，《經(jīng)濟(jì)研究》包括6個(gè)主題。對(duì)比它們的LDA模型結(jié)果，發(fā)現(xiàn)《美國(guó)經(jīng)濟(jì)評(píng)論》和《經(jīng)濟(jì)研究》的主題均包含國(guó)民經(jīng)濟(jì)學(xué)、投資學(xué)和國(guó)際貿(mào)易學(xué)。除此之外，《美國(guó)經(jīng)濟(jì)評(píng)論》主題還包括社會(huì)經(jīng)濟(jì)學(xué)、財(cái)政學(xué)、教育經(jīng)濟(jì)學(xué)、金融學(xué)和生育率對(duì)經(jīng)濟(jì)的影響；《經(jīng)濟(jì)研究》主題還包括政治經(jīng)濟(jì)學(xué)、產(chǎn)業(yè)經(jīng)濟(jì)學(xué)、貨幣銀行學(xué)。
3 結(jié)語(yǔ)
通過(guò)對(duì)《美國(guó)經(jīng)濟(jì)評(píng)論》和《經(jīng)濟(jì)研究》文獻(xiàn)的文本數(shù)據(jù)的提取，對(duì)結(jié)構(gòu)性數(shù)據(jù)進(jìn)行描述性分析，對(duì)摘要進(jìn)行分詞、特征表示和特征提取，進(jìn)而進(jìn)行聚類(lèi)分析和主題分析。
迄今為止，在針對(duì)期刊文本的研究中，所采用的分詞技術(shù)主要是單一的針對(duì)中文，很少將中英文分詞過(guò)程作對(duì)比。本文通過(guò)對(duì)外文期刊《美國(guó)經(jīng)濟(jì)評(píng)論》和中文期刊《經(jīng)濟(jì)研究》的摘要分詞，對(duì)比中英文分詞的相同與不同，從而為科研工作者提供便利。此外，本文深層次地挖掘中美兩國(guó)經(jīng)濟(jì)研究領(lǐng)域權(quán)威期刊的內(nèi)容，其結(jié)果對(duì)該領(lǐng)域?qū)W者的研究工作有一定的參考價(jià)值。
猜你喜歡
一半模型童話王國(guó)·奇妙邏輯推理(2024年5期)2024-06-19 16:03:38 “林下經(jīng)濟(jì)”助農(nóng)增收今日農(nóng)業(yè)(2022年14期)2022-09-15 01:44:56 重要模型『一線三等角』中學(xué)生數(shù)理化·七年級(jí)數(shù)學(xué)人教版(2020年10期)2020-11-26 08:24:50 增加就業(yè)， 這些“經(jīng)濟(jì)”要關(guān)注民生周刊(2020年13期)2020-07-04 02:49:22 重尾非線性自回歸模型自加權(quán)M-估計(jì)的漸近分布數(shù)學(xué)物理學(xué)報(bào)(2020年2期)2020-06-02 11:29:24 在808DA上文本顯示的改善制造技術(shù)與機(jī)床(2019年10期)2019-10-26 02:48:08 基于doc2vec和TF-IDF的相似文本識(shí)別電子制作(2018年18期)2018-11-14 01:48:06 民營(yíng)經(jīng)濟(jì)大有可為華人時(shí)刊(2018年23期)2018-03-21 06:26:00 3D打印中的模型分割與打包光學(xué)精密工程(2016年6期)2016-11-07 09:07:19 文本之中·文本之外·文本之上——童話故事《坐井觀天》的教學(xué)隱喻小學(xué)教學(xué)參考(2015年20期)2016-01-15 08:44:38
長(zhǎng)春大學(xué)學(xué)報(bào)2019年6期
- 長(zhǎng)春大學(xué)學(xué)報(bào)的其它文章
- 長(zhǎng)春大學(xué)特殊教育學(xué)院學(xué)生作品
- 美國(guó)大學(xué)人力資源管理專(zhuān)業(yè)碩士培養(yǎng)模式及啟示
- 應(yīng)用型本科院校烹飪專(zhuān)業(yè)師資實(shí)踐教學(xué)能力提升途徑探究
