多位态研究主题识别及其演化路径方法研究

doi:10.13266/j.issn.0252-3116.2021.11.012

图书情报工作 ›› 2021, Vol. 65 ›› Issue (11): 113-122.DOI: 10.13266/j.issn.0252-3116.2021.11.012

多位态研究主题识别及其演化路径方法研究

王康¹, 高继平², 潘云涛², 陈悦¹

1. 大连理工大学科学学与科技管理研究所暨WISE实验室大连, 116024;
2. 中国科学技术信息研究所北京, 100038

收稿日期:2020-12-07 修回日期:2021-02-24 出版日期:2021-06-05 发布日期:2021-06-10
通讯作者: 陈悦(ORCID:0000-0001-5272-9459),教授,博士,博士生导师,通讯作者,E-mail:chenyuedlut@163.com。
作者简介:王康(ORCID:0000-0001-9170-6065),博士研究生;高继平(ORCID:0000-0003-4965-7065),副研究员,博士;潘云涛(ORCID:0000-0002-9930-9416),研究员,硕士。
基金资助:
本文系国家重点研发计划项目"颠覆性技术识别理论、方法与专家预判系统"（项目编号：2019YFA0707201）研究成果之一。

Research on the Method of Multi-position Research Themes Recognition and Evolution Path

Wang Kang¹, Gao Jiping², Pan Yuntao², Chen Yue¹

1. Institute of Science of Science and S&T Management & WISE Lab, Dalian University of Technology, Dalian 116024;
2. Institute of Scientific and Technical Information of China, Beijing 100038

Received:2020-12-07 Revised:2021-02-24 Online:2021-06-05 Published:2021-06-10

摘要/Abstract

摘要： [目的/意义] 科学主题演化路径对认识科学发展过程和预测未来发展趋势具有重要的意义。鉴于现有研究将演化路径上的主题同等看待的缺陷，提出一种新的多位态科学主题识别及其演化路径方法。[方法/过程] 以向心度和密度将每个时间区间的主题划分为核心-成熟型、边缘-成熟型、边缘-非成熟型和核心-非成熟型4种类型，并利用余弦相似度将不同时间区间的主题进行关联，以展示不同类型科学主题之间的动态交叉演化关系。[结果/结论] 以3D打印领域文献为例，从技术发展阶段、主题识别、主题类型划分和主题演化路径4个方面对3D打印技术发展过程进行测度，结果证明该方法对科学主题识别及其演化路径展示具有较好效果。

关键词: 主题识别, 主题演化, 战略坐标, 主题相似度, 3D打印

Abstract: [Purpose/significance] The evolution path of scientific themes is of great significance for understanding the process of scientific development and predicting future development trends. In view of the defect that the existing research treats the topics on the evolution path equally, a new method of multi-position scientific topic identification and its evolution path is proposed. [Method/process] This method divides the topics of each time interval into four types: core-mature, edge-mature, edge-immature, and core-immature based on centripetal degree and density, and uses cosine similarity to divide different time interval themes are related to show the dynamic cross-evolution relationship between different types of scientific themes. [Result/conclusion] Taking the literature of 3D printing as an example, the development process of 3D printing technology was measured from four aspects: technology development stage, theme recognition, theme type division and theme evolution path. The results proved that this method is effective for scientific theme recognition and its evolution path display.

Key words: topic recognition, topic evolution, strategic coordinates, topic similarity, 3D printing

中图分类号:

G306.1

王康, 高继平, 潘云涛, 陈悦. 多位态研究主题识别及其演化路径方法研究[J]. 图书情报工作, 2021, 65(11): 113-122.

Wang Kang, Gao Jiping, Pan Yuntao, Chen Yue. Research on the Method of Multi-position Research Themes Recognition and Evolution Path[J]. Library and Information Service, 2021, 65(11): 113-122.

