基于共詞知識圖譜的人文學(xué)科研究熱點可視化的實證研究

●秦長江

（1.南京農(nóng)業(yè)大學(xué) 信息科技學(xué)院，南京 210000；2.河南科技大學(xué) 管理學(xué)院，河南 洛陽 471003）

學(xué)術(shù)論文是學(xué)術(shù)研究的有形載體，是映射某一學(xué)科領(lǐng)域興起、發(fā)展、演進、融合及分化態(tài)勢過程和規(guī)律的一個重要標(biāo)志。論文的關(guān)鍵詞又是論文內(nèi)容的提示符，是作者學(xué)術(shù)思想及學(xué)術(shù)觀點的凝煉，也是文獻計量、科學(xué)計量研究的重要指標(biāo)。［1］

兩個關(guān)鍵詞在同一篇文獻中同時出現(xiàn)稱為關(guān)鍵詞共現(xiàn)。該方法中聚類和分析的指標(biāo)是詞（敘詞或關(guān)鍵詞），而詞與詞之間的關(guān)系代表著概念間的關(guān)系，因而聚類處理之后所形成的類能夠比較清晰、簡單、明了地揭示學(xué)科或主題的結(jié)構(gòu)與變化。［2］與單純的主題詞統(tǒng)計、排序，進而分析研究熱點的文獻計量方法相比，共詞分析不僅分析高頻詞，更注重這些詞之間的聯(lián)系，從而更好地反映了概念之間的關(guān)系。更為重要的是，共詞分析法是對當(dāng)前發(fā)表文獻的直接統(tǒng)計，反映的是當(dāng)前論文所集中關(guān)注的主題和趨勢形成之后的焦點，適合尋找知識領(lǐng)域的研究熱點和前沿。因為前沿領(lǐng)域的研究往往人數(shù)眾多而不集中，作品較分散，被引用情況不穩(wěn)定，而關(guān)鍵詞卻很好地體現(xiàn)了學(xué)科的研究熱點、焦點領(lǐng)域和該領(lǐng)域前沿發(fā)展方向。［3］

總之，共詞分析法與共引分析法的功能、結(jié)果是一致的，但對國內(nèi)研究者而言，共詞分析法更有價值的是不需要龐大的引文索引作基礎(chǔ)，免去了國內(nèi)引文數(shù)據(jù)庫數(shù)據(jù)質(zhì)量不高的障礙，而且應(yīng)用的范圍更為廣泛，不僅僅包括學(xué)術(shù)期刊，還可以包括會議錄等其他灰色文獻。［4］隨著計算機技術(shù)的發(fā)展，共詞分析法在分析學(xué)科發(fā)展歷史、揭示某一領(lǐng)域研究的發(fā)展動態(tài)和趨勢、發(fā)現(xiàn)新的學(xué)科增長點和突破口等方面的作用越來越顯著。

而共詞知識圖譜則是指將可視化技術(shù)與共詞分析原理結(jié)合，生成具有各種屬性的圖形、圖表或科學(xué)地圖，來確定這些代表性詞語之間的概念圖譜或知識網(wǎng)絡(luò)結(jié)構(gòu)，通過一系列圖譜詳細地描述某一學(xué)科領(lǐng)域的主題和熱點，以揭示知識領(lǐng)域結(jié)構(gòu)、映射知識領(lǐng)域發(fā)展趨勢。［5］