- 多元教學(xué)法在“園林樹(shù)木學(xué)”理論課教學(xué)中的應(yīng)用與實(shí)踐
- 基于網(wǎng)絡(luò)的大學(xué)英語(yǔ)口語(yǔ)自主學(xué)習(xí)多維監(jiān)控研究
- 安徽省高校跆拳道運(yùn)動(dòng)的SWOT分析與對(duì)策研究
單國(guó)棟，肖彥翠，王 皓
(1.長(zhǎng)春大學(xué) 理學(xué)院，長(zhǎng)春 130022；2.東北財(cái)經(jīng)大學(xué) 統(tǒng)計(jì)學(xué)院，遼寧 大連 116025)
學(xué)術(shù)期刊是科教事業(yè)發(fā)展過(guò)程中的關(guān)注焦點(diǎn)之一，對(duì)學(xué)術(shù)期刊文獻(xiàn)進(jìn)行統(tǒng)計(jì)分析，有助于直觀地分析我國(guó)的科學(xué)創(chuàng)新和技術(shù)創(chuàng)新水平。如何從大量的期刊文本數(shù)據(jù)中發(fā)現(xiàn)有價(jià)值的信息，變得尤為重要。本文選取經(jīng)濟(jì)類(lèi)的國(guó)內(nèi)期刊《經(jīng)濟(jì)研究》和國(guó)外期刊《美國(guó)經(jīng)濟(jì)評(píng)論》為代表，對(duì)其進(jìn)行WEB文本挖掘，然后對(duì)內(nèi)容作描述性分析和詞頻趨勢(shì)分析，以及文本挖掘模型的對(duì)比化分析。通過(guò)中外期刊對(duì)比，能夠發(fā)現(xiàn)國(guó)內(nèi)和國(guó)外相應(yīng)領(lǐng)域目前的研究現(xiàn)狀及關(guān)注熱點(diǎn)的發(fā)展趨勢(shì)，并且可以發(fā)現(xiàn)中文與英文分詞方法的不同，同時(shí)為經(jīng)濟(jì)學(xué)者和讀者的研究提供參考。
1 文本建模相關(guān)理論
1.1 文本分詞處理和去停止詞及詞根還原
在進(jìn)行文本挖掘之前，需要先對(duì)文本原始數(shù)據(jù)進(jìn)行預(yù)處理。而在文本預(yù)處理過(guò)程中，分詞是最重要的一個(gè)環(huán)節(jié)。對(duì)于英文文本，通過(guò)空格和標(biāo)點(diǎn)很容易將文章拆分成詞；但對(duì)于中文文本，文本分詞的過(guò)程比較復(fù)雜，比較常用的中文分詞方法包括：詞典法[1]，隱馬爾科夫過(guò)程[2]和CRF模型[3]。通常一篇文本中的冠詞、連詞和介詞等虛詞以及在整個(gè)文本集中出現(xiàn)頻率很高、但對(duì)區(qū)分類(lèi)別作用不大的詞，被稱(chēng)為停止詞[4]。去除停止詞是文本預(yù)處理中不可缺少的步驟，它們可以使分詞結(jié)果變得更準(zhǔn)確，為后續(xù)的特征表示和統(tǒng)計(jì)建模提高精度。與中文相比，英文中同一個(gè)詞有詞形的變化，而因?yàn)樵~義本身沒(méi)有變化，就不應(yīng)該作為獨(dú)立的詞來(lái)存儲(chǔ)和參與分類(lèi)計(jì)算。去除這些詞形不同但詞義相同的詞，僅保留一個(gè)副本的步驟就稱(chēng)為“詞根還原”，經(jīng)過(guò)“詞根還原”，英文文本預(yù)處理過(guò)程結(jié)束。
1.2 文本特征提取
文本挖掘的一個(gè)基本問(wèn)題是文本的表示及其特征項(xiàng)的選取。如果直接將分詞結(jié)果作為特征項(xiàng)來(lái)表示文本，那么這個(gè)文本向量的維度將會(huì)非常大，因而，必須從文本中提取出特征詞來(lái)表示文本信息，即通過(guò)特征選擇來(lái)降低文本向量的維度。特征項(xiàng)必須具備如下的特性：(1)文本內(nèi)容需要被特征項(xiàng)所標(biāo)識(shí)；(2)將目標(biāo)文本與其他文本需要被特征項(xiàng)相區(qū)分；(3)特征項(xiàng)的個(gè)數(shù)不能太多，否則起不到降維的效果；(4)特征項(xiàng)分離比較容易實(shí)現(xiàn)。
