科学知识网络扩散中的社区扩张与收敛模式特征分析——以医疗健康信息领域为例

doi:10.13266/j.issn.0252-3116.2020.14.007

图书情报工作 ›› 2020, Vol. 64 ›› Issue (14): 63-73.DOI: 10.13266/j.issn.0252-3116.2020.14.007

科学知识网络扩散中的社区扩张与收敛模式特征分析——以医疗健康信息领域为例

岳丽欣¹, 周晓英¹, 刘自强^2,3

1 中国人民大学信息资源管理学院北京 100872;
2 中国科学院成都文献情报中心成都 610041;
3 中国科学院大学经济与管理学院图书情报与档案管理系北京 100190

收稿日期:2020-02-12 修回日期:2020-04-23 出版日期:2020-07-20 发布日期:2020-07-20
通讯作者: 周晓英(ORCID:0000-0002-9116-1525),教授,博士生导师,通讯作者,E-mail:xyz-ruc@qq.com
作者简介:岳丽欣(ORCID:0000-0002-7268-7871),博士研究生;刘自强(ORCID:0000-0003-1814-8655),博士研究生。
基金资助:
本文系国家自然科学基金项目"医疗健康网站信息可信度与质量控制研究"（项目编号：71473260）和国家社会科学基金项目"健康中国建设中的国民健康促进和健康服务策略研究"（项目编号16AZD021）研究成果之一。

Analysis on the Characteristics of Community Expansion and Convergence Mode in the Diffusion of Scientific Knowledge Network——Take the Field of Medical Health Information as an Example

Yue Lixin¹, Zhou Xiaoying¹, Liu Ziqiang^2,3

1 School of Information Resources Management, Renmin University of China, Beijing 100872;
2 Chengdu Library of Chinese Academy of Sciences, Chengdu 610041;
3 Department of Library, Information and Archives Management, School of Economics and Management, University of Chinese Academy of Sciences, Beijing 100190

Received:2020-02-12 Revised:2020-04-23 Online:2020-07-20 Published:2020-07-20

摘要/Abstract

摘要： [目的/意义] 科学知识网络中知识单元呈现出一定的集群性与社区性，揭示科学知识网络扩散时序变化过程中的社区扩张与收敛的基本模式与特征，对于拓展、深化科学知识扩散与传递规律研究具有一定的意义。[方法/过程] 首先，基于引用关系建立邻接矩阵进而构建学科知识网络，采用复杂网络分析中的Louvain社区探测算法对领域知识网络进行社区划分；然后利用网络表示学习技术进行社区扩张与收敛特征表示与计算；最后以时间序列为逻辑线索，对不同社区的扩张、收敛演变过程进行动态跟踪建模，从而揭示科学知识网络时序变化过程中社区扩张与收敛的基本模式与特征。[结果/结论] 以医疗健康信息领域进行案例研究，研究发现社区扩张模式的发展趋势符合S形曲线函数中的Logistic模型，社区收敛模式的发展趋势符合S形曲线函数中的BiHill模型。

关键词: 知识网络, 社区探测, 网络表示学习, 扩张模式, 收敛模式

Abstract: [Purpose/significance] Knowledge units in scientific knowledge networks show certain clustering and communality, revealing the basic patterns and rules of community expansion and convergence in the process of changing the time series of scientific knowledge networks, which has certain significance for expanding and deepening the research on the diffusion and transmission of scientific knowledge. [Method/process] Firstly, the adjacency matrix was built based on the citation relation, and then the subject knowledge network was constructed. The Louvain community detection algorithm in complex network analysis is used to divide the domain knowledge network into communities. Then, the Graph Embedding technique was used to represent and calculate the community expansion and convergence characteristics. Finally, the time series was used as the time series. Logical clues were used to dynamically track and model the process of expansion and convergence of different communities, so as to reveal the basic patterns and laws of community expansion and convergence in the process of time series change of scientific knowledge network. [Result/conclusion] A case study in the field of health information shows that the trend of community expansion conforms to the Logistic model in the S-shaped curve function and the trend of community convergence conforms to the BiHill model in the S-shaped curve function.