1 實驗設(shè)計思想

大量的文獻調(diào)研表明，國內(nèi)共詞知識圖譜的研究與國外相比有極大差距，主要表現(xiàn)在3個方面：［6］①研究手段和方法嚴重滯后；②研究層次低；③研究對象范圍過窄。目前國內(nèi)共詞知識圖譜研究都局限在自然科學(xué)、管理科學(xué)領(lǐng)域，且大部分都是這些學(xué)科某一研究方向的國際化研究，數(shù)據(jù)都選自國外權(quán)威數(shù)據(jù)庫，還沒有在我國人文學(xué)科，特別是文史學(xué)科中研究成果的報道。由于人文社會科學(xué)研究及其文獻具有自然科學(xué)所沒有的特點，因此，構(gòu)建文史學(xué)科的共詞知識圖譜，研究方法更具復(fù)雜性和特殊性。比如對于相關(guān)朝代和地名的取舍問題，如果也采取共詞知識圖譜通常使用的方法，一開始就將朝代和地名舍去，那么，一是由于文史學(xué)科過多的高頻詞都是類似性質(zhì)的詞，略去過多會影響到研究的準(zhǔn)確性；二是會影響區(qū)域史和不同時期分區(qū)史的研究。然而，如何對待這些高頻關(guān)鍵詞，國內(nèi)外還沒有任何研究報道。因此，本文把研究對象選定為文史特征很強的學(xué)科——農(nóng)業(yè)史學(xué)科，把知識圖譜方法應(yīng)用到我國人文學(xué)科領(lǐng)域的研究中，從實證角度證明知識圖譜這一科學(xué)計量學(xué)方法在人文學(xué)科中的有效性和存在的問題。這也是國內(nèi)文獻和科學(xué)計量學(xué)研究方法的一次有意義的創(chuàng)新嘗試。

本文采用共詞分析法，按照1980—1995、1996—2008兩個階段，對1980—2008年我國農(nóng)業(yè)史學(xué)科文獻的關(guān)鍵詞進行統(tǒng)計，通過考察這兩個階段關(guān)鍵詞之間關(guān)聯(lián)的強弱來挖掘知識結(jié)構(gòu)之間的親疏，用知識圖譜方法中的類團關(guān)系圖來定量地分析兩個時期農(nóng)史學(xué)科集中關(guān)注的熱點主題和主題變遷，使結(jié)論具有定性、定量的特點，提供了一個觀察學(xué)科發(fā)展演進過程全景的新視角。

2 數(shù)據(jù)處理

2.1 篩選和清理數(shù)據(jù)源

本次實驗共詞數(shù)據(jù)采用套錄“中國農(nóng)史論文全文數(shù)據(jù)庫”（該數(shù)據(jù)庫是由南京農(nóng)業(yè)大學(xué)中華農(nóng)業(yè)文明研究院開發(fā)的，主要對現(xiàn)、當(dāng)代農(nóng)史研究論文進行數(shù)字化加工和整合。共收錄1980—2005年間的農(nóng)史論文10098篇）的數(shù)據(jù)，補充錄入2005—2008年數(shù)據(jù)的方法（補充數(shù)據(jù)主要采用“中國期刊全文數(shù)據(jù)庫”中《中國農(nóng)史》《農(nóng)業(yè)考古》《古今農(nóng)業(yè)》這三大農(nóng)史期刊2005年至今的所有論文數(shù)據(jù)），同時再搜索、篩選、補充其他相關(guān)期刊中農(nóng)史論文的數(shù)據(jù)，將三種方法獲得的數(shù)據(jù)進行查重、剔除后整合到一起，建立中國農(nóng)史學(xué)科論文關(guān)鍵詞共詞數(shù)據(jù)庫，作為分析的樣本和基礎(chǔ)。所建立的中國農(nóng)史學(xué)科論文關(guān)鍵詞共詞數(shù)據(jù)庫共有文獻數(shù)據(jù)12247條，1980—1995年有4325條，年平均270條；1996—2008年有7922條，年平均609條。詞表的集合足夠大，進行共詞分析是適合和恰當(dāng)?shù)摹?/p>

