27216

تحليل مقالات علمي در حوزه راه‌‌آهن با استفاده از تكنيك‌هاي متن‌كاوي

كارشناسي ارشد

مهندسي حمل‌ونقل ريلي

1398

1401/08/01

مسعود يقيني

مهندسي راه‌آهن

سالانه مقالات علمي زيادي در موضوعات مرتبط با راه‌آهن منتشر مي‌شود. اين مقالات به عنوان يكي از اصلي‌ترين اركان انتقال دانش براي متخصصان حوزه ريلي شناخته مي‌شوند. از اين رو، بررسي روندهاي تحقيقاتي براي موضوعات اصلي در اين مقالات، از اهميت بالايي برخوردار است. در اين پژوهش با استفاده از مدل‌سازي موضوعي، يك مدل تخصيص پنهان ديريكله بر روي عنوان و چكيده مقالات حوزه راه‌آهن به منظور كشف بيست موضوع پنهان در آن‌ها، ارائه شده است. تركيب آماري هر موضوع استنباط‌ شده نيز در قالب ابر كلمات، تجزيه و تحليل شده است. داده‌هاي ورودي شامل 3127 مقاله علمي مرتبط با راه‌آهن است كه در 26 ژورنال پيشرو در حوزه حمل‌ونقل، از سال 2007 تا 2021 منتشر شده است. با محاسبه معيار توزيع موضوع براساس زمان، روند موضوعات در طول زمان،‌ محبوب‌ترين موضوعات و موضوعات با بيش‌ترين ميزان كاهش يا افزايش محبوبيت مشخص شده‌اند. نتايج نشان مي‌دهد كه محبوب‌ترين موضوع در طول زمان مرتبط با مسائل بهينه‌سازي است. همچنين بيشترين ميزان افزايش و كاهش محبوبيت در سال‌هاي اخير به ترتيب متعلق به موضوعات زيرسازي و روسازي خطوط و ايمني مي‌باشد. به منظور تحليل ژورنال‌ها و كشورها از معيار توزيع موضوع براساس ژورنال و كشور استفاده شده است. بر اين اساس، چهار موضوع برتر در هر يك از ژورنال‌ها و كشورها مشخص شد و ژورنال و كشوري كه بيش‌ترين توجه را به هر يك از موضوعات داشتند، تعيين شدند. در نهايت با استفاده از خوشه‌بندي سلسله مراتبي، ژورنال‌ها و كشورها براساس شباهت موضوعي بين آن‌ها، خوشه‌بندي شده‌اند. نتايج اين تحقيق نشان مي‌دهد كه مي‌توان از مدل‌سازي موضوعي به عنوان روشي مناسب براي روشن كردن زمينه‌هاي تحقيقاتي در راه‌آهن استفاده كرد. همچنين اين تحقيق، مي‌تواند به عنوان پايه‌اي براي تحليل روند اكتشافي در راه‌آهن و ساير زمينه‌هاي مرتبط در آينده باشد.

1401/08/07

Analyzing railways literature using text mining techniques

10/23/2023 12:00:00 AM

A huge number of scientific articles are published annually on railway transportation. These articles can be considered as the major fundaments of knowledge dissemination for scholars of railway transportation. Therefore, investigating the research trend for main topics covered by these articles is of prime importance. Using topic modeling, this research presents a Latent Dirichlet Allocation Model for the title and abstract of articles of railways literature in order to discover twenty latent topics in this field. The statistical structure of each inferred topic has also been analyzed in the form of word cloud. The input data consisted of 3127 railway-related scientific articles published in 26 leading journals in the field of transportation from 2007 to 2021. By calculating the time based topic distribution metric, the topic trend over time, the most popular topics and the topics with the greatest decrease or increase in popularity were determined. The results show that the most popular topic over time pertains to optimization problems. Furthermore, the highest increase and decrease in popularity in recent years is for the Substructure and superstructure railway track and safety, respectively. In order to analyze journals and countries, the Journal and country based topic distribution metric was used. Accordingly, the top four topics in each journal and country were determined, and the journal and country that paid the most attention to each of the topics were determined. Finally, via using hierarchical clustering, journals and countries are clustered based on topic similarity between them. The results of this research show that topic modeling can be used as an appropriate method to clarify research areas in railways. In addition, this research can be used as a basis for the analysis of exploration process in railway and other relevant fields in the future.

تحليل مقالات علمي , راه‌آهن , متن‌كاوي , مدل‌سازي موضوعي

Analysis of scientific articles , Railway , Text mining , Topic modeling

Masoumeh Kargar

Masoud Yaghini