参考文献

[1] TONY H, STEWART T, KRISTIN T, et al.第四范式:数据密集型科学发现[M].潘教峰, 张晓林, 安培浚, 等译.北京:科学出版社, 2012.
[2] 敦帅,陈强.中国企业可持续发展研究:态势演进与主题演化[J].科学管理研究,2020,38(1):94-100.
[3] 杜丽君.学科交叉视角下的信息检索研究主题演化分析——以情报学和计算机科学为例[J].信息技术与信息化,2020(1):178-183.
[4] 王璐瑶,曲冠楠,李楠,等.中国科技管理研究的贡献、演进与展望——《科学学与科学技术管理》创刊40年文献计量与知识图谱分析[J].科学学与科学技术管理,2020,41(5):3-21.
[5] WU Y, JIN X, XUE Y Z, et al. Evaluation of research topic evolution in psychiatry using co-word analysis[J]. Medicine, 2017, 96(25): 7349.
[6] ONYANCHA O B. Forty-five years of lis research evolution, 1971-2015: an informetrics study of the author-supplied keywords[J]. Publishing research quarterly, 2018, 34(3): 456-470.
[7] HAN X Y. Evolution of research topics in lis between 1996 and 2019: an analysis based on latent dirichlet allocation topic model[J]. Scientometrics, 2020, 125(3): 2561-2595.
[8] HUANG C, YANG C, WANG S T, et al. Evolution of topics in education research: a systematic review using bibliometric analysis[J]. Educational review, 2020, 72(3): 281-297.
[9] 牛力,杜丽华.国内档案学学科主题网络构建与演化分析研究[J].档案学研究,2020(2):12-18.
[10] 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.
[11] 谭春辉,熊梦媛.基于LDA模型的国内外数据挖掘研究热点主题演化对比分析[J].情报科学,2021,39(4):174-185.
[12] 颜端武,苏琼,张馨月.基于时序主题关联演化的科学领域前沿探测研究[J].情报理论与实践,2019,42(7):144-150.
[13] 周耀林,柴昊,赵跃.国际图情领域大数据研究现状与趋势探析[J].图书馆杂志,2019,38(12):16-27,44.
[14] TANCOIGNE E, BARBIER M, COINTET J P, et al. The place of agricultural sciences in the literature on ecosystem services[J]. Ecosystem services, 2014, 10(SI): 35-48.
[15] 赵跃,乔健.改革开放40年来中国档案学研究的全景透视——基于研究主题的挖掘与演化分析[J].档案学研究,2019(3):44-54.
[16] RULE A, COINTET J P, BEARMAN P S, et al. Lexical shifts, substantive changes, and continuity in state of the union discourse, 1790-2014[J]. Proceedings of the National Academy of Sciences of the United States of America, 2015, 112(35): 10837-10844.
[17] MATOS F L, ROSS S W, HUVENNE V A I, et al. Canyons pride and prejudice: exploring the submarine canyon research landscape, a history of geographic and thematic bias[J]. Progress in oceanography, 2018, 169(12):6-19.
[18] MARVUGLIA A, HAVINGA L, HEIDRICH O, et al. Advances and challenges in assessing urban sustainability: an advanced bibliometric review[J]. Renewable & sustainable energy reviews, 2020, 124(3): 1-12.
[19] 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.
[20] 王伟. 信息计量学及其医学应用[M]. 北京:人民卫生出版社, 2014.
[21] 王海山.从波普尔、库恩的科学观看科学发展的规律性[J].科学学研究,1984(1):34-40.
[22] 何荣利.关于科学文献增长模型的思考[J].情报杂志,1994(6):40-41,64.
[23] CHEN C. Citespace II: detecting and visualizing emerging trends and transient pat terns in scientific literature[J]. Journal of the American Society for Information Science and Technology,2006,57(3): 359-377.
[24] VAN ECK N J, WALTMAN L. Software survey: vosviewer, a computer programfor bibliometric mapping[J]. Scientometrics, 2010, 84(2): 523-538.
[25] 吴斌, 王柏, 杨胜琦. 基于事件的社会网络演化分析框架[J]. 软件学报, 2011, 22(7): 1488-1502.
[26] 钱铁云, 李青, 许承瑜. 面向科技主题发展分段的社区核心圈技术[J]. 计算机科学与探索, 2010, 4(2): 170-179.
[27] ULRIKE V L. A tutorial on spectral clustering[J]. Statistics and computing, 2007,17 (4): 1-32.
[28] HAN J W, KAMBER M. Data mining concepts and techniques[M]. New York: Academic Press, 2001.
[29] NEWMAN M E J. Fast algorithm for detecting community structure in networks[J]. Physical review e, 2004, 69(6): 1-15.
[30] 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, 2008,9(10): 1-12.
[31] LAW J, BAUIN S, COURTIAL J P, et al. Policy and the mapping of scientific change: a co-word analysis of research into environmental acidification[J]. Scientometrics, 1988, 14(3/4):251-264.
[32] LEE B, JEONG Y I.Mapping korea’s national R&D domain of robot technology by using the co-word analysis[J].Scientometrics, 2008, 77 (1):3-19.
[33] 田冶,曾庆慧,胡相华,等.3D打印技术及在组织工程领域的研究进展[J].中国医疗器械信息,2015,21(8):7-12.

