本期组会成员:
硕 3: 李浩铭 → 管明露(请假) → 李山岚
硕 2: 朱丹晨 → 王硕 → 马婧怡
硕 1: 南迪柯 → 杨瑞豪
大 4: 吴芷萌(2027年入学研究生)
大 2: 张恩豪 → 李政杰
本期看点
- 李浩铭当场给网络添边,最后留下的连通分量却没变。一个小实验把讨论带回了算法的定义。
- 三份开题报告分别遇到了创新点、学科归属和样本规模的问题;李山岚的整稿则准备进入内审。
- 从城市专利的年份到主题热图的白条,几次讨论都落到了同一个可操作的问题上:顺着图往回查,它究竟读了哪些数据?
本期讨论 10 位
- 李浩铭 — 拆解曲线之外,增添层间边为什么没改变结果?
- 李山岚 — 论文主体补齐,送内审前再补一轮综述
- 朱丹晨 — 用双试点研究的问题串起综述和创新点
- 王硕 — 两套开题方案怎样落到公共管理问题上
- 马婧怡 — 拿到专项资金后,企业的专利会更贴近指南吗?
- 南迪柯 — 慢授权专利的技术前景,靠什么证据判断?
- 杨瑞豪 — 同一项专利,应该算在哪一年的哪座城市?
- 吴芷萌 — 第一个 LDA 实验跑通了,曲线还要往右看
- 张恩豪 — 从一张聚类热图,追到融合预测究竟要预测什么
- 李政杰 — 看完 Python 代码,把学习接回论文
一、李浩铭
拆解曲线之外,增添层间边为什么没改变结果?
📍 本期变化
多层网络的不可替代性评价有了一个需要解释的实验现象。
↪️ 上次到这次
上周讨论怎样把网络拆解过程画出来,让读者看出不同策略的差别。
📝 本次(2026-11-19)
本次汇报
先读曲线,再读散点。 李浩铭先把横轴指给大家看:从左到右,移除的节点占比逐步增加;纵轴表示这一刻网络还剩多少传播能力。起始种子数固定,各种策略在“一个也没移除”和“全部移除”两个端点上面对相同条件。把纵轴换成比例后,几条线最后都走到右下角。真正分出高下的是中间那段路。一种策略可以在某一步造成很陡的下跌,之后很长时间却降得很慢;另一种策略单步变化不突出,可能更早把传播余量持续压低。
因此他保留了两把尺子。曲线下面积(AUC)汇总各个移除比例下的传播余量,按本图定义越小越好;最大一次下跌衡量的是拆解过程中最剧烈的变化,越大表示这一次冲击越强。第二张图把每种移除策略画成一个点。以多层介数中心性为例,先给节点评分,再从高到低移除;点的位置来自整段实验,不能把一个点读成某个节点。
再看多层网络怎样一步步缩小。 为了找能够表达节点不可替代性的指标,他把同一张示例图算了两遍。先把两层叠在一起,沿着所有可见的边走,最大的连通分量里能数出 13 个节点。再分开 A、B 两层,按照演示采用的规则反复检查。比如 3 和 19 在 A 层已经分在不同的组,B 层尽管还画着它们之间的边,这条边也要重新判断。删掉一条边又可能留下孤立节点,下一轮便要回到另一层复查。手工走到最后,演示图中最大的分量只剩 4 个节点。这两个数字是同一张小图采用两种规则的结果。
真正让他停下来的是下一幕。他刷新演示,手工加了几条层间边,有些原本分开的组眼看就连起来了,再从头删,最后看起来却和刚才一样。还有一对节点在第二层有边、第一层没有边,走到最后究竟该不该保留?这才引出了两个演示程序的打算:先用同编号节点跨层一一对应的网络复核文献规则,再换成允许一对多、多对一关系的网络,看现象在哪一步发生变化。
林老师回应
林老师先追问纵轴的含义和节点移除顺序,再请李浩铭找出用“价格和效果”比较不同方案的那张图。组里借这张图讨论了帕累托前沿:有些方案便宜一些、效果也弱一些,需要权衡;只有同时看两个轴,才知道一个方案在哪种意义上占优。
说到手工删边,林老师建议让程序在本地生成更多小网络,寻找使结果改变的例子,并尝试从规则本身推导原因。李浩铭也澄清了这两张图的不同用途:策略比较图服务于论文表达;删边演示首先是给自己核对定义用的,他还在判断什么指标适合度量不可替代性。
