基于共詞分析的學(xué)科結(jié)構(gòu)可視化表達方法的探討

楊穎 崔雷

〔摘 要〕共詞分析可視化是一種利用現(xiàn)代信息技術(shù)和統(tǒng)計軟件圖形顯示功能，將分析結(jié)果直觀形象地顯現(xiàn)出來的方法，其目的是應(yīng)用圖示的方法揭示出學(xué)科領(lǐng)域的發(fā)展及演進趨勢、研究課題的擴散與傳播的關(guān)系，為學(xué)科建設(shè)提供優(yōu)化服務(wù)。目前，這種方法發(fā)展迅速并廣泛應(yīng)用。本文著重介紹幾種重要的共詞可視化的方法，并對比其優(yōu)缺點。

〔關(guān)鍵詞〕學(xué)科建設(shè)；共詞分析；學(xué)科結(jié)構(gòu)可視化；聚類分析；多維標(biāo)度；戰(zhàn)略坐標(biāo)；社會網(wǎng)絡(luò)分析

ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１００８－０８２１．２０．０１．０２３

〔中圖分類號〕Ｇ３５０ 〔文獻標(biāo)識碼〕Ａ 〔文章編號〕１００８－０８２１（２０）０１－００９１－０６

Visualization of Subject Structure Based on Co-word AnalysisYang Ying１ Cui Lei２

（１．Library，China Medical University，Shenyang 100001，China；

２．Department of Information Management and Information System，Shenyang 100001，China）

〔Ａｂｓｔｒａｃｔ〕Co-word visualization is a method that can present the results of co-word analysis directly by modern information techniques and graphical display function of statistics systems.Co-word visualization is used to reveal the relation between developmental tendency of discipline and diffuse of research subject.So far,co-word visualization methods and their applications update quickly.This article summary featured several important visualization methods used in co-word analysis.

〔Ｋｅｙｗｏｒｄｓ〕subject development;co-word analysis;visualization of subject structure;cluster tree;multidimensional scaling;strategic diagram;social network map

共詞分析法（Co-word analysis）早在20世紀(jì)70年代后期由法國文獻計量學(xué)家提出的，是信息計量學(xué)的一種重要方法，也是內(nèi)容分析法的常用方法之一。其原理是：當(dāng)兩個能夠表達某一學(xué)科領(lǐng)域研究主題或研究方向的專業(yè)術(shù)語（一般為主題詞或關(guān)鍵詞）在同一篇文獻中出現(xiàn)時，表明這兩個詞之間具有一定的內(nèi)在關(guān)系，并且出現(xiàn)的次數(shù)越多，表明它們的關(guān)系越密切、距離越近。利用現(xiàn)代統(tǒng)計技術(shù)如因子分析、聚類分析和多維尺度分析等多元分析方法，可以進一步按這種“距離”將一個學(xué)科內(nèi)的重要主題詞或關(guān)鍵詞加以分類，從而歸納出該學(xué)科的研究熱點、結(jié)構(gòu)與范式［１］，對于決策層規(guī)劃學(xué)科布局，調(diào)整學(xué)科方向，促進學(xué)科發(fā)展具有重要的參考價值，對于本學(xué)科研究人員了解學(xué)科前沿，進一步明晰其研究與應(yīng)用目標(biāo)，集中有限力量在重點領(lǐng)域有所突破亦具有積極意義。

經(jīng)過近三十年的發(fā)展，對某學(xué)科或研究領(lǐng)域的共詞分析不光停留在數(shù)據(jù)的分析層面上，逐漸融入可視化方法，利用現(xiàn)代信息技術(shù)和統(tǒng)計軟件圖形顯示功能，將分析結(jié)果直觀形象地顯現(xiàn)出來，目的是應(yīng)用圖示的方法揭示出學(xué)科領(lǐng)域的發(fā)展及演進趨勢、研究課題的擴散與傳播的關(guān)系。本文主要介紹基于共詞分析的學(xué)科結(jié)構(gòu)可視化表達方法的原理、使用工具及其特點。