首先對共詞數(shù)據(jù)庫的數(shù)據(jù)進行篩選清理，將非純學(xué)術(shù)論文和沒有關(guān)鍵詞的論文全部剔除后，利用自編的計算機程序，將這些關(guān)鍵詞按照它們出現(xiàn)的頻次由高到低排序，得到兩個階段降序排列的關(guān)鍵詞總數(shù)分別是8472、11631個。按照科學(xué)計量學(xué)的原理，共詞分析法對高頻詞數(shù)量的選擇沒有統(tǒng)一規(guī)定，如果選擇的高頻詞過少，則不能如實反映學(xué)科結(jié)構(gòu)的構(gòu)成；如果范圍過大，則將給共詞分析帶來不必要的干擾。目前高頻詞的選擇一般為截取的高頻詞的累積頻次要達到總頻次的40%左右，［7］因此，本文分別截取第一階段詞頻量大于12、第二階段詞頻量大于14的高頻關(guān)鍵詞，這樣第一階段詞頻量大于12的關(guān)鍵詞共有120個，累積頻次為3054，達到總頻次的36.1%（3054/8472=0.3605）；第二階段詞頻量大于14的關(guān)鍵詞共有156個，累積頻次為5291，達到總頻次的46.6%（5291/11361=0.4657），將這些關(guān)鍵詞作為表現(xiàn)當(dāng)前中國農(nóng)史學(xué)科研究熱點的標(biāo)志是合適的。

2.2 合并關(guān)鍵詞

鑒于文史學(xué)科的特殊性，筆者在數(shù)據(jù)處理過程中，發(fā)現(xiàn)有許多同義和意義相近的關(guān)鍵詞匯，如明清時期和明清、江南地區(qū)和江南、民國時期和民國、茶葉和茶、先秦時期和先秦、農(nóng)具和農(nóng)業(yè)工具、栽培史和栽培歷史等等。為統(tǒng)一處理，筆者將所有這樣的兩個詞統(tǒng)一為一個更常用的詞。將所有類似表達同樣內(nèi)容的詞匯統(tǒng)一規(guī)范處理后，再將一些無法表達實際意義的詞如：發(fā)展、起源、開發(fā)、對策、影響、傳播、現(xiàn)狀、分布等統(tǒng)一刪除，這樣，第一階段詞頻量大于12的120個關(guān)鍵詞簡化為86個、第二階段詞頻量大于14的156個關(guān)鍵詞簡化為113個，從而分別確定了兩個階段的86個和113個高頻關(guān)鍵詞表（限于篇幅，兩個詞表略），作為共詞分析我國農(nóng)史學(xué)科研究熱點的基礎(chǔ)。

2.3 形成原始共詞矩陣和構(gòu)造相異矩陣

利用自編的計算機程序，統(tǒng)計這些關(guān)鍵詞在該共詞數(shù)據(jù)庫中共同出現(xiàn)的次數(shù)，這樣形成了一個86×86和113×113的共詞矩陣（由于篇幅限制，兩個表略）。這樣的共詞矩陣是一個對稱矩陣。因為兩個關(guān)鍵詞共現(xiàn)頻次的多少直接受兩個關(guān)鍵詞各自詞頻大小的影響。因此，要想真正揭示關(guān)鍵詞之間的共現(xiàn)關(guān)系，還需引入表示關(guān)鍵詞共現(xiàn)相對強度的指標(biāo)。在文獻計量學(xué)中，目前應(yīng)用較多的就是Ochiia系數(shù)和Jaccard指數(shù)。［8］本文用Ochiia系數(shù)將共詞矩陣轉(zhuǎn)換成相關(guān)矩陣，然后再用“1”與全部相關(guān)矩陣上的數(shù)據(jù)相減，得到表示兩詞間相異程度的相異矩陣（86個高頻關(guān)鍵詞的相異矩陣片段見表1，113個高頻關(guān)鍵詞的相異矩陣略）。相異矩陣中的數(shù)據(jù)數(shù)值越大，表明關(guān)鍵詞之間的距離越遠，相似度越差。［9］

