一种基于共词网络社区的科研主题演化分析框架

doi:10.7536/j.issn.0252-3116.2013.08.017

图书情报工作 ›› 2013, Vol. ›› Issue (08): 91-96.DOI: 10.7536/j.issn.0252-3116.2013.08.017

一种基于共词网络社区的科研主题演化分析框架

程齐凯, 王晓光

武汉大学信息管理学院

收稿日期:2012-11-27 修回日期:2013-02-20 出版日期:2013-04-20 发布日期:2013-04-20
通讯作者: 王晓光,武汉大学信息管理学院副教授,博士,E-mail:whu_wxg@126.com
作者简介:程齐凯,武汉大学信息管理学院博士研究生。
基金资助:
本文系国家自然科学基金项目"基于语义共词网络演化的学科新兴趋势浮现机理与探测研究"(项目编号:71003078)和中央高校基本科研业务费专项资金资助项目(项目编号:2012104010204)研究成果之一。

A New Research Frame for Analyzing the Evolution of Research Topics Based on Co-word Network Communities

Cheng Qikai, Wang Xiaoguang

School of Information Management, Wuhan University, Wuhan 430072

Received:2012-11-27 Revised:2013-02-20 Online:2013-04-20 Published:2013-04-20

摘要/Abstract

摘要：

共词网络在一定程度上可以表示特定学科领域的知识结构。为分析主题演化过程,将网络社区的演化分为6种类型,分别为产生、消亡、分裂、合并、扩张与收缩。在此基础上,利用Z-value算法和社区相似度算法,构建一个科研主题演化分析模型。与传统的基于词频的分析思路相比,所提出的基于共词网络社区演化分析的框架不强调词频的变化,而是强调词间关系的变化,试图通过中观层面的网络社区的演化分析揭示科研主题发展规律。

关键词: 共词网络, 网络社区, 社区发现, 网络演化, 新兴趋势探测

Abstract:

The knowledge structure of a discipline can be expressed by a co-word network. Six types of evolution of community are recognized, which are birth, death, splitting, merging, growth, and contraction. A topic evolution analysis framework is created based on Z-value mechanism and community match mechanism. Comparing with the traditional methods, the method proposed in this paper focus on the links between words rather than the frequency of words, which is a innovation in the field of ETD from the mesoscopical network view.

Key words: Co-word Network, Network Communities, Community Detection, Network Evolution, Emerging Trend Detection

中图分类号:

G202

程齐凯, 王晓光. 一种基于共词网络社区的科研主题演化分析框架[J]. 图书情报工作, 2013, (08): 91-96.

Cheng Qikai, Wang Xiaoguang. A New Research Frame for Analyzing the Evolution of Research Topics Based on Co-word Network Communities[J]. LIS, 2013, (08): 91-96.