Key words: knowledge network, community detection, graph embedding, expansion model, convergence model

中图分类号:

G251

岳丽欣, 周晓英, 刘自强. 科学知识网络扩散中的社区扩张与收敛模式特征分析——以医疗健康信息领域为例[J]. 图书情报工作, 2020, 64(14): 63-73.

Yue Lixin, Zhou Xiaoying, Liu Ziqiang. Analysis on the Characteristics of Community Expansion and Convergence Mode in the Diffusion of Scientific Knowledge Network——Take the Field of Medical Health Information as an Example[J]. LIS, 2020, 64(14): 63-73.

参考文献

[1] 邱均平,李小涛. 基于引文网络挖掘和时序分析的知识扩散研究[J]. 情报理论与实践, 2014(7):5-10.
[2] 李纲,巴志超. 科研合作超网络下的知识扩散演化模型研究[J]. 情报学报, 2017(3):58-68.
[3] 岳增慧,许海云. 学科引证网络知识扩散特征研究[J]. 情报学报, 2019, 38(1):5-16.
[4] NOYONS E C M, RAAN A F J V.Monitoring scientific developments from a dynamic perspective:self-organized structuring to map neural network research[J].Journal of the Association for Information Science & Technology, 1998, 49(1):68-81.
[5] 雷迭斯多夫. 科学计量学的挑战:科学交流的发展、测度和自组织[M].乌云,译. 北京:科学技术文献出版社, 2003.
[6] LEYDESDORFF L, COZZENS S, PETER V D B. Tracking areas of strategic importance using scientometric journal mappings[J]. Research policy, 1994, 23(2):217-229.
[7] LEYDESDORFF L. Statistics for the dynamic analysis of scientometric data:the evolution of the sciences in terms of trajectories and regimes[J]. Scientometrics, 2013, 96(3):731-741.
[8] POPPER K R.The logic of scientific discovery[J]. Yinshan academic journal, 2005,12(11):53-54.
[9] 靖继鹏,马费成,张向. 情报科学理论[M].北京:科学出版社,2009.
[10] 刘则渊. 跨越学术分水岭[M]. 北京:人民出版社,2012.
[11] 万昊. 科学知识规模增长模式研究-基于数学建模和仿真论证[D]. 北京:中国科学院大学,2017.
[12] 刘自强,许海云,罗瑞,等. 基于主题关联分析的科技互动模式识别方法研究[J]. 情报学报, 2019, 38(10):997-1011.
[13] 安宁,滕广青,白淑春,等. 领域知识聚类性的动态演化分析[J]. 图书情报工作, 2018,62(10):85-93.
[14] GIRVAN M, NEWMAN M E J. Community structure in socia1and biological networks[J]. Proceedings of the National Academy of Sciences of the United States of America,2002,99(12):7821-7826.
[15] BETTENCOURT L M A, KAISER D I, KAUR J. Scientific discovery and topological transitions in collaboration networks[J]. Journal of informetrics, 2009, 3(3):210-221.
[16] 白如江,冷伏海.k-clique社区知识创新演化方法研究[J].图书情报工作,2013,57(17):94-99.
[17] 王晓光,程齐凯. 基于NEViewer的学科主题演化可视化分析[J]. 情报学报, 2013, 32(9):900-911.
[18] 滕广青. 基于频度演化的领域知识关联关系涌现[J]. 中国图书馆学报,2018,44(3):79-95.
[19] 滕广青. 关联驱动的领域知识群落生长[J]. 中国图书馆学报, 2017,43(3):58-71.
[20] KUHN T S. The structure of scientific revolutions[M]. Chicago:University of Chicago Press, 1962.
[21] PRICE D J. Science since babylon[M]. New Haven:Yale University Press, 1961.
[22] PRICE D J. Little science, big science[M]. New York:Columbia University Press, 1963.
[23] DIANA C.Invisible colleges-diffusion of knowledge in scientific communities[M]. Chicago:The University of Chicago Press, 1972.
[24] 罗双玲,张文琪,夏昊翔.基于半积累引文网络社区发现的学科领域主题演化分析——以"合作演化"领域为例[J].情报学报,2017,36(1):100-110.
[25] BLONDEL V D,GUILLAUME J L, LAMBIOTTE R, et al. Fast unfolding of communities in large networks[J]. Journal of statistical mechanics:theory and experiment, 2008, 2008(10):10008.
[26] BLONDEL V D. Louvain algorithm[EB/OL].[2019-07-17].https://perso.uclouvain.be/vincent.blondel/research/louvain.html.
[27] NEWMAN M E J, GIRVAN M. Finding and evaluating community structure in networks[J].Physical review, 2004, 69(2):108-113.
[28] 周练.Word2vec的工作原理及应用探究[J].科技情报开发与经济,2015,25(2):145-148.
[29] MIKOLOV T, SUTSKEVER I, CHEN K, et al. Distributed representations of words and phrases and their compositionality[C]//Advances in neural information processing systems 26. Cambridge:Neural Information Processing Systems Foundation Inc., 2013:3111-3119.
[30] GROVER A, LESKOVEC J. Node2vec:scalable feature learning for networks[C]//Proceeding of the 22nd ACM SIGKDD international conference on knowledge discovery and data mining. New York:ACM, 2016:855-864.
[31] LAURENS V D M, HINTON G.Visualizing data using t-SNE[J]. Journal of machine learning research, 2008, 9(11):2579-2605.