表1 86個高頻關(guān)鍵詞共詞相異矩陣（部分）

2.4 構(gòu)建類團關(guān)系圖

利用相關(guān)的多元統(tǒng)計方法，進行聚類分析，得到聚類結(jié)果樹狀譜系圖。用該圖把這些關(guān)鍵詞重新組合起來，關(guān)鍵詞之間的親疏關(guān)系就表示出來。從而反映出這些關(guān)鍵詞所代表的研究熱點和研究主題。［10］類團形成后，通過計算各類目之間的外部鏈接和內(nèi)部鏈接，得到類團之間和類團內(nèi)的聯(lián)系強度。兩個類團的所有關(guān)鍵詞共同出現(xiàn)在同一篇論文中的次數(shù)總和就是兩者的“外部鏈接”，內(nèi)部鏈接指某類團所包含的全部關(guān)鍵詞共同出現(xiàn)在同一篇論文中的次數(shù)總和。按照鏈接強度繪制成類團關(guān)系圖，以反映各類團之間的關(guān)系。［11］本文首次在國內(nèi)利用社會網(wǎng)絡(luò)分析軟件pajek繪制出類團關(guān)系圖。

3 實驗結(jié)果和分析

3.1 實驗整體情況

通過對1980—1995年、1996—2008年兩個階段86、113個高頻詞共詞矩陣的聚類，分別在分類閾值為2.2、2.25水平上得到12個、15個類團，分別包含55個、61個關(guān)鍵詞。兩個階段中刪去的詞分別是：表示朝代和地區(qū)的關(guān)鍵詞、未聚入任何類目的詞、聚成了兩個小類團的詞（如第一階段的農(nóng)業(yè)資料和甲骨文、第二階段的少數(shù)民族和畜牧業(yè)等，由于每個類團只有2個關(guān)鍵詞而被忽略掉）。由此，筆者列出了每階段的聚類結(jié)果（由于篇幅限制，兩個階段的樹狀聚類圖略），繪制了類團關(guān)系圖等知識圖譜，進行詳細的對比研究。

3.2 主要研究領(lǐng)域及其演變

兩個階段由聚類圖的聚類結(jié)果形成的類團關(guān)系表見表2。

第一階段有12個類團，根據(jù)學(xué)科范疇總結(jié)為以下6個方面：①農(nóng)業(yè)科技史，有農(nóng)業(yè)生產(chǎn)與工具史、畜牧獸醫(yī)史、稻作農(nóng)業(yè)研究、作物栽培史、農(nóng)田水利史5個類團，居各類團主題內(nèi)容之首；②農(nóng)業(yè)考古與農(nóng)業(yè)起源研究（有兩個強度大的類團）；③農(nóng)業(yè)經(jīng)濟史研究（有土地制度史和以農(nóng)業(yè)經(jīng)濟結(jié)構(gòu)為主的研究兩個類團）；④農(nóng)書研究類團；⑤農(nóng)業(yè)文化史研究（即茶文化類團）；⑥傳統(tǒng)農(nóng)業(yè)與農(nóng)業(yè)現(xiàn)代化研究類團。

表2 類團關(guān)系表

第二階段有15個類團，根據(jù)學(xué)科范疇總結(jié)為以下6個方面：①農(nóng)業(yè)科技史，稻作農(nóng)業(yè)研究、農(nóng)田水利史依然存在；畜牧獸醫(yī)史、作物栽培史消失；農(nóng)業(yè)考古、農(nóng)業(yè)起源與原始農(nóng)業(yè)、農(nóng)業(yè)生產(chǎn)與工具史合并成一個關(guān)鍵詞最多、強度最大的一個類團：農(nóng)業(yè)起源與原始農(nóng)業(yè)研究。②農(nóng)書研究、傳統(tǒng)農(nóng)業(yè)與農(nóng)業(yè)現(xiàn)代化研究、茶文化類團依然保留，變化不大，該階段又有了茶葉生產(chǎn)與貿(mào)易史研究類團，說明有關(guān)茶的研究內(nèi)容在擴展。最值得關(guān)注的是第二階段中出現(xiàn)的新類團。在這一階段，與農(nóng)業(yè)經(jīng)濟史（特別是當(dāng)代農(nóng)業(yè)）研究有關(guān)的新類團和農(nóng)業(yè)環(huán)境史研究、農(nóng)業(yè)災(zāi)害史研究類團的出現(xiàn)是最顯著的特征。雖然這些類團關(guān)鍵詞不多，類團強度不夠大，但很值得研究。③農(nóng)業(yè)經(jīng)濟史研究。該階段有4個類團（筆者把當(dāng)代農(nóng)業(yè)經(jīng)濟研究也劃入到該領(lǐng)域），即農(nóng)業(yè)經(jīng)濟史、農(nóng)業(yè)賦役史、三農(nóng)問題研究、人口與土地利用研究。④農(nóng)業(yè)環(huán)境史。本階段有兩個與環(huán)境史有關(guān)的類團：農(nóng)業(yè)環(huán)境史、生態(tài)環(huán)境保護與新農(nóng)村建設(shè)研究（嚴格來說，人口與土地利用研究類團也與環(huán)境史研究相關(guān)）。⑤農(nóng)業(yè)災(zāi)害史。這一階段有一個災(zāi)害史類團，根據(jù)關(guān)鍵詞的內(nèi)容來看，研究范圍包括了幾乎所有的農(nóng)業(yè)自然災(zāi)害。⑥農(nóng)業(yè)與農(nóng)村社會發(fā)展史。該階段首次有一個類團：農(nóng)業(yè)鄉(xiāng)村社會史研究進入熱點研究領(lǐng)域。

