文本挖掘 arXiv：透过量化金融论文的视角
Text mining arXiv: a look through quantitative finance papers
AI总结：
该研究利用文本挖掘与自然语言处理分析 arXiv 上 1997—2022 年的量化金融论文及参考文献，识别主题趋势、高被引研究者与期刊，并比较多种主题建模算法。
摘要：
本文探讨了托管在 arXiv 预印本服务器上的文章，旨在揭示隐藏在这一庞大研究集合中的有价值洞见。我们运用文本挖掘技术，并通过应用自然语言处理方法，考察了 1997 年至 2022 年间在 arXiv 上发布的量化金融论文的内容。我们从包括参考文献在内的整篇文档中提取并分析关键信息，以理解主题随时间的趋势，并找出该领域被引最多的研究人员和期刊。此外，我们还比较了用于执行主题建模的众多算法，包括最先进的方法。
英文摘要：
This paper explores articles hosted on the arXiv preprint server with the aim to uncover valuable insights hidden in this vast collection of research. Employing text mining techniques and through the application of natural language processing methods, we examine the contents of quantitative finance papers posted in arXiv from 1997 to 2022. We extract and analyze crucial information from the entire documents, including the references, to understand the topics trends over time and to find out the most cited researchers and journals on this domain. Additionally, we compare numerous algorithms to perform topic modeling, including state-of-the-art approaches.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