１ 共詞分析的可視化

共詞分析可視化是利用可視化開發(fā)工具把共詞結(jié)果以可視化的方式展示出來?？梢暬慕Y(jié)果可以統(tǒng)稱為科學(xué)知識圖譜，這個定義是由陳悅等人［２］在“科學(xué)地圖”的基礎(chǔ)上將其延伸而來。

共詞分析可視化主要分五步：文獻的檢索、數(shù)據(jù)提取、數(shù)據(jù)預(yù)處理、數(shù)據(jù)分析和數(shù)據(jù)可視化。即（1）檢索收集某學(xué)科領(lǐng)域的文獻；（2）根據(jù)不同的需要，從關(guān)鍵詞、或主題詞、題名、摘要或正文中抽取一組詞作為研究對象；通常提取文獻的關(guān)鍵詞或主題詞，因為這些詞簡練并能代表整篇文章的內(nèi)容。（3）兩兩統(tǒng)計這些詞在同一篇文獻中出現(xiàn)的次數(shù)，生成詞篇矩陣、共詞矩陣或相似矩陣；（4）數(shù)據(jù)分析，通過降維技術(shù)，利用現(xiàn)代統(tǒng)計技術(shù)如因子分析、聚類分析和多維尺度分析等多元分析方法，得到知識間的關(guān)系、構(gòu)成及相似性，反映出這些詞之間的親疏關(guān)系，進而分析這些詞所代表的學(xué)科和主題的結(jié)構(gòu)變化；（5）數(shù)據(jù)可視化，將類目之間的關(guān)系用圖形方式直觀、形象地揭示出來。共詞結(jié)果的可視化是整個共詞分析過程最后關(guān)鍵的一步，有多種表達方式，目前共詞分析的主要可視化方法包括包容圖(Inclusion Map)、臨近圖(Proximity Map)、聚類圖(Clustering Map)、戰(zhàn)略坐標(biāo)圖(Strategic Diagram)、自相關(guān)地圖、自組織圖譜SOM（Self-Organized Map）等，揭示知識領(lǐng)域結(jié)構(gòu)、映射知識領(lǐng)域發(fā)展趨勢。多維標(biāo)度(Multidimensional scaling)的結(jié)果也可以直觀地表示類目之間的關(guān)系。此外，目前社會網(wǎng)絡(luò)分析（Social Network Analysis）的可視化軟件也逐漸應(yīng)用于共詞分析，從而探討某學(xué)科或主題的研究核心內(nèi)容與邊緣內(nèi)容等［３］。

２ 常用的可視化方法

２.１ 聚類圖及其特點

聚類圖是聚類分析的結(jié)果。聚類分析是通過一定的方法將沒有分類信息的資料按相似程度歸類的過程，目前常用的聚類方法有：一是K類中心聚類(也稱為快速聚類)，常用于大樣本的樣品聚類方法，其原理是先根據(jù)預(yù)先指定的類數(shù)k來選擇初始凝聚點，根據(jù)歐式距離將每個樣本歸到最接近或相似的凝聚點形成類，再用各類的重心代替初始凝聚點重新分配。將每個樣品不斷地歸類直至分類達到穩(wěn)定。二是等級聚類(Hierarchical Cluster)，是目前使用最多、研究最為充分的算法。該方法的原理是先將所有n個變量看成不同的n類，然后將性質(zhì)最接近的兩類合并為一類；再從n-1類中找到最接近的兩類加以合并，依此類推，直到所有的變量被合并為一個大類。類內(nèi)部個體特征之間具有相似性，不同類間個體特征的差異性較大。