科学知识网络扩散中的社区扩张与收敛模式特征分析——以医疗健康信息领域为例

Analysis on the Characteristics of Community Expansion and Convergence Mode in the Diffusion of Scientific Knowledge Network——Take the Field of Medical Health Information as an Example

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

[1]	任海英, 李真. 基于输入输出型SAO网络的核心技术链识别方法研究——以量子计算领域为例[J]. 图书情报工作, 2021, 65(19): 117-129.
[2]	肖璐, 赵之辉, 陈果. 全局视角下的网络社区多元知识关联挖掘[J]. 图书情报工作, 2020, 64(6): 100-107.
[3]	栾宇, 滕广青, 安宁, 韩尚轩. 基于特征分解的知识网络结构关系提取[J]. 图书情报工作, 2019, 63(7): 96-104.
[4]	尚小溥, 许吴环, 赵红梅, 张润彤, 朱燊. 中文超声文本结构化与知识网络构建方法研究[J]. 图书情报工作, 2019, 63(16): 112-120.
[5]	安宁, 滕广青, 白淑春, 毕强, 韩尚轩. 领域知识聚类性的动态演化分析[J]. 图书情报工作, 2018, 62(10): 85-93.
[6]	安宁, 滕广青, 白淑春, 辛海. 基于网络Hub的领域核心知识涌现研究[J]. 图书情报工作, 2017, 61(18): 98-106.
[7]	滕广青, 白淑春, 韩尚轩, 毕强. 基于无标度与分形理论的层次知识网络原理解析[J]. 图书情报工作, 2017, 61(14): 132-140.
[8]	刘雅姝, 滕广青, 王东艳, 毕强, 白淑春. 基于知识网络的标签层级演化研究[J]. 图书情报工作, 2017, 61(11): 13-20.
[9]	张立频. 知识链视角下嵌入式知识服务构成体系框架研究——以公安行业领域为例[J]. 图书情报工作, 2015, 59(3): 35-41.
[10]	滕广青, 杨明秋, 田依林, 黄微. Folksonomy模式中的知识群落及其核心知识分析[J]. 图书情报工作, 2015, 59(22): 124-129.
[11]	胡昌平, 陈果. 层次视角下概念知识网络的三元关系形态研究[J]. 图书情报工作, 2014, 58(04): 11-16.
[12]	马创新, 陈小荷, 曲维光. 经典古籍注疏文献的知识网络研究与设计[J]. 图书情报工作, 2013, 57(09): 124-128.
[13]	薛捷, 张振刚. 基于知识内容的区域产业集群知识网络研究——以东莞电子信息产业集群为例[J]. 图书情报工作, 2012, 56(20): 110-117.
[14]	郭艳秋. 知识嵌入视角的学科化服务研究[J]. 图书情报工作, 2012, 56(13): 49-52,58.
[15]	张静姜永常. 知识构建的E-knowledge机制初探[J]. 图书情报工作, 2011, 55(20): 106-110.