惩罚性矩阵分解及其在共词分析中的应用

doi:10.13266/j.issn.0252-3116.2015.13.018

图书情报工作 ›› 2015, Vol. 59 ›› Issue (13): 126-133,148.DOI: 10.13266/j.issn.0252-3116.2015.13.018

惩罚性矩阵分解及其在共词分析中的应用

邵作运¹, 李秀霞²

1. 曲阜师范大学日照校区图书馆日照 276826;
2. 曲阜师范大学传媒学院日照 276826

收稿日期:2015-05-18 修回日期:2015-06-05 出版日期:2015-07-05 发布日期:2015-07-05
通讯作者: 李秀霞(ORCID:0000-0002-3492-4768),副教授,硕士生导师,E-mail:zyshao@126.com
作者简介:邵作运(ORCID:0000-0003-1818-5587),馆员,硕士

Penalized Matrix Decomposition and Its Application in Co-word Analysis

Shao Zuoyun¹, Li Xiuxia²

1. Library of Rizhao Campus, Qufu Normal University, Rizhao 276826;
2. School of Communication, Qufu Normal University, Rizhao 276826

Received:2015-05-18 Revised:2015-06-05 Online:2015-07-05 Published:2015-07-05

摘要/Abstract

摘要：

[目的/意义] 基于高维矩阵稀疏降维的思想,提出一种利用惩罚性矩阵分解(Penalized Matrix Decomposition,PMD)实现共词分析的新方法。[方法/过程] 以"学科服务"为研究主题,根据PMD算法原理,在Matlab环境下分别实现特征词的提取、特征词的软聚类以及聚类效果的可视化。[结果/结论] 与传统的共词分析方法对比,PMD算法在共词分析中具有独特的优势:提取的特征词比较全面,聚类数目便于确定,聚类结果易于理解。

关键词: PMD算法, 共词分析, 特征词提取, 特征词软聚类, 可视化

Abstract:

[Purpose/significance] Based on the idea of sparse dimension reduction, this paper proposes a new co-word analysis method with PMD (Penalized Matrix Decomposition).[Method/process] According to the PMD algorithm principle, this paper takes the subject service as research theme, and separately extracts the feature words extracting, makes the feature words soft clustering and visualizes clustering results in the Matlab environment. [Result/conclusion] Comparing with the traditional co-word analysis method, this paper finds that the PMD algorithm has some unique advantages in the co-word analysis, it can extract characteristic words more comprehensively, easily determine the clustering number, and get the more well clustering results.

Key words: PMD algorithm, co-word analysis, feature words extraction, feature words soft clustering, visualization

中图分类号:

G251.5

邵作运, 李秀霞. 惩罚性矩阵分解及其在共词分析中的应用[J]. 图书情报工作, 2015, 59(13): 126-133,148.

Shao Zuoyun, Li Xiuxia. Penalized Matrix Decomposition and Its Application in Co-word Analysis[J]. LIS, 2015, 59(13): 126-133,148.

参考文献

[1] Callon M, Courtial J P, Turner W A, et al. From translations to problematic networks—An introduction to co-word analysis[J]. Social Science Information Sur Les Sciences Sociales, 1983,22(2):191-235.
[2] 喻培珍,秦惠基.从主题词频率变化分析我国放射诊断新技术发展趋势[J].医学图书馆通讯, 1995(3):26-27.
[3] 陈瑜林.我国远程教育主要研究领域演变——基于远程教育类期刊论文关键词的分析[J].中国远程教育, 2012(6):29-34,95.
[4] 李文兰,杨祖国.中国情报学期刊论文关键词词频分析[J].情报科学, 2005,23(1):68-70,143.
[5] 李长玲,翟雪梅.基于硕士学位论文的我国图书馆学与情报学研究热点分析[J].情报科学, 2008,26(7):1056-1060.
[6] Sardinha,Andrew P B. Applications of word smith keywords[J]. Liverpool Working Papers in Applied Linguistics,1996,2(1):81-90.
[7] 魏瑞斌.基于关键词的情报学研究主题分析[J].情报科学,2006,24(9):1400-1404.
[8] 杨爱青,马秀峰,张风燕,等.g指数在共词分析主题词提取中的应用研究[J].情报杂志, 2012,31(2):52-55.
[9] 邵作运,李秀霞.共词分析中作者关键词规范化研究——以图书馆个性化信息服务研究为例[J].情报科学,2012,30(5):731-735.
[10] 李纲,王忠义.基于语义的共词分析方法研究[J].情报杂志,2011,30(12):258-263.
[11] 杨彦荣.基于混合加权的共词分析方法研究[D].西安:西北农林科技大学,2011.
[12] 胡昌平,陈果.共词分析中的词语贡献度特征选择研究[J].现代图书情报技术,2013(7/8):89-93.
[13] 舒琅.基于社会网络分析的项目管理学科热点和主流知识群的研究[D].杭州:浙江大学,2010:71-72.
[14] 张勤.词频分析法在学科发展动态研究中的应用综述[J].图书情报知识,2011(2):95-98,128.
[15] 边鹏,赵妍,苏玉召.一种适合检索词推荐的K-means算法最佳聚类数确定方法[J].图书情报工作,2012,56(4):107-111.
[16] 王飒,包丽颖.基于文献计量的共词分析方法及应用述评[J].情报科学,2014, 32 (4):150-154.
[17] 蔡岳,袁津生.基于改进 DBSCAN 算法的文本聚类[J].计算机工程, 2011,37(12): 50-55.
[18] 唐东明.聚类分析及其应用研究[D].成都:电子科技大学,2010:16-23.
[19] 李纲,王忠义.基于语义共词分析的我国人际情报网络研究探析[J].情报资料工作,2011(5):21-27.
[20] 李广建,杨林.大数据视角下的情报研究与情报研究技术[J].图书与情报,2012(6):1-8.
[21] 董慧,余传明.中文本体的自动获取与评估算法分析[J].情报理论与实践,2005,28(4):415-418.
[22] Witten D M, Tibshirani R, Hastie T.A penalized matrix decomposition with applications to sparse principal components and canonical correlation analysis[J].Biostatistics,2009, 10(3):515-534.
[23] Zhang Jun, Zheng Chunhou, Liu Jinxing,et al. Discovering the transcriptional modules using microarray data by penalized matrix decomposition[J].Computers in Biology and Medicine, 2011,9(41):1041-1050.
[24] Zheng Chunhou, Zhang Lei, Yee Ng V To,et al. Molecular pattern discovery based on penalized matrix decomposition[J].IEEE/ACM Transactions on Computational Biology and Bioinformatics, 2011,6(8):1592-1602.
[25] 王娟,范少萍,郑春厚.基于惩罚性矩阵分解的文本聚类分析[J].情报学报,2012,31(9):998-1008.
[26] 王磊.国内图书馆学科服务现状可视化分析[J].图书情报工作,2013,57(2):136-142.
[27] 初景利,张冬荣.第二代学科馆员与学科化服务[J].图书情报工作,2008,52(2):6-10.
[28] 王春明,张海惠,徐鸿,等.匹兹堡大学图书馆系统学科服务新进展——建立支持科研与教学的学科化服务体系[J].图书情报工作,2013,57(10):58-62.
[29] 钟伟金.共词分析法应用的规范化研究——主题词和关键词的聚类效果对比分析[J].图书情报工作,2011,55(6):114-118.