⏭️ 下次检查点
用演示程序比较层间一一对应与允许其他连接方式的网络,查清哪些情况下最终分量会变。
🤖 AI分析与建议
怎样区分“选了不同策略”和“看见了不同现象”。 如果两条线都从同一点出发、在同一点结束,曲线下面积仍可不同,因为越早下降,后面的许多步都会保持较低余量。最大单步跌幅却可能出现在尾端。论文最好给这两个指标各配一句读图说明,并注明移除步长和归一化分母。比较候选方法时,只有另一方法在两个指标上都至少同样好、且至少一个严格更好,才能说前者被支配;位于前沿本身不能推出唯一最优。
给“加边不变”找一个最小反例。 可以保留 A、B 层内部结构,只改变一条跨层映射,分别记录新增边是否进入计算、何时被删、删后两层怎样重新分组,以及最终存活节点的编号。如果新增边在第一轮就被排除,终局相同有一个局部解释。如果它保留了好几轮,最后才收敛到相同节点集,才值得进一步研究迭代规则。还有一种容易漏看的情况:两次最后都剩四个节点,编号却不同。只比较分量大小会把两种结果混在一起。将手工例子与程序各轮输出对齐,才能决定下一步是修正实现、收紧适用条件,还是把观察发展为一个可证明的命题。
二、李山岚
论文主体补齐,送内审前再补一轮综述
📍 本期变化
论文进入整稿内审前的文献和背景补写阶段。
↪️ 上次到这次
上次讨论中期稿时,直接效应、机制和异质性分析都还需要补充文字说明。
📝 本次(2026-11-19)
本次汇报
李山岚把剩余工作限定得很具体。她说论文的主体文字已经补齐,原先开题阶段写的那部分综述还需要更新,文献准备补到约 60 篇;研究背景还要跟进新的政策材料。她并未提出重排章节,眼下需要做的是让早期写的引言、综述与现在已经成形的实证正文接得上。
林老师回应
林老师连续确认了两件事:整篇论文是否已经写齐,实证部分是否也齐了。李山岚确认后,又区分了两种剩余工作:补文献、更新背景是当前收尾,额外分析可以留到有时间时再试。两人据此定下交接点——本周补完参考文献就把整稿发来,林老师接着安排 AI 内审。
⏭️ 下次检查点
本周补好参考文献后发送整稿,供林老师安排内审。
🤖 AI分析与建议
这次内审尤其适合查一件只有整稿才能看出来的事:开题时许诺回答的问题,是否确实在结果章得到了回答。补文献时,可从一条已经写进结论的判断往回读,看综述有没有交代这条判断为何仍值得研究、理论部分有没有说明预期、实证部分有没有给出对应证据。遇到更新的政策,可交代它与研究时期的先后关系;样本期之后出台的政策更适合说明研究的现实意义。约 60 篇是会上谈到的整理规模,能否送审还要看关键论断能否找到相应来源。
三、朱丹晨
用双试点研究的问题串起综述和创新点
📍 本期变化
开题报告的难点,从跑出结果转到了说明研究贡献。
↪️ 上次到这次
此前围绕绿色创新效率指标和双政策试点调整实证方案,本次把重点移到开题报告的论证上。
📝 本次(2026-11-19)
本次汇报
朱丹晨把开题报告前半部分带到了会上。她根据上次讨论改了题目,研究背景还在修改。整理综述时,她从知网和 Web of Science 下载文献、整理表格,用这些材料形成初稿后再自行修订。校内不容易找到与双试点完全对应的结构,她还参考了外校硕博论文,准备先写结果变量和影响因素,再梳理两项政策;国内外研究都按可对应的主题组织。
写到实证方案时,问题具体起来了。她手里已有“互联网+”试点和低碳城市试点的分析,但两边使用的被解释变量指标不完全一致。她打算先按双试点思路准备,在开题时展示已有结果,再听评委对选择的意见。另一个犹豫是人才引进强度:已有研究用得多,沿用这一中介还能否说明自己的工作往前走了一步?