3.3 類團關(guān)系圖分析

筆者根據(jù)各類團之間的內(nèi)部聯(lián)系強度和其外部鏈接數(shù)量，首次在國內(nèi)用社會網(wǎng)絡(luò)分析軟件pajek繪制了兩個階段的類團關(guān)系圖（圖1、圖2），形象直觀的研究哪些類團是核心類團、邊緣類團以各類團彼此聯(lián)系的強度。

pajek軟件繪制的網(wǎng)絡(luò)圖，節(jié)點大小代表該類團的內(nèi)部聯(lián)系強度，節(jié)點越大，該類團的內(nèi)部聯(lián)系強度越大；連接節(jié)點線條的粗細和顏色的深淺代表兩個節(jié)點外部鏈接數(shù)量和強度，線條越粗，顏色越深表示兩個節(jié)點外部鏈接數(shù)量和強度越強。

從圖1可以看出，第一階段，“農(nóng)業(yè)生產(chǎn)與工具史”“農(nóng)業(yè)起源與原始農(nóng)業(yè)研究”和“農(nóng)業(yè)考古研究”三個大類團是整個領(lǐng)域的研究重點，它們幾乎與所有的類團都有著或強或弱的聯(lián)系?！暗咀鬓r(nóng)業(yè)研究”“畜牧獸醫(yī)史”“傳統(tǒng)農(nóng)業(yè)與農(nóng)業(yè)現(xiàn)代化研究”“農(nóng)田水利史研究”“作物栽培史研究”等是次核心類團，其他類團是邊緣類團，相互影響很小。

從圖2可知，第二階段情況發(fā)生了很大變化。上階段的兩個大類團合并為一個最大的“農(nóng)業(yè)起源與農(nóng)業(yè)考古研究”核心類團。“三農(nóng)問題研究”成為第二大核心類團；同時上階段的次核心類團“稻作農(nóng)業(yè)研究”“傳統(tǒng)農(nóng)業(yè)與農(nóng)業(yè)現(xiàn)代化研究”“農(nóng)田水利史研究”仍然是次核心類團，而“農(nóng)業(yè)經(jīng)濟史研究”“農(nóng)業(yè)環(huán)境史研究”類團成為新的次核心類團，它們與其他類團聯(lián)系也較多。其余類團是邊緣類團，相互影響很小。唯一例外的是，“茶文化研究”“茶葉生產(chǎn)與貿(mào)易史”類團聯(lián)系很強，但與別的類團聯(lián)系很少。

圖2 15個類團關(guān)系圖

總之，從兩個階段的“稻作農(nóng)業(yè)研究”等次核心類團保持不變；新興的“農(nóng)業(yè)環(huán)境史研究”等類團成為新的次核心類團；出現(xiàn)了不少強度更小、范圍更廣的新類團——這三個現(xiàn)象充分說明農(nóng)業(yè)史學(xué)科的重要研究領(lǐng)域比較穩(wěn)定、主要研究熱點比較突出、學(xué)術(shù)特色依然保持，同時新興研究熱點不斷涌現(xiàn)，研究范圍和內(nèi)容更加拓展，研究熱點增多和更加分散。

