大数据时代的来临,让各种文献信息纷纷以电子化文档的形式存在于网络中,其中科学文献的电子化文档不仅带来了文献知识的传播,也促进了科学研究水平的发展。面对海量的电子科学文献,如何用有限的时间和精力,了解每篇科学文献所阐述的主题内容,并快速地找到自己需要的资料,成为学者们迫切的需求。主题提取的研究正是解决上述这种在浩瀚的信息中快速提取自己需要的信息的方法之一。传统的主题提取方法主要是通过词频、词语的位置因素来提取文档的主题内容,并未考虑到词与词之间的语义关系,比如同义词、一词多义现象。所以近年来各种关于主题模型、本体和知识库等考虑了词与词之间语义关系的主题提取研究变得层出不穷,并大大提高了主题提取的质量和可靠性。因此,本文认真分析了近年来基于语义层次的主题提取研究的发展,提出一种基于语义和引用加权的科技文献主题提取算法,希望该方法能够为主题提取领域的研究提供参考。基于语义和引用加权的科技文献主题提取算法主要是在Labeled-LDA主题模型的基础之上,引入引用内容和K-means聚类分析方法。引用内容代表着施引文献和被引文献之间的联系,在一定程度上显示了施引文献的主题内容,所以本文运用Labeled-LDA主题模型训练引用内容语料集,得到引用内容-主题概率分布,处理该部分的数据获得文档的主题概率分布,最后通过K-means算法聚类文档集,提取出每类文档集的主题内容。在实验部分,本文采用PubMed生物医学数据库中的数据测试了该方法的可靠性,准确提取出文档集的主题内容。