2026年7月，管理科学与工程研究生卢明涛与我院数智决策研究中心王婉茹老师、我校图书馆黄小玲老师合作完成的论文“Integrating structural and content semantics in dynamic heterogeneous networks for emerging topics prediction”在国际期刊Knowledge and Information Systems发表。Knowledge and Information Systems是一本专注于知识系统、数据挖掘、机器学习与人工智能等领域的国际学术期刊，属于计算机科学领域CCF-B类期刊。该论文的工作受到了国家自然科学基金项目的支持。
现有新兴主题预测研究主要聚焦于主题相关特征刻画与新兴属性指标构建，但前者往往未能充分考虑不同学术实体对主题演化的差异化影响，后者则较少将知识创新性纳入衡量范畴。针对上述不足，本文提出一种融合结构信息与内容语义的动态异构网络新兴主题预测框架。该框架主要包括以下几个部分：①基于真实科研系统，构建由论文、作者、主题和期刊四类实体及其关联关系组成的动态异构网络；②提出主题感知机制，在提取主题共演化特征的基础上，进一步刻画不同学术实体对主题演化的差异化影响，以增强主题相关特征的表征能力；③为更加全面地衡量主题的新兴程度，提出综合考虑主题流行度与相对主题新颖性的新兴指数，并通过科学文本的内容语义表征刻画知识创新性；④综合主题自身特征与共演化特征，对不同主题的新兴程度进行预测。基于脑肿瘤和心血管异常数据集的实证分析验证了所提框架的有效性。本研究可为新兴主题预测方法体系的完善及相关实践应用提供理论依据与方法参考。
引用信息：
Wang, W., Lu, M. & Huang, X.(2026).Integrating structural and content semantics in dynamic heterogeneous networks for emerging topics prediction.Knowledge andInformationSystems,68, 228.https://link.springer.com/article/10.1007/s10115-026-02848-5#article-info