林老师回应
林老师请她打开综述的分类,逐项核对国内外两部分用什么三级标题,确保读者能按相同主题比较。关于中介,他允许沿用能解释问题的既有变量,也可以在有理论理由时调整。两人把“需要创新到什么程度”说得更明确了:学位论文的改进可以具体而有限,但作者必须说得出这个差异解决了什么问题。综述末尾指出的缺口,应该在引言的贡献和后文的研究内容里都找得到。
⏭️ 下次检查点
继续修订研究背景和创新点,用综述中找到的缺口检验后文的研究内容。
🤖 AI分析与建议
这里有两个不同的比较。第一,比较两种政策,需要知道结果变量的分子、分母、样本城市与年份是否一致。若两份初步结果实际上量的是不同东西,即使各自显著,也无法仅凭两张表说明政策叠加产生了额外作用。开题时可以展示已有探索,同时把统一指标后仍需检验的部分讲明白。
第二,选择机制,要看两种政策各自怎样影响人才流动,以及同时实施时预期出现什么额外变化。比如,如果单项政策已经能够解释所有预期,双试点设计还需要一个可以区分的命题。顺着这个问题回读最接近的几篇论文,综述中的缺口、拟检验的机制和创新点就能落到同一件事上。
四、王硕
两套开题方案怎样落到公共管理问题上
📍 本期变化
在调整旧选题的同时,提出了一套地方政府审计改革备选方案。
↪️ 上次到这次
本次讨论的是学位论文开题,另有独立推进的学术论文转投工作。
📝 本次(2026-11-19)
本次汇报
第一案保留已有工作。 王硕担心以企业竞争和供应链韧性为中心的题目容易落到工商管理,咨询后把落脚点调整到产业链安全。具体修改包括从纲要的四项任务归纳政策工具,考虑政府信号、资源投入和机构持股能否连成一个解释,并把原来按分组回归安排的章节改为讨论政策工具效能。开题稿已有研究背景、目的意义和内容安排,国内外研究现状还要补。把政策全称写进标题后,第四章又显得过长;完全删掉限定,则像是在评价所有政策工具。
第二案换研究对象。 他盘点已有数据库时发现,企业数据之外还可能利用政府审计资料,因而提出考察省以下审计管理体制改革与地方财政治理的关系。初步构想是区分试点与其他地区,考虑以省级财政透明度等指标观察变化。试点范围、政策实施时间、因变量的适用层级仍属方案设计。他也说得很清楚:新想法刚形成,开题在即,先把第一案写到可用,再看第二案能推进多远。
林老师回应
林老师追问的是两次换词背后的实质:产业链安全为什么比供应链韧性更能提出一个公共管理问题?把分组回归写成“效能识别”之后,“效能”在相关文献里究竟指什么?若它只表示有效性,就要核查用词能否准确对应实际分析。标题可以用明确定义过的简称,也要保留足够的政策边界。
谈到创新点,林老师提醒,仅列出几个人人都能取得的数据库,读者看不到贡献;如果组合后可以回答原来回答不了的问题,就具体写那个问题。学位论文也可以从研究目的和实际认识上的改进说明价值。两套大纲已有雏形,接下来可参照同类学位论文精简题目,核查缩短后是否引入歧义。
⏭️ 下次检查点
先完善已有方案,核对核心术语并压缩题目。若时间允许,再细化审计改革方案。
🤖 AI分析与建议
第一案可以从一条政策条文试写一段完整解释:谁发布了什么工具,企业或投资者能接收到什么信号,哪个可观察量先发生变化,最后又怎样与产业链安全相联系。机构持股上升可能有多种原因。若用它代表政策引导下的资本投入,就要交代从持股变化到新增资源之间还有哪些环节。把这一段写清,才容易判断四类工具是文件任务的分类,还是能在数据中分别识别的作用机制。
第二案最值得提前核查的是层级。若受改革影响的是省以下审计机关,结果指标却只在省级公布,省级数值怎样汇总地方改变?对照地区在同一时期是否经历相近改革?财政透明度更直接反映信息披露,要用来解释更广的财政治理效能,还需说明覆盖了哪部分。先用一个试点地区走通政策、时间和指标的对应关系,比先填满一套回归目录更能判断开题可行性。
五、马婧怡
拿到专项资金后,企业的专利会更贴近指南吗?