多位态研究主题识别及其演化路径方法研究

Research on the Method of Multi-position Research Themes Recognition and Evolution Path

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]	郭宇, 张传洋, 张海涛, 于文倩. 危机管理视角下突发事件舆情主题演化与治理分析[J]. 图书情报工作, 2022, 66(8): 113-121.
[2]	崔旭, 杨煜, 李姗姗. 基于LDA模型的我国档案馆非物质文化遗产保护主题挖掘与演化分析——与非遗保护中心对比视角[J]. 图书情报工作, 2022, 66(23): 82-92.
[3]	梁爽, 刘小平. 基于文本挖掘的科技文献主题演化研究进展[J]. 图书情报工作, 2022, 66(13): 138-149.
[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]	翟姗姗, 王左戎, 陈欢, 潘港辉. 会话分析视角下的突发公共事件主题演化研究——以"新冠肺炎疫情"为例[J]. 图书情报工作, 2022, 66(11): 87-99.
[6]	陈虹枢, 宋亚慧, 金茜茜, 汪雪锋. 动态主题网络视角下的突破性创新主题识别:以区块链领域为例[J]. 图书情报工作, 2022, 66(10): 45-58.
[7]	王晓, 马超, 翟姗姗. 会话分析视角下非正式信息交流主题与主题簇演化分析[J]. 图书情报工作, 2021, 65(17): 91-100.
[8]	陈立雪, 滕广青, 吕晶, 庹锐. 科研人员职业高峰前后的研究主题转换特征识别[J]. 图书情报工作, 2021, 65(16): 81-89.
[9]	马晓悦, 薛鹏珍, 陈忆金, 朱多刚. 社交媒体危机主题演化模型构建与趋势分析[J]. 图书情报工作, 2021, 65(13): 77-86.
[10]	吴一平, 白如江, 刘明月, 王效岳. 融合评论主题识别与技术属性多维度分析的技术机会发现研究[J]. 图书情报工作, 2021, 65(10): 56-67.
[11]	张鑫, 文奕, 许海云, 刘忠禹. Prophet预测-修正的主题强度演化模型——以干细胞领域为实证[J]. 图书情报工作, 2020, 64(8): 78-92.
[12]	何琳, 乔粤, 刘雪琪. 春秋时期社会发展的主题挖掘与演变分析——以《左传》为例[J]. 图书情报工作, 2020, 64(7): 30-38.
[13]	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.
[14]	张雪, 张志强. 学科交叉研究系统综述[J]. 图书情报工作, 2020, 64(14): 112-125.
[15]	刘小玲, 谭宗颖. 新兴技术主题识别方法研究进展[J]. 图书情报工作, 2020, 64(11): 145-152.