مدل‌سازی موضوعی و کاربرد آن در پژوهش‌ها: مروری بر ادبیات تخصصی

مقدمه: مدل‌سازی موضوعی یکی از تکنیک‌های متن‌کاوی است که امکان کشف موضوعات نامعلوم در مجموعه اسناد، تفسیر اسناد بر اساس این موضوعات و استفاده از این تفاسیر برای سازماندهی، خلاصه کردن و جستجوی متن‌ها را به‌طور اتوماتیک میسر می‌کند. آشنایی با مفهوم و تکنیک مدل‌سازی موضوعی، و کاربرد آن در کشف موضوعات و سازمان‌دهی منابع اطلاعاتی از اهداف اصلی این پژوهش است.روش شناسی: پژوهش حاضر از نوع کتابخانه‌ای است که در آن، ضمن معرفی مدل‌سازی موضوعی، به دسته‌بندی و مرور کاربردهای این تکنیک بر اساس ماهیت عملکردی آن و ارائه نمونه تحقیقاتی که از این تکنیک استفاده نموده‌اند پرداخته است.یافته‌ها: الگوریتم‌های مدل‌سازی موضوعی علاوه بر سه هدف اصلی مبنی بر کشف موضوعات پنهان، تفسیر اسناد بر اساس موضوعات و نهایتاً سازمان‌دهی و طبقه‌بندی متون، در کشف موضوعات و روابط پنهان در حوزه‌های علوم، بازیابی اطلاعات، دسته‌بندی مدارک بر اساس موضوعات، کشف الگوهای برجسته و رویدادهای در حال ظهور، خوشه‌بندی مفاهیم حوزه‌های علمی، تحلیل سیر تحول مفهومی در طول دوره‌های تاریخی، تعیین روابط سلسه‌مراتبی مفاهیم یک حوزه یا زمینه خاص علمی و غنی‌سازی فهرست واژگان کاربرد دارد.نتیجه‌: مدل‌سازی موضوعی با تکیه بر یادگیری ماشین و بهره‌گیری از دانش هوش مصنوعی به‌عنوان یکی از رویکردهای نوین سازماندهی منابع اطلاعاتی مطرح شده و مطالعات جدی در این زمینه در حال انجام است. لذا با کاربرد الگوریتم‌های مدل‌سازی موضوعی در راستای خودکارسازی استخراج موضوع و کشف موضوعات نهان موجود در منبع می‌توان بر تقویت و روزآمدسازی نظام‌های نوین سازمان‌دهی منابع اطلاعاتی عمل کرد.

Topic Modeling and its Application in Research: A Review of Specialized Literature

Introduction: Topic modeling is one of the text mining techniques that allows you to discover unknown topics in a collection of documents, interpret documents based on these topics, and use these interpretations to organize, summarize, and search for texts automatically. Familiarity with the concept and technique of topic modeling, and its application in discovering topics and organizing information is one of the main goals of this research.Methodology: The present study is a reviewanalytical type in which, while introducing topic modeling, it has categorized and reviewed the applications of this technique based on its performance and provided a sample of research that has used this technique.Findings: Topic modeling algorithms is used not only in addition to the three main objectives of discovering hidden topics, interpreting documents based on topics, and finally organizing and classifying texts, but also is used in discovering hidden topics and relationships in the fields of science, information retrieval, categorizing documents based on topics, discovering outstanding patterns and emerging events, clustering the concepts of scientific fields, analyzing the course of conceptual evolution during historical periods, determining the hierarchical relationships of concepts. A specific scientific field or field and vocabulary enrichment.Conclusion: Topic modeling based on machine learning and artificial intelligence knowledge has been proposed as one of the new approaches to organizing information resources and serious studies are being conducted in this field. Therefore, by using topic modeling algorithms in order to automate the extraction of the subject and discover the hidden issues in the source, it is possible to strengthen and update the new systems of organizing information resources.