📍 本期变化
用专项申报指南界定技术方向后,样本规模成了开题前要解决的问题。
↪️ 上次到这次
此前从政策试点与专利检索切入,本次用申报指南缩小了政策和技术的对应范围。
📝 本次(2026-11-19)
本次汇报
上周希望找到能清楚区分处理组与对照组的政策,马婧怡这次讲了为什么换用申报指南:它直接描述专项支持的研发方向,也给出了申报条件。符合条件的企业可以申请,获资助后再观察其技术产出。林老师中途追问资金是支持研发,还是给企业开通特殊的专利申请渠道;马婧怡明确回答是支持研发。这样一来,研究关注的便是资助之后企业的技术活动是否朝指南方向移动。
上次检索只用“新能源”,漏检的可能性大;这次扩展词表后,又遇到相反的问题。讨论中举了“自动驾驶”:它能命中新能源汽车,也能命中燃油车。分组同样有实际困难。公示名单里牵头企业有限,协作单位是否同样受到资助需要核实。她也提到初步分析的显著性不理想,并询问现在是否可以开始写开题。
林老师回应
林老师让她先回到指南的目标。如果专项鼓励的是研发,专利是否属于合理的后续产出,要从条文和研发过程说明;还要区分相关领域专利增加与企业整体申请增加。检索式可以允许含义明确的术语单独命中,让含义宽泛的词与限定词共同出现。对于开题,他认可继续推进这个问题,同时把企业数量能否支撑比较放在前面。会上没有给出通用的最小样本数。
⏭️ 下次检查点
核实指南支持的对象和技术方向,调整关键词组合,判断处理组和对照组规模后再展开开题报告。
🤖 AI分析与建议
可以先给一个“看起来命中、实际不该纳入”的例子,再配一个真正属于专项的例子,比较两者在标题、摘要或分类信息上有哪些可用差异。这样能够解释为何给某个宽词加限制,也能在调整后检查是否误伤有效样本。最终统计时,“指南相关专利件数”和“相关专利占企业全部专利的比重”回答的是不同问题;一家企业把所有领域的申请都翻倍,两者可能给出不同的图景。
识别资助效应还有一重困难:本来就在该方向投入较多的企业,可能更容易申报成功。先比较获资助前的技术方向和趋势,再看谁有资格申报、谁实际获资助,能帮助判断对照组是否合适。林老师提到后续可尝试控制变量;选择变量宜有事前理由,政策实施以后才发生的研发变化本身可能就是作用途径。若结果仍不精确,应报告可能的效应范围和样本限制,不能把调出显著性当作可行性的标准。
六、南迪柯
慢授权专利的技术前景,靠什么证据判断?
