Trending Topics & Burst Detection
Emerging terms and citation bursts over the publication timeline.
- 계열
- Computational thematic
- 엔진
- Lacuna native (Python)
언제 사용하는가
주제를 지도화하고, 어떻게 진화하는지 추적하며, 후보 공백을 텍스트 근거로 표시하는 데 사용하세요.
코퍼스 텍스트 전반에서 개념적 근접성, 반복, 침묵의 영역을 드러냅니다. 이는 전산적이며 — Braun–Clarke 성찰적 주제 분석이 아닙니다.
생성되는 그림
- 추세 스파크라인
한계와 적용 범위
- 이것은 계산적 분석이며 Braun–Clarke의 성찰적 주제 분석이 아닙니다 — 텍스트의 패턴을 드러내지만 그 의미를 대신 해석하지는 않습니다.
- 결과는 제공하신 연구, 말뭉치, 매개변수와 선택한 모형에 따라 달라집니다. 이 분석은 보고된 그대로 근거를 요약하며 인과관계를 확립하지 않습니다.
- 모든 그림은 출처를 담고 있으며, 모든 실행은 동일한 입력, 매개변수, 엔진 버전으로부터 비트 단위까지 재현할 수 있습니다.
이 계열에서
- Co-word Analysis & Thematic MapKeyword co-occurrence clustered into a strategic diagram (centrality × density).
- Topic Modeling (LDA / NMF)Probabilistic or matrix-factorisation topics over the full-text corpus.
- Embedding-based Topic ClusteringDocuments embedded (TF-IDF by default; transformer/SBERT optional) and clustered into semantically coherent topics.
- Factorial AnalysisMCA / correspondence analysis projecting terms into a conceptual map.
- Thematic EvolutionHow themes split, merge and flow across time slices (Sankey).