特征項(xiàng)選取的方式通常有4種：(1)通過(guò)映射或變換的方法把原始特征映射為較少的新特征；(2)從原始特征中挑選出一些最具代表性的特征；(3)根據(jù)專(zhuān)家的知識(shí)挑選最有影響的特征；(4)用數(shù)學(xué)的方法找出最具分類(lèi)信息的特征。這里的第4種方法是一種比較精確的方法，人為干擾因素較少，比較適用于文本自動(dòng)分類(lèi)挖掘系統(tǒng)。
1.3 基于LDA主題模型和CTM主題模型的文本建模理論
在自然語(yǔ)言處理領(lǐng)域，主題模型越來(lái)越受到廣泛關(guān)注。主題模型是提取文檔中隱含主題的一種概率模型，是對(duì)文字隱含主題進(jìn)行建模的一種方法[5]。它打破了傳統(tǒng)空間向量文檔-詞的思維定向，將文檔映射到主題空間上，表示為文檔-主題-詞。用主題描述文檔，有效地降低了維度，即主題模型克服了空間向量模型的缺點(diǎn)。
現(xiàn)階段主要應(yīng)用的主題模型包括LDA主題模型和CTM主題模型。
LDA(Latent Dirichlet Allocation)模型是Blei等人在2003年提出的[6]，他們?cè)趐LSI方法[7]的基礎(chǔ)上加入先驗(yàn)分布Dirichlet分布得到LDA模型。LDA主題模型生成文本的過(guò)程如下[8]：
(a)對(duì)于主題z，根據(jù)Dirichlet分布Dir(β)得到該主題上的一個(gè)單詞多項(xiàng)式分布向量φ；
(b)根據(jù)泊松分布P得到文本的單詞數(shù)目N；
(c)根據(jù)Dirichlet分布Dir(α)得到該文本的一個(gè)主題分布概率向量θ；
(d)對(duì)于該文本N個(gè)單詞中的每一個(gè)單詞Wn：
(d1)從θ的多項(xiàng)式分布Multinomial(θ)隨機(jī)選擇一個(gè)主題z；
(d2)從主題z的多項(xiàng)式條件概率分布Multinomial(θ)選擇一個(gè)單詞作為Wn。
其中，α和β是Dirichlet分布的參數(shù)，一般都是對(duì)稱(chēng)并且是固定值，α反映了文檔集合中隱含主題間的相對(duì)強(qiáng)弱；β刻畫(huà)了所有隱含主題自身的概率分布。
CTM模型則利用Logistic正態(tài)分布中的協(xié)方差矩陣來(lái)代表主題之間的關(guān)系。CTM主題模型生成文本的過(guò)程如下[9]：
(a)給定K個(gè)主題，各個(gè)主題都是全部詞語(yǔ)的一個(gè)分布；
(b)從多維分布中，隨機(jī)選取一個(gè)主題；
(c)從多維分布中，隨機(jī)選取一個(gè)單詞；
(d)重復(fù)以上過(guò)程，直到所有文檔的所有詞被抽取。
2 中外期刊文獻(xiàn)挖掘?qū)Ρ妊芯?/h2>2.1 數(shù)據(jù)來(lái)源和文本數(shù)據(jù)預(yù)處理
《美國(guó)經(jīng)濟(jì)評(píng)論》(The American Economic Review，AER)是享譽(yù)經(jīng)濟(jì)學(xué)界的頂尖學(xué)術(shù)期刊，它涵蓋了經(jīng)濟(jì)的各個(gè)領(lǐng)域，反映了人們關(guān)注的經(jīng)濟(jì)焦點(diǎn)，是經(jīng)濟(jì)學(xué)界的風(fēng)向標(biāo)?！督?jīng)濟(jì)研究》是全國(guó)性綜合經(jīng)濟(jì)理論期刊，是在中國(guó)影響最大的經(jīng)濟(jì)理論期刊。本文通過(guò)爬蟲(chóng)技術(shù)分別爬取了1990年到2015年間刊登在《美國(guó)經(jīng)濟(jì)評(píng)論》和《經(jīng)濟(jì)研究》的所有文章，分別共有5684和3971篇文章，爬取的信息包括：文章題目、作者、年、月、摘要、關(guān)鍵詞等。
