Detailergebnis zu DOK-Nr. 78566
Fallstudie zum Trend Mining in Artikeln des Transport Research Record (Orig. engl.: Case study of trend mining in Transportation Research Record articles)
| Autoren |
S. Das A. Dutta M.A. Brewer |
|---|---|
| Sachgebiete |
0.8 Forschung und Entwicklung 0.11 Datenverarbeitung |
Transportation Research Record: Journal of the Transportation Research Board Vol. 2674, H. 10, 2020, S. 1-14, 9 B, 3 T, 66 Q. - Online-Ressource: verfügbar unter: http://journals.sagepub.com/home/trr
In der Studie werden zwei Themenmodelle verwendet, um das sogenannte Trend Mining auf einer Fülle von Textdaten durchzuführen und Trends in Forschungsthemen aus riesigen Sammlungen unstrukturierter Dokumente über die Jahre hinweg zu ermitteln. In der Studie wurden Daten aus den Titeln und Zusammenfassungen der in der Zeitschrift Transportation Research Record seit 1974 veröffentlichten Artikel untersucht. Der Inhalt der Artikel war ideal für die Untersuchung von Forschungstrends in verschiedenen Forschungsbereichen, da er umfangreiche Textdaten enthält. In früheren Studien wurden explorative Analysewerkzeuge wie Text Mining eingesetzt, um beschreibende Informationen über die Daten zu erhalten. Diese Methode liefert den Forschenden jedoch keine Quantifizierungen der Themen und ihrer Korrelationen. Außerdem sind die in der Studie untersuchten Inhalte weitgehend unstrukturiert und erfordern daher schnellere Algorithmen für maschinelles Lernen, um sie zu entschlüsseln. Aus diesen Gründen entschied sich das Forschungsteam für den Einsatz von zwei Themenmodellierungswerkzeugen, der latenten Dirichlet-Zuordnung und dem strukturellen Themenmodell, um Trend Mining durchzuführen. Mit dieser Analyse gelang es, 20 Hauptthemen aus den Daten zu extrahieren, die durch Schlüsselwörter identifiziert wurden. Das Forschungsteam entwickelte außerdem zwei interaktive Themenmodell-Visualisierungstools, die zur Extraktion von Themen aus Zeitschriftentiteln beziehungsweise Abstracts verwendet werden können. Die Ergebnisse der Studie ermöglichen den Forschenden ein besseres Verständnis der Forschungsmuster in dem sich ständig weiterentwickelnden Bereich der Verkehrstechnikstudien.