📍 本期变化
把主题识别的阅读经验用到了专利授权周期的研究上。
↪️ 上次到这次
上次读文献时讨论了如何验证主题分类。这次把问题带到专利审查周期,又展示了城市化课程的地图作业。
📝 本次(2026-11-19)
本次汇报
从一件专利走到一个技术主题。 南迪柯读的是一项智能电网研究。按他的介绍,作者取中国已授权发明专利,以申请至授权经历的时长分组,汇报中提到的分界为 16 个月。先从技术水平、保护范围、战略前景等方面评估单件专利,再在快、慢两组里分别识别技术主题。最后给主题定位时,看综合价值、与其他主题的关联以及平均审查时长。这里有一次分析单位的转换:前面计分的是专利,最后进入前景图的是主题。
据他汇报,快组得到八个主题,涉及故障监测、功率器件等,慢组得到十个主题,涉及优化调度和系统管理等。用主题价值度与关联度的中位数划象限后,进入高价值、高关联象限的六个主题中,五个来自慢组,一个来自快组。这个读法比“慢专利更好”具体得多——它说清了比较的是哪个领域、哪一批授权样本、以及按什么定义选出的主题。
从读文献切换到画地图。 南迪柯接着展示了用国家统计局数据完成的城市化作业。过去手工制图,时间常花在统计表的城市名称与底图名称的匹配上。这次有了工具辅助,组里更想知道流程如何衔接:数据到手后,怎样把一个统计值可靠地放回对应城市。
林老师回应
林老师没有直接接受“慢授权更有价值”是反直觉发现的说法。他以申请动机和权利要求的写法举例,提出另一种可能解释:申请人追求快速获权,或希望争取更广的保护,可能对应不同的审查过程。这个解释在会上是讨论假设,研究是否验证了它,要回原文判断。
听到“主题连贯性肯定优于传统 LDA”时,他接连追问:连贯性到底指什么?模型能利用句子的语义,为什么就能推出这个指标更高?一个更高的分数又能说明什么?他请南迪柯下次讲清指标,也请他用几分钟演示制图过程;会末还答应会后给他数据。
⏭️ 下次检查点
查明所读论文怎样定义、比较主题连贯性,并在下次组会简要演示城市数据如何与地图匹配、成图。
🤖 AI分析与建议
先核对作者实际用了什么。 期刊摘要写明,作者用熵权-TOPSIS 形成价值评价,再以多元线性回归分析相关因素,快慢两组分别用 BERTopic 识别主题。因此汇报里的“用 BERT”还可以说得更准确。文中得到的高价值、高关联位置是这套框架定义的技术前景信号;若要主张它能预测日后产业表现,还需要独立的后续结果作比较。汇报提到较高的回归拟合度,也应回查因变量与解释变量是否共享构成指标。拟合综合评分和预测外部表现,是两项不同的检验。所读论文的期刊摘要
怎样回答林老师关于连贯性的追问? 主题模型会给出一组代表词。连贯性指标试图衡量这些词放在一起是否容易形成可解释的主题;常见计算会用参考语料中词的出现或共现信息。不同指标怎样切分词集、估计概率和汇总分数,都可能不同。可先回原文找三样东西:指标名称、计算所用语料、同条件下有无 LDA 对照。如果原文仅报告 BERTopic 的结果,可介绍它识别了哪些主题,模型优劣仍待对照。即使得分更高,也宜打开两三个具体主题,看代表词和专利文本能否支持作者给出的名称。连贯性指标的定义与比较
审查时长还混合了哪些因素? 林老师以权利要求举例时用了较强的措辞。申请动机、保护范围与审查耗时之间并无会上例子所能确定的一一对应关系。国家知识产权局列出的审查安排就包括优先审查、延迟审查等多种途径。再加上样本只收已授权专利,一个尚在审查中的方向可能根本进不了快慢比较。因此,这项研究适合用来发现值得进一步跟踪的方向;企业若据此决定研发投入,还需要该方向后续应用等独立证据。国家知识产权局关于不同审查需求的说明
七、杨瑞豪
同一项专利,应该算在哪一年的哪座城市?