4 小結(jié)

特別需要說明的是本文對于相關(guān)朝代和地名的取舍。類似性質(zhì)的高頻詞所占比例非常大，因此如何處理，會極大地影響到研究的準(zhǔn)確性和科學(xué)性，而國內(nèi)外還沒有如何處理這些高頻關(guān)鍵詞的任何研究報道。因此，筆者采取了4種方法進行試驗：

（1）在降序排列的關(guān)鍵詞詞頻分布表排出之后，將這些詞排除，然后再進行相關(guān)的后續(xù)步驟；

（2）在合并、規(guī)范處理關(guān)鍵詞后再舍去；

（3）全部詞參與聚類并形成聚類圖后，在形成類團關(guān)系表時將它們排除（就是本文的方法）；

（4）這些詞全部參與聚類和分析。

經(jīng)過對比分析，第三種方法效果最好。原因如下：由于學(xué)科的特殊性，第一種方法誤差太大，不能如實反映學(xué)科研究熱點；第二種方法得到的共詞數(shù)量很少，無法進行共詞分析；第四種方法會影響、干擾到類團的命名和分析。因此，雖然第三種方法也有不足，即會影響區(qū)域史和分區(qū)史的研究，但目前是最理想的方法。

總之，雖然共詞分析法避開了引文數(shù)據(jù)這一重要影響研究質(zhì)量的因素，尤其對我國的人文學(xué)科更為適用，但仍然存在一定局限性。比如：①由于人文學(xué)科的特殊性，關(guān)鍵詞的著錄不完全規(guī)范，在歸并意義相同的關(guān)鍵詞時存在一定的主觀性；②期刊不同發(fā)文量造成部分主題關(guān)鍵詞過多或過少，干擾部分類團的命名以及使某些類團的密度和向心有些失真等，這些命題仍需要進一步研究。

［1］張勤，馬費成.國內(nèi)知識管理研究結(jié)構(gòu)探討——以共詞分析為方法 ［J］.情報學(xué)報，2008，27（1）：93－101.

［2］鐘偉金，李佳.共詞分析法研究（三）——共詞聚類分析法的原理特點［J］.情報雜志，2008（7）：118－120.

［3］馮璐，冷伏海.共詞分析方法理論進展［J］.中國圖書館學(xué)報，2006，32（162）：88－92.

［4］周靜怡，孫坦.共詞可視化：以人類基因組領(lǐng)域為例 ［J］. 情報學(xué)報，2007，26（4）：532－537.

［5］ Chaomei Chen，Jasna Kuljis.Therisinglandscape:a visual exploration of superstring revolutions in physics［J］.Journal of the American society for information scienceand technology， 2003， 54 （5）： 435－446.

［6］秦長江.知識圖譜——信息管理與知識管理的新領(lǐng)域［J］.大學(xué)圖書館學(xué)報，2009，27（1）：30－37.

［7］張勤，馬費成.國外知識管理研究范式——以共詞分析為方法 ［J］.管理科學(xué)學(xué)報，2006，12（6）：526－531.

［8］梁立明，謝彩霞.詞頻分析法用于我國納米科技研究動向分析［J］.科學(xué)學(xué)研究，2003，21（3）：138－142.

［9］ Bauin,Setal.Using bibliometrics in strategic analysis：“understanding chemical reactions” at the CNRS［J］.Scientometrics， 1991， 22 （1）： 113－137.

［10］劉則淵，尹麗春.國際科學(xué)學(xué)主題共詞網(wǎng)絡(luò)的可視化研究 ［J］. 情報學(xué)報，2006，25 （5）：20－25.

［11］鐘偉金，李佳.共詞分析法研究（二）——類團分析 ［J］.情報雜志，2008 （6）：141－143.