獲取到《美國(guó)經(jīng)濟(jì)評(píng)論》和《經(jīng)濟(jì)研究》的Web文本數(shù)據(jù)后，需要對(duì)這些文本數(shù)據(jù)進(jìn)行預(yù)處理，包括：文本分詞、停用詞過(guò)濾等，這是對(duì)文本進(jìn)行初步的過(guò)濾。經(jīng)過(guò)前述的文本預(yù)處理過(guò)程后，則可以對(duì)預(yù)處理后的數(shù)據(jù)進(jìn)行對(duì)比分析。
2.2 文本的描述性分析
2.2.1 科研年產(chǎn)出分析
由圖1可以發(fā)現(xiàn)，《美國(guó)經(jīng)濟(jì)評(píng)論》的文章年產(chǎn)量明顯高于《經(jīng)濟(jì)研究》的文章年產(chǎn)量。
就整體來(lái)看，《美國(guó)經(jīng)濟(jì)評(píng)論》文章年產(chǎn)量波動(dòng)較大，而《經(jīng)濟(jì)研究》波動(dòng)較小。而就局部來(lái)看，《美國(guó)經(jīng)濟(jì)評(píng)論》的年產(chǎn)量比較平穩(wěn)，而《經(jīng)濟(jì)研究》的年產(chǎn)量波動(dòng)較大。
圖1 文章年產(chǎn)量
2.2.2 高產(chǎn)作者分析
圖2和圖3分別展示了《美國(guó)經(jīng)濟(jì)評(píng)論》和《經(jīng)濟(jì)研究》的高產(chǎn)作者數(shù)量?！睹绹?guó)經(jīng)濟(jì)評(píng)論》期刊中，nmax=24，得m=3.6，即發(fā)表文章在4篇及以上的作者為高產(chǎn)作者，有532位作者?！督?jīng)濟(jì)研究》期刊中，nmax=39，得m=4.7，即發(fā)表文章在5篇及以上的作者為高產(chǎn)作者，有240位作者。通過(guò)對(duì)比發(fā)現(xiàn)，《美國(guó)經(jīng)濟(jì)評(píng)論》的高產(chǎn)作者人數(shù)多于《經(jīng)濟(jì)研究》。就最高產(chǎn)作者發(fā)表文章數(shù)來(lái)看，《經(jīng)濟(jì)研究》高于《美國(guó)經(jīng)濟(jì)評(píng)論》。
圖2 《美國(guó)經(jīng)濟(jì)評(píng)論》高產(chǎn)作者 圖3 《經(jīng)濟(jì)研究》高產(chǎn)作者
2.2.3 文章合著分析
《美國(guó)經(jīng)濟(jì)評(píng)論》1990-2015年間共發(fā)表5095篇文章，合著文章共3326篇，占總發(fā)表文章的65%。由圖4的年合著率可以看出，合著率整體呈上升趨勢(shì)。1990年合著率最低，占43%；2012年合著率最高，占82%?！督?jīng)濟(jì)研究》1990-2015年間共發(fā)表3971篇文章，其中合著文章共2014篇，占總發(fā)表文章的51%。年合著率整體呈上升趨勢(shì)，1996年合著率最低，有13%，2014年合著率最高，有88%。
圖4 文章合著率 圖5 作者人數(shù)分布
通過(guò)對(duì)比合著率發(fā)現(xiàn)，隨著時(shí)間的推移，《美國(guó)經(jīng)濟(jì)評(píng)論》與《經(jīng)濟(jì)研究》合著率的差距越來(lái)越小。1990-2005年《美國(guó)經(jīng)濟(jì)評(píng)論》的合著率均高于《經(jīng)濟(jì)研究》。2006年，《經(jīng)濟(jì)研究》的合著率超過(guò)了《美國(guó)經(jīng)濟(jì)評(píng)論》。2006-2013年之間，《美國(guó)經(jīng)濟(jì)評(píng)論》和《經(jīng)濟(jì)研究》的合著率相當(dāng)。2014年和2015年《經(jīng)濟(jì)研究》的合著率明顯高于《美國(guó)經(jīng)濟(jì)評(píng)論》。由以上數(shù)據(jù)可以得出結(jié)論：合著已經(jīng)成為了一種比較普遍的現(xiàn)象。
