科技文献是科技人员共享科研成果和学科知识的主要渠道之一,其中蕴含着科学技术的创新理论、技术、方法和成果,反映了学科技术领域的最新研究进展及趋势。化工行业是我国国民经济发展的重要基础产业之一。随着化工领域技术发展的不断深入,该领域科技文献数量增长迅速、专业新术语层出不穷、理论技术更新迅速等。面对海量的领域科技文献,科研工作者追踪研究热点,把握最新研究前沿和发展趋势面临着信息筛选困难。利用文本数据挖掘技术,从大量领域科技文献中分析和预测研究热点,能够帮助科技人员及时准确地把握研究热点和技术发展的前沿。然而,传统的相关模型或方法存在缺乏语义信息、时效性差等不足。本文结合深度学习、主题模型和小波变换等理论模型,提出了针对化工领域的热点分析和趋势方法与模型,完成了从数据获取、热点分析、趋势预测到应用系统开发的全流程工作,主要工作具体如下:（1）数据采集:本文通过开发网络爬虫,从互联网公开渠道获取到1990-2020年间18万条化工领域的科技文献,包括论文的发表时间、标题、摘要、关键词等数据项。（2）科研热点的分析:本文提出基于BERT模型的研究热点分析方法。该方法采用高频关键词分析产生化工领域研究热点标签,并利用BERT模型为上述研究热点标签生成具体描述主题关键词集。其中,针对传统关键词提取方法不足,本文提出了基于融合主题感知和标题导向的关键词生成方法,充分利用了文档的潜在主题和标题中的强语义信息,辅助关键词的生成。该方法不仅考虑了语义信息,而且可以生成文档中未出现的关键词。（3）科研热点趋势预测:针对研究热点时序转化困难及传统预测模型效果不佳等问题,本文提出了基于小波变换和长短期记忆网络相结合的预测模型。该模型利用平稳小波变换提取科研热点中隐含的周期性,并将研究热点序列分解为高频和低频子序列后使用LSTM神经网络对子序列进行预测并重构。该方法有效的实现了对未来一段时间内化工领域研究热点的预测。（4）研究热点的可视化系统。基于上述数据、方法和模型分析结果,采用Python语言、Django框架开发,设计并开发了一套化工领域研究热点和趋势预测系统。该系统可直观地展示了化工领域的研究热点及其演化趋势。