[1] 许海云, 董坤, 隗玲, 等. 科学计量中多源数据融合方法研究述评[J]. 情报学报, 2018, 37(3):318-328.
[2] 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.
[3] XU H Y, YUE Z H, WANG C, et al. Multi-source data fusion study in scientometrics[J]. Scientometrics, 2017, 111(2):773-792.
[4] 谭晓, 李辉. 基于多源数据知识融合方法的研究前沿识别[J]. 现代情报, 2019, 39(8):29-36.
[5] 冯佳, 穆晓敏, 王伟. 面向研究前沿识别的载体-特征-关系融合模型研究[J]. 图书馆杂志, 2020, 39(9):56-63.
[6] WANG X. Research on the discourse power evaluation of academic journals from the perspective of multiple fusion:taking medicine, general and internal journals as an example[J]. Journal of information science, 2022, 7:01655515221107334.
[7] 陈启明, 王效岳, 白如江, 等. 多源数据融合下突发公共事件社会关注与政策趋向研究——以新冠肺炎疫情为例[J]. 情报探索, 2022(6):15-25.
[8] 胡吉霞. 面向多源数据的学科知识网络构建方法与应用研究[D]. 西安:西安电子科技大学, 2021.
[9] 王春秀, 冉美丽. 学科主题演化定量分析的理论基础探析[J]. 现代情报, 2008(6):48-50.
[10] 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.
[11] 陈悦, 刘则渊, 陈劲, 等. 科学知识图谱的发展历程[J]. 科学学研究, 2008(3):449-460.
[12] MORRIS S A, YEN G, WU Z, et al. Time line visualization of research fronts[J]. Journal of the American Society for Information Science and Technology, 2003, 54(5):413-422.
[13] PALLA G, BARABASI A L, VICSEK T. Quantifying social group evolution[J]. Nature, 2007, 446(7136):664-667.
[14] 周源, 张超, 唐杰, 等. 基于主题变迁的领域发展路径智能化识别——以人工智能为例[J]. 图书情报工作, 2018, 62(14):62-71.
[15] 陈悦, 王康, 宋超, 等. 一种用于技术融合与演化路径探测的新方法:技术群相似度时序分析法[J]. 情报学报, 2021, 40(6):565-574.
[16] 刘怀兰, 刘盛, 周源, 等. 基于多源文本挖掘的技术演化路径识别[J]. 情报理论与实践, 2022, 45(11):178-187.
[17] MEYER M. Tracing knowledge flows in innovation systems[J].Scientometrics, 2002, 54(2):193-212.
[18] 刘自强, 许海云, 岳丽欣, 等. 面向研究前沿预测的主题扩散演化滞后效应研究[J]. 情报学报, 2018, 37(10):979-988.
[19] 李慧, 孟玮. 专利视角下的美国空军核心技术演化分析[J]. 情报理论与实践, 2021, 44(2):41-49.
[20] 李慧, 胡吉霞, 佟志颖. 面向多源数据的学科主题挖掘与演化分析[J]. 数据分析与知识发现, 2022, 6(7):44-55.
[21] FISHER W D. On grouping for maximum homogeneity[J]. Journal of the American Statistical Association, 1958, 53(284):789-798.
[22] 李俊, 毕华兴, 李笑吟, 等. 有序聚类法在土壤水分垂直分层中的应用[J]. 北京林业大学学报, 2007(1):98-101.
[23] 大布穷, 叶彦辉, 赵垦田. 西藏色季拉山急尖长苞冷杉生长规律研究[J]. 安徽农业科学, 2010, 38(17):9317-9320, 9344.
[24] 张多, 韩逢庆. 基于支持向量机和有序聚类的岩层识别[J]. 智能系统学报, 2014, 9(1):98-103.
[25] 祖坤琳, 赵铭伟, 林鸿飞. 基于有序聚类的专利知识演化研究[J]. 计算机工程与科学, 2016, 38(4):785-791.
[26] 严广松, 路允芳. 多维有序样本的聚类方法研究[J]. 统计与决策, 2008(4):29-30.
[27] DU Y J, YI Y T, LI X Y, et al. Extracting and tracking hot topics of micro-blogs based on improved Latent Dirichlet Allocation[J]. Engineering applications of artificial intelligence, 2020, 87:13.
[28] 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.
[29] 张学成, 周斌, 孔瑞远, 等. 大型仪器利用情况调查数据异常值检测的数学方法比较[J]. 数学的实践与认识, 2012, 42(11):50-57.
[30] 刘路. 基于Louvain算法的社区发现与核心节点挖掘研究[D]. 西安:西安电子科技大学, 2021.
[31] NEWMAN M E J. Modularity and community structure in networks[J]. Proceedings of the National Academy of Sciences of the United States of America, 2006, 103(23):8577-8582.
[32] 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(10):P10008.
[33] 隗玲, 许海云, 胡正银, 等. 学科主题演化路径的多模式识别与预测——一个情报学学科主题演化案例[J]. 图书情报工作, 2016, 60(13):71-81.
[34] 唐果媛. 基于共词分析法的学科主题演化研究方法的构建[J]. 图书情报工作, 2017, 61(23):100-107.
[35] 周毅. 模因视角下知识网络的主题演化研究[D]. 兰州:兰州交通大学, 2021.
[36] 姜鑫, 王德庄, 马海群. 社会网络分析方法在图书情报学科的应用研究[M]. 北京:知识产权出版社, 2019.
[37] 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.
[38] SATOPAA V, ALBRECHT J, IRWIN D, et al. Finding a kneedle in a haystack:detecting knee points in system behavior[C]//International conference on distributed computing systems workshops. Piscataway:IEEE Computer Society, 2011.
