Identification of Emerging Scientific Topics in Bibliometric Databases
Abstract:
Bibliometrie, Maschinelles Lernen, LDA, Clustering, Neue Themen
Abstract = Frühzeitiges Erkennen von aufkommenden Themengebieten in der Wissenschaft unterstützt sowohl Entscheidungen auf individueller als auch öffentlicher Ebene. Viele bestehende Verfahren beschränken sich auf eine retrospektive (Zitations-)Analyse der Publikationsdaten. Das Ziel der vorliegenden Arbeit war deshalb die Entwicklung eines Verfahrens, das zeitnah und neutral sogenannte "emerging topic candidates" aus einem Set von wissenschaftlichen Publikationen auswählt.
Abstract = Frühzeitiges Erkennen von aufkommenden Themengebieten in der Wissenschaft unterstützt sowohl Entscheidungen auf individueller als auch öffentlicher Ebene. Viele bestehende Verfahren beschränken sich auf eine retrospektive (Zitations-)Analyse der Publikationsdaten. Das Ziel der vorliegenden Arbeit war deshalb die Entwicklung eines Verfahrens, das zeitnah und neutral sogenannte "emerging topic candidates" aus einem Set von wissenschaftlichen Publikationen auswählt.
| Zugehörige Institution(en) am KIT | Institut für Angewandte Informatik und Formale Beschreibungsverfahren (AIFB) |
| Publikationstyp | Hochschulschrift |
| Publikationsjahr | 2014 |
| Sprache | Englisch |
| Identifikator | urn:nbn:de:swb:90-421074 KITopen-ID: 1000042107 |
| Verlag | Karlsruher Institut für Technologie (KIT) |
| Art der Arbeit | Dissertation |
| Fakultät | Fakultät für Wirtschaftswissenschaften (WIWI) |
| Institut | Institut für Angewandte Informatik und Formale Beschreibungsverfahren (AIFB) |
| Prüfungsdaten | 18.07.2014 |
| Nachgewiesen in | OpenAlex |
| Globale Ziele für nachhaltige Entwicklung | |
| Referent/Betreuer | Studer, Rudi |
