竞争情报是关于竞争环境、对手及策略的研究,也是社会信息化与经济演变的产物,最终目标是提升自身的综合竞争能力,能够在时代浪潮更迭中拥有一席之地。分析总结竞争情报主题及内容的发展状况有利于发现当下竞争情报研究中的重点,掌握总体趋势脉络,为领域内科研工作提供参考与启迪。论文利用LDA(隐含狄利克雷分布Latent Dirichlet Allocation)主题模型挖掘出隐含在相关文本中的主题,探究了竞争情报研究领域的主题演化趋势与发展情况。LDA是文本语义分析中的常用模型,属于无监督机器学习技术。主题建模区别于常规的基于关键词共现的方法,它将能够概括及保留文章原始内容的摘要作为分析对象,解决利用关键词分析所带来的词异义问题。论文利用LDA主题模型能识别大规模文档隐含主题的特性,对国内近20年来的竞争情报相关文献进行文本挖掘。具体借助Eclipse开发平台导入JGibbLDA-V.1.0,使用java语言完成LDA建模与数据预处理,并运用困惑度来设定模型主题数目,得到竞争情报领域的20个研究主题。随后划分时间窗口,用后离散的方法做出文档-主题概率分布以计算强度,最后基于主题强度挖掘出热门主题,基于新颖度划分出前沿主题。本文根据模型训练得出了20个重要主题及主题演化趋势,在前沿热点主题分析基础上按照主题生长状况区分类别,并结合制图软件对文本数据进行可视化展现,最后综合趋势探究其演化原因,并对不同主题研究状况做出了具体分析,为未来发展提出了建议与策略。