参考文献

[1] Kontostathis A, Galitsky L M, Pottenger W M, et al. A survey of emerging trend detection in textual data mining[C]//Berry M.A Comprehensive Survey of Text Mining. Heidelberg: Springer-Verlag, 2003:185-224.
[2] 陈仕吉. 科学研究前沿探测方法综述[J],现代图书情报技术,2009(9):28-33.
[3] Pottenger W M, Yang Tinghao. Detecting emerging concepts in textual data mining[J]. Computational Information Retrieval, 2001,100(1): 89-105.
[4] Roy S, Gevry D, Pottenger W M. Methodologies for trend detection in textual data mining[C/OL].[2012-09-06].http://www.cse.lehigh.edu/~billp/pubs/ETDMethodologies.pdf.
[5] Le Minh-Hoang, Ho Tu-Bao, Nakamori Y. Detecting emerging trends from scientific corpora[J]. International Journal of Knowledge and Systems Sciences, 2005, 2(2): 63-69.
[6] Chen Chaomei. CiteSpace II: Detecting and visualizing emerging trends and transient patterns in scientific literature[J]. Journal of the American Society for Information Science and Technology, 2006, 57(3):359-377.
[7] Börner K, Chen Chaomei, Boyack K W. Visualizing knowledge domains[J].Annual Review of Information Science & Technology Cronin B. Inc./American Society for Information Science and Technology, 2003,37(1): 179-255.
[8] Wallace M L, Gingras Y, Duhon R. A new approach for detecting scientific specialties from raw cocitation networks[J]. Journal of the American Society for Information Science and Technology, 2009, 60 (2): 240-246.
[9] 殷蜀梅. 判断新兴研究趋势的技术框架研究[J]. 图书情报知识,2008(5):76-80.
[10] Tu Yining, Seng Jialang. Indices of novelty for emerging topic detection[J]. Journal of Information Processing and Management, 2012, 48(2): 303-325.
[11] 王晓光. 科学知识网络的结构与演化(I):共词网络方法的提出[J]. 情报学报, 2009, 28(4): 599-605.
[12] 王晓光. 科学知识网络的结构与演化(II):共词网络可视化与增长动力学[J]. 情报学报, 2010, 29(2): 314-322.
[13] Newman M E J, Girvan M. Finding and evaluating community structure in networks[J]. Physical Review E, 2004, 69(2): 026113.
[14] Boyack K W, Klavans R, Brner K. Mapping the backbone of science[J]. Scientometrics, 2005,64(3): 351-374.
[15] Lambiottea R, Panzarasab P. Communities, knowledge creation, and information diffusion[J]. Journal of Informetrics,2009,3(3): 180-190.
[16] Ding Ying. Community detection: Topological vs. Topical[J]. Journal of Informetrics, 2011,5(4): 498-514.
[17] Newman M.Analysis of weighted networks[J].The American Physical Society,2004,70(5):56-64.
[18] McCain K W. Assessing an author's influence using time series historic graphic mapping: The oeuvre of Conrad Hal Waddington (1905-1975)[J]. Journal of the American Society for Information Science and Technology, 2008, 59(4): 510–525.
[19] Guimer'a R, Sales-Pardo M, Amaral L A. Classes of complex networks defined by role-to-role connectivity profiles[J]. Nature Physics, 2007,3(1): 63-69.
[20] Palla G, Barabási A, Vicsek T. Quantifying social group evolution[J]. Nature, 2007, 446(7136):664-667.
[21] 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(2):170-179.

一种基于共词网络社区的科研主题演化分析框架

A New Research Frame for Analyzing the Evolution of Research Topics Based on Co-word Network Communities

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]	张海涛, 周红磊, 张鑫蕊, 孙彤. 在线社交网络的社区发现研究进展[J]. 图书情报工作, 2020, 64(9): 142-152.
[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]	徐涵, 刘小平. 作者主题模型及其改进的方法与应用研究综述[J]. 图书情报工作, 2019, 63(7): 135-145.
[4]	刘蕾蕾, 王胜涛, 胡正银. 社区画像研究综述[J]. 图书情报工作, 2019, 63(23): 122-130.
[5]	国佳, 郭勇, 沈旺, 潘梦雅. 基于在线评论的网络社区信息可信度评价方法研究[J]. 图书情报工作, 2019, 63(17): 137-144.
[6]	季丹, 李武. 网络社区临场感对阅读行为的影响机制研究——基于满意度的中介效应分析[J]. 图书情报工作, 2016, 60(2): 42-46,58.
[7]	刘自强, 王效岳, 白如江. 语义分类的学科主题演化分析方法研究——以我国图书情报领域大数据研究为例[J]. 图书情报工作, 2016, 60(15): 76-85,93.
[8]	吴小兰, 章成志. 面向大规模多维社会网络的社区发现研究[J]. 图书情报工作, 2014, 58(16): 122-130.
[9]	陈海涛, 陈博. 网络社区信息资源智能性管理研究[J]. 图书情报工作, 2013, 57(24): 66-70.
[10]	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): 86-94.
[11]	蔡伟, 王建冬, 郑玉凤, 王继民. 我国知识产权研究领域的共词网络分析[J]. 图书情报工作, 2013, 57(10): 116-121.
[12]	刘江, 赵宇翔, 朱庆华. 互联网环境下潜水者及其潜水动因研究综述[J]. 图书情报工作, 2012, 56(18): 65-72.
[13]	蒋盛益, 麦智凯, 庞观松, 吴美玲, 王连喜. 微博信息挖掘技术研究综述[J]. 图书情报工作, 2012, 56(17): 136-142.
[14]	殷国鹏, 刘雯雯, 祝珊. 网络社区在线评论有用性影响模型研究——基于信息采纳与社会网络视角[J]. 图书情报工作, 2012, 56(16): 140-147.
[15]	王胜海钟瑛. 知识服务技术研发与实践[J]. 图书情报工作, 2012, 56(11): 12-15.