当今论文库在快速地更新,其中也产生了更多的研究领域,所以了解研究主题随着时间的推移如何演变变得十分重要。因此需要开发一套专门的系统来挖掘某一研究领域的学术流变和知识流动网络,去发现新兴的主要研究趋势和具有重要影响力的里程碑式论文。目前国内有关社科论文的分析工作,大多停留在对独立的数据集采取定量与定性评价相结合的方法进行统计分析,而缺少对数据集之间进行关联分析,难以得到有效且直观的分析结果。不同于基本单位为词的英文单词,中文词汇的处理也将是系统中一个重要的待解决问题。本系统详细分析了社科论文的问题,并介绍了社科论文的数据特点,包括领域众多和领域内专业词汇较多等,所以通过简单的数据统计并不能发现主题演化等信息。本系统提出了针对社科论文特点的文本预处理方法,包括数据格式转换、分词、去除停用词以及建立各领域的专用词典。由于BERT与CitationLDA能较好地生成句向量并进行主题聚类,不同于普通的基于内容的LDA模型,利用引文信息的Citation-LDA模型能够极大的减少计算复杂度,并且由于利用了共引信息,所以模型更能发现主题下能够代表主题的里程碑式论文。因此本文的数据分析模块主要以文本表示模型以及主题模型为基础,通过对社科论文的题录信息和正文信息进行分析,挖掘核心论文以及学术流变相关信息。为此,系统采用了Word2Vec、BERT等模型生成向量帮助主题聚类,采用LDA与citation-LDA模型来分析主题依赖和主题的演化模式,并将此模块集成到整个系统中。系统还将完成文献检索、模型管理等功能,并开发设计开发分词训练模块,提供给专业人员使用,来帮助建立各领域的专用词典。本系统前端使用Vue.js与bootstrap框架来实现数据分析的可视化;后端使用Spring Boot框架来实现数据管理、模型管理的服务,使用Python语言编写数据分析模型与脚本;数据方面采用Elastic Search分布式引擎,用于数据存储搜索,数据集采用了南京大学数据中心提供的引文信息数据库以及经济学等社科领域的全文PDF文件。本人在系统中承担了后端代码编写、模型搭建、数据训练等工作。