針對(duì)《美國(guó)經(jīng)濟(jì)評(píng)論》和《經(jīng)濟(jì)研究》，我們統(tǒng)計(jì)了合作者人數(shù)及文章數(shù)，統(tǒng)計(jì)結(jié)果發(fā)現(xiàn)，《美國(guó)經(jīng)濟(jì)評(píng)論》合著作者人數(shù)最多為12人。對(duì)比之下，《經(jīng)濟(jì)研究》合著作者人數(shù)最多為16人。對(duì)比《美國(guó)經(jīng)濟(jì)評(píng)論》和《經(jīng)濟(jì)研究》的合作者人數(shù)(見(jiàn)圖5)，就一位作者來(lái)看，《經(jīng)濟(jì)研究》的合著占比高于《美國(guó)經(jīng)濟(jì)評(píng)論》。作者人數(shù)為2、3、4時(shí)，《美國(guó)經(jīng)濟(jì)評(píng)論》的占比均高于《經(jīng)濟(jì)研究》。綜上所述，《美國(guó)經(jīng)濟(jì)評(píng)論》的作者傾向于合作，且以二人合作的形式居多；《經(jīng)濟(jì)研究》的作者更傾向于獨(dú)著。
2.2.4 關(guān)鍵詞分析
將《美國(guó)經(jīng)濟(jì)評(píng)論》的摘要分詞除去停止詞后，統(tǒng)計(jì)詞語(yǔ)的頻數(shù)。將詞語(yǔ)按出現(xiàn)的次數(shù)從高到低排序，取前100個(gè)高頻詞語(yǔ)作詞云圖(見(jiàn)圖6)。由圖6發(fā)現(xiàn)，模型、影響、市場(chǎng)、價(jià)格出現(xiàn)的次數(shù)最多，即是《美國(guó)經(jīng)濟(jì)評(píng)論》的作者最關(guān)注的方面。取詞頻最高的前15個(gè)詞語(yǔ)作柱狀圖，結(jié)果如圖7所示。提取的高頻詞語(yǔ)能夠反映出《美國(guó)經(jīng)濟(jì)評(píng)論》文獻(xiàn)關(guān)注的主要內(nèi)容，主要包括經(jīng)濟(jì)市場(chǎng)情況、影響、價(jià)格、政策、消費(fèi)、變化等，其中最關(guān)注模型，說(shuō)明《美國(guó)經(jīng)濟(jì)評(píng)論》的作者更多地致力于模型的研究。
圖6 《美國(guó)經(jīng)濟(jì)評(píng)論》高頻詞詞云圖 圖7 《美國(guó)經(jīng)濟(jì)評(píng)論》高頻詞柱狀圖
按照同樣的方式對(duì)《經(jīng)濟(jì)研究》詞頻進(jìn)行統(tǒng)計(jì)，繪制圖8、圖9。由圖8發(fā)現(xiàn)，中國(guó)、經(jīng)濟(jì)、影響、企業(yè)出現(xiàn)的次數(shù)最多，即是《經(jīng)濟(jì)研究》的作者最關(guān)注的方面。從提取的高頻詞語(yǔ)能夠反映出《經(jīng)濟(jì)研究》文獻(xiàn)關(guān)注的主要內(nèi)容，主要包括我國(guó)經(jīng)濟(jì)情況、企業(yè)狀況、面臨問(wèn)題、理論方面、改革等，其中最關(guān)注經(jīng)濟(jì)，說(shuō)明《經(jīng)濟(jì)研究》的作者更關(guān)注于我國(guó)的經(jīng)濟(jì)情況。
圖8 《經(jīng)濟(jì)研究》高頻詞詞云圖 圖9 《經(jīng)濟(jì)研究》高頻詞柱狀圖
根據(jù)《美國(guó)經(jīng)濟(jì)評(píng)論》和《經(jīng)濟(jì)研究》高頻詞的詞云圖發(fā)現(xiàn)，《美國(guó)經(jīng)濟(jì)評(píng)論》和《經(jīng)濟(jì)研究》的作者均比較關(guān)注經(jīng)濟(jì)、政策、模型、理論、影響、企業(yè)、勞動(dòng)力、產(chǎn)品等。除此之內(nèi)外，《美國(guó)經(jīng)濟(jì)評(píng)論》的作者還比較關(guān)注工資、消費(fèi)等，均是站在個(gè)人的角度和作者日常生活息息相關(guān)的。而《經(jīng)濟(jì)研究》的作者還比較關(guān)注農(nóng)業(yè)、農(nóng)村、工業(yè)等。
