超级电容器纳米材料:用无监督机器学习揭示研究主题
统计力学
2022-12-29 v1 材料科学
计算物理
摘要
识别文本中的重要主题有助于知识整理、发现主题趋势并预测未来方向。在本文中,我们旨在通过所提出的无监督机器学习方法,定量检测新兴超级电容器研究领域中最为常见之研究主题,并总结其趋势与特征。我们已从Scopus数据库检索了2004年至2021年所有原创研究文章的摘要参考文献条目。摘要经过自然语言处理流水线处理,并通过潜在狄利克雷分配主题建模算法进行分析以进行无监督主题发现。九个主要主题通过主题-词关联、主题间距离图和主题特定词云被进一步考察。我们观察到最受重视的是性能指标(28.2%)、柔性电子(8%)和石墨烯基纳米复合材料(10.9%)。分析还指出了朝向生物衍生碳纳米材料(如RGO)和柔性超级电容器的重要未来研究方向。
引用
@article{arxiv.2212.13550,
title = {Nanomaterials for Supercapacitors: Uncovering Research Themes with Unsupervised Machine Learning},
author = {Mridhula Venkatanarayanan and Amit K Chakraborty and Sayantari Ghosh},
journal= {arXiv preprint arXiv:2212.13550},
year = {2022}
}