本研究在梳理知識演化、知識生命周期等知識進化理論和思想的基礎(chǔ)上，介紹了引文網(wǎng)絡(luò)、Meta-path、PageRank等網(wǎng)絡(luò)分析理論和方法，闡述了Word2vec、Doc2vec、Node2vec等深度表示學習模型以及ARIMA、SVM等時間序列模型，以期為科學主題的演化和熱度預(yù)測提供理論基礎(chǔ)和方法支撐；以生物醫(yī)學與生命科學領(lǐng)域PubMed Central數(shù)據(jù)全集為例，基于知識圖譜技術(shù)構(gòu)建了一種面向計量相關(guān)研究和應(yīng)用的垂直領(lǐng)域知識圖譜——計量知識圖譜；創(chuàng)新計量指標，計算計量實體的熱度，用熱度值反應(yīng)主題所處的演化狀態(tài)；采用一系列深度學習等方法挖掘科學主題在計量知識圖譜中的特征，分析科學主題的演化規(guī)律；基于SVM、ARIMA、LSTM等一系列時間序列模型構(gòu)建學科主題預(yù)測模型，優(yōu)化、驗證模型，并進行應(yīng)用研究。讀者對象：高等學校信息科學、情報學、信息管理等相關(guān)專業(yè)的學生，以及從事科技情報、知識管理、知識服務(wù)的實際工作者