2.3 文本的主題分析
近年來(lái)，主題模型主要同文本聚類(lèi)和文本分類(lèi)相結(jié)合，應(yīng)用于文獻(xiàn)搜索和文獻(xiàn)推薦等方面，LDA模型和CTM模型為主要應(yīng)用模型。本小節(jié)針對(duì)《經(jīng)濟(jì)研究》和《美國(guó)經(jīng)濟(jì)評(píng)論》的數(shù)據(jù)，對(duì)其進(jìn)行LDA主題模型和CTM主題模型分析。
2.3.1 《經(jīng)濟(jì)研究》的主題分析
根據(jù)《經(jīng)濟(jì)研究》的自身特點(diǎn)并且通過(guò)觀察高頻率詞語(yǔ)不斷調(diào)試主題個(gè)數(shù)，觀察結(jié)果，最終確定《經(jīng)濟(jì)研究》主題個(gè)數(shù)為6個(gè)。
(1)LDA主題模型：得到的6個(gè)主題如表1所示，除第5個(gè)主題是理論經(jīng)濟(jì)學(xué)外，其他主題均是應(yīng)用經(jīng)濟(jì)學(xué)。
表1 《經(jīng)濟(jì)研究》LDA主題模型結(jié)果
(2)CTM主題模型:6個(gè)主題如表2所示，除第5主題和第6主題是理論經(jīng)濟(jì)學(xué)外，其他主題均是應(yīng)用經(jīng)濟(jì)學(xué)的內(nèi)容。
2.3.2 《美國(guó)經(jīng)濟(jì)評(píng)論》的主題分析
根據(jù)《美國(guó)經(jīng)濟(jì)評(píng)論》的自身特點(diǎn)并且通過(guò)觀察高頻率詞語(yǔ)不斷調(diào)試主題個(gè)數(shù)，觀察結(jié)果，最終確定，將《美國(guó)經(jīng)濟(jì)評(píng)論》分為8個(gè)主題。
(1)LDA主題模型：各個(gè)主題詞根據(jù)其在文本主題出現(xiàn)的概率按照降序排列，如表3所示。
表3 《美國(guó)經(jīng)濟(jì)評(píng)論》LDA主題模型結(jié)果
(2)CTM主題模型：運(yùn)用CTM主題模型得到的8個(gè)主題如表4所示，這同LDA模型的結(jié)果(表3)有所不同。
表4 《美國(guó)經(jīng)濟(jì)評(píng)論》CTM主題模型結(jié)果
2.3.3 總結(jié)與對(duì)比
經(jīng)過(guò)上述分析，我們得到以下發(fā)現(xiàn)：
(1)在《美國(guó)經(jīng)濟(jì)評(píng)論》和《經(jīng)濟(jì)研究》數(shù)據(jù)集上，LDA主題模型效果更好一些。
(2)《美國(guó)經(jīng)濟(jì)評(píng)論》的LDA模型和CTM模型的結(jié)果都共同包括社會(huì)經(jīng)濟(jì)學(xué)、財(cái)政學(xué)、國(guó)際貿(mào)易學(xué)，但主題的詞語(yǔ)有所差別。除此之外，LDA模型主題還包括投資學(xué)、教育經(jīng)濟(jì)學(xué)、國(guó)際貿(mào)易學(xué)、金融學(xué)和生育率對(duì)經(jīng)濟(jì)影響。CTM模型主題還包括政治經(jīng)濟(jì)學(xué)、發(fā)展經(jīng)濟(jì)學(xué)、保險(xiǎn)學(xué)、貨幣銀行學(xué)和宏觀經(jīng)濟(jì)學(xué)。
(3)《經(jīng)濟(jì)研究》的LDA模型和CTM模型的結(jié)果都共同包含國(guó)民經(jīng)濟(jì)學(xué)、國(guó)際貿(mào)易學(xué)、貨幣銀行學(xué)、產(chǎn)業(yè)經(jīng)濟(jì)學(xué)和政治經(jīng)濟(jì)學(xué)方面的內(nèi)容，但主題的詞語(yǔ)有所差別。除此之外，LDA模型還包括投資學(xué)等內(nèi)容。CTM模型還包括宏觀經(jīng)濟(jì)學(xué)內(nèi)容。