聚類結(jié)果的可視化表達，即聚類圖，主要有樹狀圖（也叫系統(tǒng)圖、系譜圖）、冰柱圖以及利用不同的軟件和算法衍生出來的其他圖。在分析學(xué)科結(jié)構(gòu)和前沿?zé)狳c分布的研究中，共詞分析的聚類樹狀圖表達應(yīng)用最為廣泛。圖１［４］為語義網(wǎng)相關(guān)概念的聚類樹圖，顯示了30個關(guān)鍵詞之間的關(guān)聯(lián)程度，清晰地表示了聚類的全過程，它將實際距離按比例調(diào)整到0～25的范圍內(nèi)，用逐級連線的方式連接性質(zhì)相近的樣本或新類，直至并為一類，在該圖上部的距離標(biāo)尺上根據(jù)需要(粗分或細分)選定一個劃分類的距離值，然后垂直標(biāo)尺畫線，該垂線將與水平連線相交，相交的交點數(shù)即為分類的類別數(shù)，相交水平連線所對應(yīng)的樣本聚成一類。冰柱圖，如圖２［５］為垂直冰柱圖，第一列表示分多少類，因系統(tǒng)聚類屬聚合法，所以從聚類過程看該表應(yīng)該從下往上看；在聚類下所有列中，如果最近相連的兩個樣品列中間出現(xiàn)符合“x”相連，則表示這兩個樣品已合并成一類，否則在該步驟時還屬于不同的兩類。越早聚為一類的類目之間相似程度越大。聚類分析的可視化結(jié)果受其所使用的工具和算法限制，除了樹狀圖和冰柱圖外，還有一些經(jīng)過處理的基因圖譜［６］，圖３ａ就是利用系統(tǒng)樹和線條顏色變化結(jié)合的方法得到基因圖譜，圖３ｂ是K-均值聚類中16類基因樣本在不同時間或不同組織中的表達模式。聚類圖表達共詞分析結(jié)果的方式已經(jīng)廣泛應(yīng)用于數(shù)據(jù)挖掘領(lǐng)域，比如推導(dǎo)動物和植物的分類、確定基因的分類［７］獲得對種群的認識、分析學(xué)科結(jié)構(gòu)和前沿?zé)狳c分布［８］、市場分析等許多方面。目前，可以通過SPSS、R、Ucinet、TreeView、Metlab以及免費芯片數(shù)據(jù)分析的軟件CLUSTER和TREEVIEW等來實現(xiàn)聚類作圖。

共詞聚類分析優(yōu)點在于：它利用高頻詞反映某學(xué)科或主題的研究熱點，能定量反映出詞與詞之間的親疏關(guān)系，進而反映這些詞所代表的主題內(nèi)容的結(jié)構(gòu)。采用數(shù)學(xué)統(tǒng)計的方法，沒有先驗知識的情況下把學(xué)科領(lǐng)域研究內(nèi)容進行客觀上的自動劃分，彌補了專家分類法的不足。鐘偉金［９］提出：聚類過程將詞間距離最短的主題詞聚集在一起，忽略了詞間的概念與邏輯聯(lián)系，造成一定的弊端：（1）沒有中心概念，共詞的聚類就像分子團一樣，分子團的組成是由于各分子間的相互吸引力而聚集在一起。聚類成團的主題詞，也是由于相互間的密切程度高而聚集起來，在聚集的過程中沒有形成中心詞。（2）聚在一起的主題詞未必都能表達同一個內(nèi)容。在聚類過程中，因為詞與詞間的距離有傳遞關(guān)系，而聚類過程中沒能有效將這種詞間距離的傳遞關(guān)系取出，導(dǎo)致在聚類時將一些概念關(guān)聯(lián)不太相關(guān)的主題詞聚集在一起。（3）對類團間的相互影響沒有說明。在聚類時，盡管類團與類團間的距離作為成類的考量之一，但對于整個領(lǐng)域內(nèi)的所有類團而言，并沒標(biāo)示出它們之間的關(guān)系，也就是說無法辨明那些是主要類團，哪些是核心類團。