惩罚性矩阵分解及其在共词分析中的应用

Penalized Matrix Decomposition and Its Application in Co-word Analysis

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]	王阮, 邓君. 故事线构建及可视化、情感化、场景化应用探索——以《张学良口述历史》为例[J]. 图书情报工作, 2022, 66(7): 17-25.
[2]	侯西龙, 王晓光, 段青玉. 数字人文视域下文化遗产图像远读可视化调查与分析[J]. 图书情报工作, 2022, 66(3): 54-64.
[3]	刘晓娟, 李歆然, 孙镘莉, 谢瑞婷. iSchool联盟成员的可视化相关课程设置调查研究[J]. 图书情报工作, 2022, 66(2): 57-65.
[4]	丁敬达, 陈一帆, 刘超, 蔡微. 基于共词和Word2Vec加权向量的文献-主题语义匹配分析方法[J]. 图书情报工作, 2022, 66(12): 108-116.
[5]	赵蓉英, 朱伟杰, 常茹茹, 刘卓著. 话语权研究可视化分析：溯源、审视与演进[J]. 图书情报工作, 2022, 66(11): 4-13.
[6]	马费成, 赵蓉英, 刘卓著, 李培萍, 何元, 孟玫. “十三五”图情档学科进展:国家社科基金项目解析[J]. 图书情报工作, 2021, 65(5): 4-13.
[7]	崔斌, 王东波, 黄水清. 基于典籍文本的农作物时间分布及演化特征研究——以《食货志》为例[J]. 图书情报工作, 2021, 65(14): 90-100.
[8]	宋宁远, 裴雷, 王春迎. 科学论文语义增强的研究进展与趋势研判[J]. 图书情报工作, 2021, 65(1): 82-90.
[9]	岳丽欣, 周晓英, 陈旖旎. 期刊论文核心研究主题识别及其演化路径可视化方法研究——以我国医疗健康信息领域期刊论文为例[J]. 图书情报工作, 2020, 64(5): 89-99.
[10]	陆和建, 赵瑾. 2008-2018年我国社会力量参与公共图书馆管理研究综述[J]. 图书情报工作, 2020, 64(4): 146-152.
[11]	牟冬梅, 邵琦, 韩楠楠, 王萍, 金姗, 靳春妍. 微博舆情多维度社会属性分析与可视化研究——以某疫苗事件为例[J]. 图书情报工作, 2020, 64(3): 111-118.
[12]	张春红, 肖珑, 贺飞, 唐勇. 学科前沿分析的方法与实践——以北京大学图书馆为例[J]. 图书情报工作, 2020, 64(16): 36-44.
[13]	刘自强, 许海云, 岳丽欣, 方曙. 基于Chunk-LDAvis的核心技术主题识别方法研究[J]. 图书情报工作, 2019, 63(9): 73-84.
[14]	方浩, 尚媛媛, 张锐, 庞惠珊, 袁医灵. 数据新闻中信息图表的阅读效果:来自眼动的证据[J]. 图书情报工作, 2019, 63(8): 74-86.
[15]	许鑫, 陈路遥, 杨佳颖. 数字人文研究领域的知识图谱构建与分析——基于WoS文献关键词和引文上下文的实证[J]. 图书情报工作, 2019, 63(7): 86-95.