信息技术在知识管理领域扮演着一个非常重要的角色。应用信息技术将杂乱无序的数据信息显示于知识图表中己成为当前研究的一个热点问题。期刊投稿是一个发表研究成果的重要渠道,鉴于期刊的类别与数量越来越多,按照目前的人工获取知识的作业方式人们想要掌握这些文献所蕴含的潜在知识十分困难,有时还会得到错误的结论。基于这个前提,本文研究了生长层级式自组织映射神经网络(GHSOM)在文本聚类分析的关键技术,并结合文献计量学与信息扩散理论对来自金属矿开采杂志和会议论文集的1401篇论文进行了文本聚类分析并尝试揭示当前金属矿采矿工程的重点研究方向和学科研究的发展趋势。本论文利用自组织映射图技术作为信息可视化工具,揭示学术领域中研究与发展的趋势。通过学科领域中出版的论文文字资料作为输入,抽取重要主题的词语作为论文的特征,并利用词语的共性关系产生代表该领域研究主题的自组织映射图。最后将论文投射到自组织映射图上,依据论文的发表时间,便可以确认这个领域在不同时期研究与发展的重点,了解主题的变化趋势。本文以国内金属矿开采领域作为研究对象,主要的研究内容包括:1.利用TF/IDF算法编制生成文献向量空间模型的程序。2.基于MATLAB的GHSOM神经网络金属矿文献聚类分析。3.结合文献计量学与信息扩散理论提出文献聚类结果的分析方法。4.通过建立金属矿文献聚类分析模型对1401篇相关文献进行分析,揭示当前金属矿开采研究的主要研究方向和未来的发展趋势。本研究期望可以加速繁杂且大量的期刊文献分析过程,并将金属矿开采研究领域与信息管理技术结合对文字信息予以量化,为预测专业研究发展趋势提供有力的依据。且寄望通过将此种技术与其它学科方向结合,帮助其它学科快速找准研究趋势,提高科研和科研管理作业的效率。另外,在网络技术方面,未来的搜索引擎通过采用本研究中的技术建立主题知识地图将搜索到的信息进行分类并按照层次关系展示将有巨大的前景。