【科学文献计量】文本主题挖掘与可视化

本节按照四部分进行文本主题挖掘与可视化：（1）利用Jieba进行文献记录的主题标签提取，并计算标签与文献记录关键词相似度；（2）使用Sklearn进行文献记录主题挖掘（NMP和LDA模型）；（3）使用Gensim进行文献记录主题挖掘（LDA模型）并结合pyLDAvis库进行交互可视化展示。

1 文献记录的摘要主题标签提取，标签与关键词相似度计算

以WOS文献数据为例，借助mk库读取数据。首先对于文本数据需要进行停用词的去除，加载cntext中内置的停用词典，选择英文停用词。输出结果中显示该停用词词典共361个单词，数据类型为列表（为展示方便，只输出前50个单词）。除了加载该词典外，也可以自定义词典或者加载其它词典。
mk库中的forNLP()方法功能是将导入的RecordCollection数据类型直接转化为方便进行nlp（natural language processing）处理的数据格式。方法中第一个参数是可以指定处理后的数据保存的文件地址，接着剩下的参数就是对数据的处理。比如l