📍 本期变化
数据已经能画出城市分布图,时间口径和早期检索命中仍待核实。
↪️ 上次到这次
之前的研究训练关注时间窗口怎样影响技术指标,本次在城市管理课程论文中遇到了具体的数据截止问题。
📝 本次(2026-11-19)
本次汇报
数据到底按什么年份装在文件里? 杨瑞豪想用几个技术领域观察城市新兴技术的空间格局。组里先问清范围:人工智能、区块链等是他选作代表的方向,这项设计没有从所有城市专利中自动识别全部新兴技术。他准备用三类材料拼起研究:专利记录确定技术活动,城市矢量底图负责定位,统计年鉴中的城市指标用于讨论影响机制。
直接检索返回记录很多,于是他改从一套按年整理的专利数据中自行提取。屏幕上的一件记录很能说明问题:申请发生在 2024 年,文件把它收在 2025 年,因为到那时才公开。把不同年度文件合并后,可以按其中的申请日重新分年。但手头数据的公开记录只到 2025 年 11 月左右,已经申请、尚未公开的记录不会因为重新分组而出现。他介绍的一个方案,是按申请年把观察期往前收至 2023 年;如果研究的是公开活动,则可考虑最后一个完整公开年度。会上保留了这项选择。
图表到底读了哪一份数据? 他发现流程一度把同一申请的申请公开和授权公告算了两次。程序另存了一份去重文件,实际生成后续图表时是否读取了它,他还不能确认。另一个交叉检查是把自建统计与年鉴里的专利申请数相比,只取年鉴有值的年份,两列数据呈很高的相关性。与此同时,空间演化能画到 2023 年,机制回归却因部分城市指标成片缺失,只能做到 2021 年。两张图覆盖的城市和时间是否还能支持同一个解释,成为新的问题。
吴芷萌汇报后,他又回来补了一条反证。 早期区块链曲线几乎贴着零,他以为当时记录本来就少;可限定到 2010—2014 年重新检索,又有相当多的命中。两人点开题名,发现有的词语组合在字面上符合检索条件,所指技术却不像研究中的区块链。曲线的早期形状究竟来自技术发展、词表还是处理流程,需要沿着每一步往回查。
林老师回应
林老师起初也问:“这个年份不是一个想提取什么就提取什么的过程?”直到杨瑞豪指出截止日之后才公开的申请根本不在文件里,两人才把问题说到了同一处。林老师随后请他交代:若关注申请行为,申请日体现什么;若关注技术信息何时可被外界看到,公开日又体现什么。组里也讨论了文件体积和字段覆盖,林老师让他在后续相关会议上提一句这套专利资料,供大家判断能否纳入已有数据库,这一步无需他另行处理整套数据。
对早期近零的曲线,林老师用“从一件或两件增长到二十件”举例说明,起点只差一件,倍数便大幅变化。对于年鉴末端缺失,先判断缺的是单个值、整年还是一批指标,并回到研究问题判断机制检验是否必要。听完补充检索后,他建议用更细的布尔组合限定语境,再抽看真实记录。
⏭️ 下次检查点
追踪实证使用的去重文件,说明时间口径、样本截点与缺失年份,复查区块链早期误命中;下次相关讨论时介绍已有专利数据。
🤖 AI分析与建议
把一个申请号从原始文件一直追到最终图上的城市。 找到其申请日、申请公布日、授权公告日、城市字段和技术分类,再去最终计数表里核对贡献了几次。这一步能同时查出年份错置、重复计数和文件接错。申请年更接近申请行为,公布年更接近信息进入公众视野;发明申请一般自申请日起满十八个月公布,也可以请求早日公布。林老师在交流中把公开后第三方的行为概括为“申诉、复议”,这里应更正:发明申请公布后至授权公告前,任何人可以就其是否符合专利法规定提出意见并说明理由。研究若采用公布日,可直接说明它代表信息可观察的时点。专利法第三十四条 · 专利法实施细则第五十四条