２.２ 多維尺度圖譜及其特點

多維尺度圖譜（也稱為多維標(biāo)度圖譜，Multidimensional scaling Map，MDSM）的基本原理是多維尺度分析。多維尺度分析通過某種非線性變換，把高維空間的數(shù)據(jù)轉(zhuǎn)換成低維空間中的數(shù)據(jù)，變換后的低維數(shù)據(jù)仍能近似地保持原高維數(shù)據(jù)間的關(guān)系的一種技術(shù)。通過MDS可以在較低維空間中直觀地看到一些高維樣本點相互關(guān)系的近似圖像。其原理可以概括為通過低維空間（通常是二維空間）展示對象之間的聯(lián)系，并利用平面距離來反映對象之間的相似程度，可以通過統(tǒng)計軟件SPSS或SAS來實現(xiàn)。共詞多維尺度圖譜中，詞的位置顯示了詞之間的相似性，有高度相似性的詞聚集在一起，形成一個學(xué)科研究的類別，越在中間的詞表明與它有聯(lián)系的詞越多，在學(xué)科里的位置也就越核心；反之，則越在外圍。以圖４［４］為例，從國內(nèi)語義網(wǎng)的共詞多維尺度圖可以看出，“知識庫與知識組織”和“數(shù)字圖書館與檢索”這兩個領(lǐng)域內(nèi)部聯(lián)系緊密，且處于核心地位，說明二者的研究趨于成熟，且是語義網(wǎng)研究的主要方向。因此，通過多維尺度分析，某研究領(lǐng)域在學(xué)科內(nèi)的位置就容易判斷。

圖４ 多維尺度圖譜

與聚類樹圖相比，多維尺度圖譜利用平面距離展示出詞間親疏關(guān)系，能夠容易判斷出某研究領(lǐng)域在學(xué)科內(nèi)的位置［１０］。侯海燕［］等利用聚類分析結(jié)合多位尺度分析來判斷學(xué)科領(lǐng)域研究熱點。但是，聚類分析和多維尺度分析得到的結(jié)果有時存在差異，Peter B.Musgrove等人［１２］把它歸因于聚類分析的工作過程及合并類目的不同順序，同時還認為MDS雖然沒有上述的局限，但并不能說明它將總能提供比聚類分析更好的結(jié)果，二維顯示往往并不能準(zhǔn)確地表達多維問題。

２.３ 戰(zhàn)略坐標(biāo)及其特點

戰(zhàn)略坐標(biāo)是由law［１３］等人最早提出的。其原理是在共詞矩陣和聚類的基礎(chǔ)上，來描述某研究領(lǐng)域內(nèi)部聯(lián)系情況和領(lǐng)域間相互影響的情況。在戰(zhàn)略坐標(biāo)中，X軸為向心度，表示領(lǐng)域間相互影響的強度，Y軸為密度，表示某一領(lǐng)域內(nèi)部聯(lián)系強度。其中：向心度（Centrality）：用來量度一個學(xué)科領(lǐng)域和其它學(xué)科領(lǐng)域的相互影響的程度。一個學(xué)科領(lǐng)域與其它學(xué)科領(lǐng)域聯(lián)系的數(shù)目和強度越大，這個學(xué)科領(lǐng)域在整個研究工作中就越趨于中心地位。對于特定的類別，向心度的計算可以通過該類別的所有主題詞或關(guān)鍵詞與其他類別的主題詞之間鏈接的強度加以計算。這些外部鏈接的總和、平方和的開平方等都可以作為該類別的向心度。密度（density）：用來量度使字詞聚合成一類的這種聯(lián)系的強度，也就是該類的內(nèi)部強度。它表示該類維持自己和發(fā)展自己的能力。某一類別的密度的計算可以有多種方式，首先計算本類中每一對主題詞或關(guān)鍵詞之間的在同一篇文獻中同時出現(xiàn)的次數(shù)，通過計算這些內(nèi)部鏈接的平均值、中位數(shù)或者平方和，得出這個類別的密度。以向心度和密度為參數(shù)繪制成的二維坐標(biāo)即為戰(zhàn)略坐標(biāo)，它可以概括地表現(xiàn)一個領(lǐng)域或亞領(lǐng)域的結(jié)構(gòu)。這個地圖將每一個二維空間的題目領(lǐng)域劃分為4個象限，落入4個象限中的詞團分別表示不同的含義：第一象限中的詞團密度和向心度都較高，密度高，詞團內(nèi)部聯(lián)系緊密，向心度高，說明該詞團與其余各詞團有廣泛的聯(lián)系，即該詞團處于所有研究主題的核心。第二象限中的詞團處于邊緣位置，但已經(jīng)受到關(guān)注，且被很好的研究過。第三象限的詞團密度和向心度都低，處于整個研究領(lǐng)域的邊緣，研究尚不成熟；第四象限的詞團中心度高，但密度低，說明該詞團構(gòu)成的主題領(lǐng)域也是核心，但不成熟，如圖５。