(4)《美國(guó)經(jīng)濟(jì)評(píng)論》包括8個(gè)主題，《經(jīng)濟(jì)研究》包括6個(gè)主題。對(duì)比它們的LDA模型結(jié)果，發(fā)現(xiàn)《美國(guó)經(jīng)濟(jì)評(píng)論》和《經(jīng)濟(jì)研究》的主題均包含國(guó)民經(jīng)濟(jì)學(xué)、投資學(xué)和國(guó)際貿(mào)易學(xué)。除此之外，《美國(guó)經(jīng)濟(jì)評(píng)論》主題還包括社會(huì)經(jīng)濟(jì)學(xué)、財(cái)政學(xué)、教育經(jīng)濟(jì)學(xué)、金融學(xué)和生育率對(duì)經(jīng)濟(jì)的影響；《經(jīng)濟(jì)研究》主題還包括政治經(jīng)濟(jì)學(xué)、產(chǎn)業(yè)經(jīng)濟(jì)學(xué)、貨幣銀行學(xué)。
3 結(jié)語(yǔ)
通過(guò)對(duì)《美國(guó)經(jīng)濟(jì)評(píng)論》和《經(jīng)濟(jì)研究》文獻(xiàn)的文本數(shù)據(jù)的提取，對(duì)結(jié)構(gòu)性數(shù)據(jù)進(jìn)行描述性分析，對(duì)摘要進(jìn)行分詞、特征表示和特征提取，進(jìn)而進(jìn)行聚類(lèi)分析和主題分析。
迄今為止，在針對(duì)期刊文本的研究中，所采用的分詞技術(shù)主要是單一的針對(duì)中文，很少將中英文分詞過(guò)程作對(duì)比。本文通過(guò)對(duì)外文期刊《美國(guó)經(jīng)濟(jì)評(píng)論》和中文期刊《經(jīng)濟(jì)研究》的摘要分詞，對(duì)比中英文分詞的相同與不同，從而為科研工作者提供便利。此外，本文深層次地挖掘中美兩國(guó)經(jīng)濟(jì)研究領(lǐng)域權(quán)威期刊的內(nèi)容，其結(jié)果對(duì)該領(lǐng)域?qū)W者的研究工作有一定的參考價(jià)值。
猜你喜歡
童話王國(guó)·奇妙邏輯推理(2024年5期)2024-06-19 16:03:38
今日農(nóng)業(yè)(2022年14期)2022-09-15 01:44:56
中學(xué)生數(shù)理化·七年級(jí)數(shù)學(xué)人教版(2020年10期)2020-11-26 08:24:50
民生周刊(2020年13期)2020-07-04 02:49:22
數(shù)學(xué)物理學(xué)報(bào)(2020年2期)2020-06-02 11:29:24
制造技術(shù)與機(jī)床(2019年10期)2019-10-26 02:48:08
電子制作(2018年18期)2018-11-14 01:48:06
華人時(shí)刊(2018年23期)2018-03-21 06:26:00
光學(xué)精密工程(2016年6期)2016-11-07 09:07:19
小學(xué)教學(xué)參考(2015年20期)2016-01-15 08:44:38
長(zhǎng)春大學(xué)學(xué)報(bào)2019年6期
- 長(zhǎng)春大學(xué)學(xué)報(bào)的其它文章
- 長(zhǎng)春大學(xué)特殊教育學(xué)院學(xué)生作品
- 美國(guó)大學(xué)人力資源管理專(zhuān)業(yè)碩士培養(yǎng)模式及啟示
- 應(yīng)用型本科院校烹飪專(zhuān)業(yè)師資實(shí)踐教學(xué)能力提升途徑探究
- 多元教學(xué)法在“園林樹(shù)木學(xué)”理論課教學(xué)中的應(yīng)用與實(shí)踐
- 基于網(wǎng)絡(luò)的大學(xué)英語(yǔ)口語(yǔ)自主學(xué)習(xí)多維監(jiān)控研究
- 安徽省高校跆拳道運(yùn)動(dòng)的SWOT分析與對(duì)策研究