高相关仍可能伴随重复计数。 假设各城市的申请数被一致多算一倍,相关系数仍可等于 1。年鉴对照除了算相关,还可逐城逐年看绝对差和比值,尤其要解释年鉴统计哪些专利、自建表统计哪些专利。早期增速也有一个可以算清的小例子:从 1 件到 20 件,增加 19 件、增长 1900%;从 2 件到 20 件,增加 18 件、增长 900%。期初为零时通常的同比增长率没有定义。把件数与变化量一起摆出来,读者才看得出是基数太小,还是后来真的出现了持续增长。
两种缺失要分别处理。 未公开申请造成近期申请年计数不齐;年鉴指标成片缺失则改变了回归能覆盖的观察期。可以在两部分共有的年份和城市上重画一次主要空间格局,看主要变化是否已经出现。若关键转折恰在 2022—2023 年,仅到 2021 年的回归就解释不了那次转折。对早期区块链记录,同样应把原始命中数、人工抽查命中的比例和清洗后入图的件数分开;否则“查出很多”和“图上很少”看似矛盾,实际可能说的是完全不同的处理阶段。
八、吴芷萌
第一个 LDA 实验跑通了,曲线还要往右看
📍 本期变化
从安装软件推进到独立复现首个视频实验。
↪️ 上次到这次
上次已装好软件,尚未动手复现。本周有了第一张可以一起看的实验曲线。
📝 本次(2026-11-19)
本次汇报
上次吴芷萌刚完成软件安装,这次已经跟着第一个视频把分词和 LDA 主题模型跑了一遍。林老师先问“第一个实验是什么”,听她回答“分词、LDA”后,注意力转到了实验输出:横轴所试的主题数最大到 14,曲线在已画出的区间里还没有显出清楚的底部。软件能够正常运行和已经找到合适的主题数,是这次进度中先后两步。
林老师回应
林老师认可第一次接触这套流程就能完成复现,也把下一步限定得很小:先放宽主题数的取值范围,看看曲线随后怎样走。有时间再接着做后续视频中的实验,会上没有要求重做整套流程。
⏭️ 下次检查点
扩大候选主题数范围,重新查看困惑度曲线,再继续后续实验。
🤖 AI分析与建议
下次打开这张图,先说清两个轴各表示什么:横轴是指定给模型的主题个数,纵轴是这次计算得到的困惑度。假如右端仍在下降,14 只是本轮搜索的边界;往右增加几个候选值后,曲线可能回升、变平,也可能继续降。三种结果都可以如实报告。如果只有很小的起伏,可保留相同分词和数据划分重复运行,看看那个“最低点”是否稳定。最后各取一组主题词读一读,往往就能解释增加主题数究竟区分了新的内容,还是仅把一个本来容易理解的主题拆散。
九、张恩豪
从一张聚类热图,追到融合预测究竟要预测什么
📍 本期变化
已经可以检查上游主题数据如何变成演化图、热图和预测结果。
↪️ 上次到这次
上次关注主题模型的离群点处理,这周冻结了上游数据版本,并开始检查下游图表和预测。
📝 本次(2026-11-19)
本次汇报
第一件事是让读者看出主题如何随时间演化。 冻结上游版本时,张恩豪给数据留了哈希值,并核对输入能否对应、是否重复。随后把主题表示压缩到二维,绘制分时段的散点和跨时段连线。他问图里究竟该放多少条线。进一步问清才知道,展示对象按各主题专利数量排名选取,可以看前 100、150 或 200 个。这几个版本改变的是读者能看到哪些主题。讨论还涉及为何制图降维与上游建模使用不同算法,以及这种选择会不会传到下游预测。
第二件事是让热图可读。 每个主题同时是热图的一行和一列,交叉处表示一对主题的关系。图旁边已经有了层次聚类的树,矩阵中间却有一些分散的白色横条。张恩豪一边共享屏幕一边问:“老师您看一下,这个是您所表述的那个意思吗?”林老师接了一句:“我远远窥屏,我觉得是那个意思。”玩笑过后,两人停在图前讨论了好一会儿:树上的近邻如何排到矩阵里,白色在这张图上代表什么,为什么看起来相近的行没有靠在一起?