圖５ 戰(zhàn)略坐標(biāo)圖

在某學(xué)科的研究中，其主題領(lǐng)域的向心度和密度不是一成不變的。隨著對學(xué)科某個主題領(lǐng)域研究的成熟，有關(guān)該領(lǐng)域的科學(xué)研究論文可能會減少，或由于新的知識點的出現(xiàn)，該領(lǐng)域的研究向新的主題演化，這些因素都可致：原本屬于第一象限的主題，經(jīng)過一段時間的發(fā)展，被其它更穩(wěn)定更成熟的主題所替代，從而滑落到第二象限或是更低的象限中去。以時間段為縱向的考察范圍，研究不同時間段中主題領(lǐng)域的演化情況，有助于對本學(xué)科內(nèi)在這一時間段的研究熱點的認識，從而探究主題變遷的過程及主題變化的原因。因此，該方法顯著的優(yōu)點在于：能判斷熱點主題的核心度和成熟度；能夠展示學(xué)科結(jié)構(gòu)演變的過程及原因。其不足之處是受聚類結(jié)果的限制，有時聚類歸類的效果不好，會涉及到人為歸類，因此，存在一定的人為因素。

２.４ 社會網(wǎng)絡(luò)分析圖譜及其特點

以關(guān)系為基本單位的社會網(wǎng)絡(luò)分析在社會學(xué)、心理學(xué)、經(jīng)濟學(xué)及管理學(xué)等諸多學(xué)科領(lǐng)域已經(jīng)得到了廣泛的應(yīng)用。此分析方法在科技管理領(lǐng)域也備受關(guān)注，有人應(yīng)用此方法分析科學(xué)研究中的合作關(guān)系網(wǎng)絡(luò)［１４］、學(xué)科間的引用被引用關(guān)系網(wǎng)絡(luò)［１５］、以及共詞關(guān)系網(wǎng)絡(luò)［１６］。社會網(wǎng)絡(luò)分析引入共詞分析中，可以通過Pajek［１７］、Netdraw［１８］、Citespace［１９］、Ucinet［２０］等軟件進行可視化：共詞矩陣呈現(xiàn)的是詞與詞之間的共現(xiàn)數(shù)據(jù)，可視化結(jié)果代表的是詞與詞之間的共現(xiàn)關(guān)系網(wǎng)絡(luò)，即帶有頂點和邊的網(wǎng)絡(luò)：頂點是那些具有代表性詞（所統(tǒng)計的高頻詞），詞之間存在的連接關(guān)系由邊來表示，詞團間的關(guān)系強弱以連線的粗細表示，兩個詞團的關(guān)系越強，連接它們之間的線條越粗。這樣就可以通過網(wǎng)絡(luò)分析方法來研究網(wǎng)絡(luò)在頂點的相互作用下的分布情況，網(wǎng)絡(luò)在時間序列下的動態(tài)變化。共詞網(wǎng)絡(luò)分析的一個主要目的是確定這些代表性術(shù)語之間的概念圖譜或知識網(wǎng)絡(luò)結(jié)構(gòu)，通過一系列類似圖譜就可以相當(dāng)詳細地描述某一學(xué)科領(lǐng)域的主題。社會網(wǎng)絡(luò)分析中常用k核分析，它是社會網(wǎng)絡(luò)研究中凝聚子群的一種，凝聚子群是滿足如下條件的一個行動者子集合，即在此集合中的行動者之問具有相對較強、直接、緊密、經(jīng)常的或積極的關(guān)系。核的概念最早是由Seidman提出的。k核指的是滿足一個條件的子圖，即子圖中的點都至少與該子圖中的k個其它點鄰接。通過改變k的值，就會得出不同的子圖。隨著k的增加，k核的子圖成員會逐漸減少，而成員之問的關(guān)系會更緊密，如圖６［２１］。圖６ 網(wǎng)絡(luò)關(guān)系圖

