多维度视角下学科主题演化可视化分析方法研究——以我国图书情报领域大数据研究为例

被引:71
作者
刘自强
王效岳
白如江
机构
[1] 山东理工大学科技信息研究所
关键词
学科主题演化; 语义角色标注; 社区发现算法; 可视化;
D O I
10.13530/j.cnki.jlis.166005
中图分类号
TP399-C1 []; G353.1 [情报资料的分析和研究];
学科分类号
081203 ; 0835 ; 1205 ;
摘要
探测、识别某学科领域研究主题的演化过程并进行可视化分析,对于掌握研究现状和发展趋势具有重要意义。学科主题演化是一个复杂过程,存在多种变量,如主题强度、结构和内容等,目前研究主要以单一维度进行可视化分析,信息负荷过大,存在感知局限性。本文提出多维度视角下学科主题演化可视化分析方法:通过人工标注方法对关键词进行语义角色分类,利用Fast Unfolding算法识别出具有语义特征的学科主题;利用余弦相似度计算公式计算学科主题相似度判定演化关系;构建多维度学科主题演化分析模型,并设计了三种创新性的科学知识图谱,进行学科主题强度、结构和内容三个维度的可视化分析,通过相互作用可以帮助快速消化、理解信息和精炼分析结果,有效地分析学科主题演化的复杂过程。通过对我国图书情报领域近10年大数据研究的实证分析,证明该方法具有可行性和有效性。
引用
收藏
页码:67 / 84
页数:18
相关论文
共 22 条
[11]  
社会网络分析[M]. 格致出版社 , (美) 诺克 (Knoke, 2012
[12]  
SciMAT : A new science mapping analysis software tool[J] . M.J. Cobo,A.G. López‐Herrera,E. Herrera‐Viedma,F. Herrera.J Am Soc Inf Sci Tec . 2012 (8)
[13]  
An approach for detecting, quantifying, and visualizing the evolution of a research field: A practical application to the Fuzzy Sets Theory field[J] . M.J. Cobo,A.G. López-Herrera,E. Herrera-Viedma,F. Herrera.Journal of Informetrics . 2010 (1)
[14]  
Fast unfolding of communities in large networks[J] . Vincent D Blondel,Jean-Loup Guillaume,Renaud Lambiotte,Etienne Lefebvre.Journal of Statistical Mechanics: Theory and Experiment . 2008 (10)
[15]  
CiteSpace II: Detecting and visualizing emerging trends and transient patterns in scientific literature[J] . ChaomeiChen.J. Am. Soc. Inf. Sci. . 2006 (3)
[16]  
Co-word analysis as a tool for describing the network of interactions between basic and technological research: The case of polymer chemsitry[J] . M. Callon,J. P. Courtial,F. Laville.Scientometrics . 1991 (1)
[17]   国内信息生命周期研究主题与趋势分析——基于关键词共词分析与知识图谱 [J].
游毅 ;
索传军 .
情报理论与实践, 2011, 34 (10) :17-21
[18]   时间序列预测模型研究综述 [J].
张美英 ;
何杰 .
数学的实践与认识, 2011, 41 (18) :189-195
[19]   基于事件的社会网络演化分析框架 [J].
吴斌 ;
王柏 ;
杨胜琦 .
软件学报, 2011, 22 (07) :1488-1502
[20]   面向科技主题发展分段的社区核心圈技术 [J].
钱铁云 ;
李青 ;
许承瑜 .
计算机科学与探索, 2010, (02) :170-179