第三件事是确定预测对象。 先前流程做了一轮专利数量预测,换过多种模型,张恩豪说效果仍未超过相应基线。真正贴近论文问题的是主题对之间的融合关系。会上他介绍了两种参照:假定明年沿用今年的关系强度,或者让它往历史均值回摆。按他的初步观察,模型在部分平均表现上有改善,预测期拉长后优势缩小;若改问“能否事先找出下一年融合程度最高的一批主题对”,目前还挑不准。由此谈清了三个原先容易混在一起的量——预测对象、预测几年、用什么成绩判断好坏。
林老师回应
演化图上,林老师建议把各时间切片靠近坐标轴的一横一竖两条边描出来,让读者一眼看见层次,再把连接线调淡一些,使其起到指引视线的作用。展示多少主题可以留到成文时按版面调整,眼下要保留方便切换的能力。
热图上,他先肯定树形结构表达了逐层聚合,再追问颜色反映的是单个数值,还是算法比较整行后算出的距离。两人都没有在会上把白条的原因坐实。预测上,林老师建议先把融合关系做好,同时看输入里是否遗漏有解释力的专利信息。他也问了两个层次的目标:若声称预测方法有改进,应当跟领域常用方法比;若论文的贡献主要在于融合测度,就可以考察有无合适的成熟预测方法承接它。
⏭️ 下次检查点
复核热图的距离计算与行列顺序,保留演化图可调的展示参数。聚焦融合预测,比较基线,并检查输入信息还有哪些可改进之处。
🤖 AI分析与建议
先确认降维在哪一步起作用。 画图用的二维坐标若只送给绘图函数,换一种降维方法会改变点的位置,但同一份原始关系矩阵送入预测时,预测数值本应保持一致。如果数值跟着变化,就该追查程序是否把二维坐标也用作了特征。跨期图还要留意,各时期若分别拟合坐标系,图上的移动可能同时包含坐标轴旋转与主题本身的变化。可以跟踪一个跨期含义稳定的主题,看看它的位置是否也大幅漂移,再决定线条能支持什么解释。
从一条白线排查热图。 挑出一条白色横行,先查色标中白色究竟代表零、均值附近还是缺失值,再拿它与一条视觉上相近的行比较完整数值序列。若聚类树已将两行排得很近,图上却相距很远,重点查叶节点顺序怎样传给矩阵;若原始行本来就不相似,应查距离定义和标准化方式;若是缺失值,首先要解释缺在哪里。一张对称的主题关系矩阵,还可以核对两个轴是否用了同一主题顺序。清晰的红蓝色块不是验收条件,矩阵和树对同一组数据给出可复核的表达才是。
为平均预测和发现强关系各留一种检验。 例如,一年中绝大多数主题对都很弱,只要把它们预测准确,平均误差就可能很好;论文真正想找的少数强关系仍可能排在很后。可以在同一个历史截点训练,对同一未来年份同时比较“沿用现值”“向均值回摆”和候选模型,一边看逐对误差,一边看预测榜单前列与实际强关系名单重合多少。再把一年、两年和更长时距分开,才看得出优势是在何时消失。若加入新特征,还要核对它在预测当时是否已经可得,否则回看历史的好成绩无法代表事前判断能力。
十、李政杰
看完 Python 代码,把学习接回论文
📍 本期变化
代码阅读告一段落,接下来要把已有结果写进论文。
↪️ 上次到这次
上一期还在核对专利 SQL 的运行结果,这周接着看代码、梳理术语。
📝 本次(2026-11-19)
本次汇报
李政杰的交流很短。轮到他时,他先说这周没有很多新内容,林老师便请他从“下一次准备做什么”说起。他接着回顾,相关 Python 代码已经看完,几项输出已经初步看过,也顺手学了一些 LDA 术语,下一步准备把精力转回论文。会上没有展示新的统计表,也没有逐项解释这些输出,因此这里记录到代码阅读和初看结果这一步。
林老师回应
林老师告诉他,这段时间学过的东西写论文时都能用上。此前积累的 Luanti 演示也可以留着,等运行效果更好时再给大家展示。这是一次关于下一步安排的简短交流,没有当场指定演示日期。
⏭️ 下次检查点
继续推进论文;Luanti 演示等效果合适时再安排。
🤖 AI分析与建议
代码阅读怎样变成论文内容,可以从最熟悉的一条输出下手:它来自哪份输入、经过哪一步筛选或计算、表中一行具体代表什么?用自己的话讲通这三处,再看这一行能支持论文里哪一句话。如果说到某个 LDA 术语时还必须回头看教程,那正好指出下一次要补的知识点。这样的起步既承接上次对 SQL 结果的核对,也符合本周“下一步推进论文”的实际进度。