這種可視化處理方式，制作原理簡單，詞團間聯(lián)系的強弱，通過網(wǎng)絡(luò)關(guān)系圖一目了然。以直觀、形象的方式反映詞團間的關(guān)系，能快速定位核心詞團與邊緣詞團。其不足之處在于：不能反映詞團的成熟度，難以判定某研究領(lǐng)域的成長趨勢。

３ 共詞可視化在分析學(xué)科結(jié)構(gòu)分析的應(yīng)用

共詞分析可視化主要用于挖掘?qū)W科前沿?zé)狳c，對學(xué)科的發(fā)展態(tài)勢分析、預(yù)測。

2003年，張晗等通過文獻計量學(xué)調(diào)查分析，利用系統(tǒng)聚類總結(jié)出當(dāng)前國外生物信息學(xué)研究的熱點，并通過戰(zhàn)略坐標(biāo)加以展示各熱點的發(fā)展?fàn)顩r［８］。

2003年，美國的Leonard J.Ponzi博士就曾用術(shù)語共出現(xiàn)（Co-term occurrence）的方法，以“The Evolution 。模Ｓ Intellectual Development of Knowledge Management(知識管理的演進和研究結(jié)構(gòu)）”為題撰寫了博士論文，判定知識管理概念的跨學(xué)科特點［２２］。

2004年，Ketan Mane和Katy Birner利用突發(fā)監(jiān)測中的Kleinberg算法發(fā)現(xiàn)突發(fā)詞的研究成果，選用高頻且突發(fā)的詞做為共詞分析的來源，揭示了美國科學(xué)院院刊1982-2001年的研究主題的變化［２３］。

2005年，謝彩霞參照加拿大國家研究理事會(NRC)提供的79個納米科技關(guān)鍵詞，對我國納米科技論文作了關(guān)鍵詞共現(xiàn)分析。通過關(guān)鍵詞之間網(wǎng)絡(luò)聯(lián)系和微觀結(jié)構(gòu)的表征，展示了我國納米科技研究領(lǐng)域的發(fā)展動態(tài)和發(fā)展趨勢［２４］。

2006年，侯海燕等人利用多維尺度分析與聚類分析方法繪制了當(dāng)代國際科學(xué)學(xué)研究熱點演進趨勢知識圖譜［］。

2007年，周靜怡等人利用共詞分析方法，結(jié)合戰(zhàn)略坐標(biāo)、社會網(wǎng)絡(luò)分析和自相關(guān)地圖等可視化方法，展示了人類基因組領(lǐng)域的研究結(jié)構(gòu)和發(fā)展趨勢［２５］。

2008年，李長玲通過聚類分析圖書館學(xué)和情報學(xué)專業(yè)碩士學(xué)位論文，對高頻關(guān)鍵詞進行共詞聚類分析，研究各高頻關(guān)鍵詞之間的內(nèi)在關(guān)系，比較分析了圖書館學(xué)和情報學(xué)碩士學(xué)位論文的研究熱點［２６］。

2008年，周愛民對2006年知識管理領(lǐng)域關(guān)鍵詞共現(xiàn)強度的聚類分析［２７］。

2009年Omwoyo Bosire Onyancha等利用共詞分析方法研究了與HIV/AIDS相關(guān)的危險因子、性傳播疾病、熱帶病、機會性感染和前處理因子等5個方面，并通過多維尺度分析方法展示每個方面與HIV/AIDS的關(guān)系。證實了發(fā)生在非洲國家的HIV/AIDS有著區(qū)別于工業(yè)化國家的獨特特征［２８］。

４ 共詞可視化存在的問題

共詞可視化的研究已成為預(yù)測學(xué)科發(fā)展必不可少的方法，但仍存在一些問題：

（１）多數(shù)學(xué)者使用在共詞分析中所使用的詞是經(jīng)過人工閱讀文獻后選取的能夠概括文章主要內(nèi)容的關(guān)鍵詞或主題詞，這樣的詞能簡練的概括文章內(nèi)容，統(tǒng)計方便，但是這個過程中存在著很大的主觀因素，所選取的詞很可能與作者的本意不相符，因此，有學(xué)者提出：分析題目或摘要中的詞，更能體現(xiàn)文章內(nèi)容。究竟選擇哪個字段的詞來分析，所得到的效果更接近事實尚未達成一致。

（２）某些類型的文獻，如專利和灰色文獻，因為不能公開發(fā)表，同時也沒有標(biāo)引在數(shù)據(jù)庫中，導(dǎo)致共詞分析的結(jié)果不能反映出研究領(lǐng)域的全貌。

（３）有些學(xué)者過分追求創(chuàng)新，而忽視多種共詞可視化方法各自的特點，分析的時候并非能達到真正為學(xué)科服務(wù)的目的。因此，在實際應(yīng)用中要根據(jù)需求結(jié)合各方法的特點進行分析，并結(jié)合專家調(diào)查，真正地將信息計量學(xué)應(yīng)用于實踐，發(fā)揮對學(xué)科發(fā)展和建設(shè)的積極作用。

５ 問題的解決

共詞分析中選詞很重要，究竟選擇哪個字段的詞來分析，這需要進一步研究：對比分析主題詞或關(guān)鍵詞以及題目或文摘中自然語言分詞后選取的詞，看哪種方式得到的結(jié)果更接近事實，才可以定論。此外，各種方法的原理和特點不同，所以分析不同的樣本時表現(xiàn)程度不同，有時得到的結(jié)果會存在差異。因此，在分析的時候要根據(jù)實際需要和每種可視化的原理和側(cè)重點來選擇可視化的方法。比如，只想了解某學(xué)科熱點的主題結(jié)構(gòu)，可用共詞的聚類分析得到樹狀圖來展示；如果想判斷出某研究領(lǐng)域在學(xué)科中所處位置，可以結(jié)合多維尺度分析；若要判定學(xué)科的成熟度和核心性以及該學(xué)科演化情況，可以制作戰(zhàn)略坐標(biāo)來分析；如果想知道學(xué)科中各主題之間的關(guān)系，可以通過共詞網(wǎng)絡(luò)來展現(xiàn)，并且還可以加入社會網(wǎng)絡(luò)分析，來挖掘其核心和邊緣主題。當(dāng)然，也可以多種可視化方法相結(jié)合，從不同的角度來分析，多方位展現(xiàn)學(xué)科結(jié)構(gòu)的發(fā)展過程。

６ 小 結(jié)

共詞可視化為學(xué)科建設(shè)提供了有效的決策支持。對于學(xué)科的發(fā)展態(tài)勢分析和預(yù)測，不僅局限于共詞可視化，還可結(jié)合其它方法如共引分析等，并理論聯(lián)系實際，引入專家調(diào)查法，這些方法融匯集成，也許是今后學(xué)科情報分析研究應(yīng)該探索的一條新的路徑。也可以通過學(xué)科館員將情報資料直接應(yīng)用于各個學(xué)科，真正實現(xiàn)學(xué)科戰(zhàn)略情報分析研究為科技發(fā)展的戰(zhàn)略決策提供高效、優(yōu)質(zhì)的情報支撐，促進經(jīng)濟發(fā)展。

參考文獻

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

［２］陳悅,劉則淵.悄然興起的科學(xué)知識圖譜［Ｊ］.科學(xué)學(xué)研究,2005,23(2):149-154．

［３］蔣穎.1995-2004年文獻計量學(xué)研究的共詞分析［Ｊ］.情報學(xué)報,2006,25(4):504-512．

［４］吳正荊,朱晶.知識地圖方法及其在國內(nèi)語義網(wǎng)文獻研究中的應(yīng)用［Ｊ］.情報科學(xué),2008,26(10):1502-1506．

［５］夏鑫,徐紅.淺談新疆地區(qū)棉花色特征聚類［Ｊ］.新疆農(nóng)業(yè)科學(xué),2009,46(1):102-105．

［６］申偉科,鐘理.基因表達聚類分析及在腫瘤研究中的應(yīng)用［Ｊ］.腫瘤學(xué)雜志,2008,14(5):417-420．

［７］Chaussabel D,Sher A.Mining microarray expression data by literature profiling［Ｊ］.Genome Biology,2002,3(10):RESEARCH0055．

［８］張晗,崔雷.生物信息學(xué)的共詞分析研究［Ｊ］.情報學(xué)報,2003,22(5):613-617．

［９］鐘偉金.共詞聚類分析法的類團實例研究——對腫瘤治療熱點主題的分析［Ｊ］.中華醫(yī)學(xué)圖書情報雜志,2009,18(2):48-53.

［１０］Cottrill CA,Rogers A M,Mills T.Co-citation analysis of the scientific literature of innovation research traditions［Ｊ］.Science Communication,1989,(2):181-208．

［］侯海燕,劉則淵，陳悅,等.當(dāng)代國際科學(xué)學(xué)研究熱點演進趨勢知識圖譜［Ｊ］.科研管理,2006,27(3):90-96．

［１２］Peter B.Musgrove，et a1．A Method for Identifying Clusters in Sets of Interlinking Web Spaces［Ｊ］.Scientometrics,2003,58(3):657-672．

［１３］Law J,Bauin S,Courtial J-P,et al.Policy and the Mapping of Scientific Changer:A co-word analysis of Research into Environmental Acidification［Ｊ］.Scientometrics,1988,14(3-4):251-264．

［１４］Caroline S.Wagner,Loet Leydesdorff.Mapping the network of global science:comparing international co-authorships from 1990 to 2000［Ｊ］.International Journal of Technology and Globalisation,2005,1(2):185-208．

［１５］Everett,M.Social Network Analysis［Ｍ］.Essex:Textbook at Essex Summer School in SSDA，2002．

［１６］Tor J Larsen,Linda Levine.Searching for management information systems:coherence and change in the discipline［Ｊ］.Information Systems Journal,2005,15(4):357-381．

［１７］Scott J,Tallia A,Crosson JC et al.Social network analysis as an analytic tool for interaction patterns in primary care practices［Ｊ］.Ann Fam Med,2005,3(5):443-8．

［１８］Vitevitch MS.What can graph theory tell us about word learning and lexical retrieval?［Ｊ］.J Speech Lang Hear Res,2008,51(2):408-22.

［１９］Creswick N,Westbrook JI.Social network analysis of medication advice-seeking interactions among staff in an Australian hospital［Ｊ］.Int J Med Inform,2008 Nov .［Epub ahead of print］

［２０］Chen C,Chen Y.Searching for clinical evidence in CiteSpace［Ｊ］.AMIA Annu Symp Proc,2005:121-5.

［２１］岳洪江.基于共詞分析的國際企業(yè)研發(fā)文本知識挖掘可視化研究［Ｊ］.商業(yè)研究,2008,(377):62-66．

［２２］Leonard J Ponzi.The Evolution 。模Ｓ Intellectual Development of Knowledge Management［Ｄ］.Long Island University,2003．

［２３］Mane K,Birner K.Mapping Topics and Topic Bursts in PNAS.PNAS,2004,101(supplz1):5287-5290．

［２４］謝彩霞,梁立明,王文輝.我國納米科技論文關(guān)鍵詞共現(xiàn)分析［Ｊ］.情報雜志,2005，24(3):69-73．

［２５］周靜怡,孫坦,陳濤.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．

［２６］李長玲,瞿雪梅.基于碩士學(xué)位論文的我國圖書館學(xué)與情報學(xué)研究熱點分析［Ｊ］.情報學(xué)報,2008,26(7):1056-1060．

［２７］周愛民.2006年知識管理領(lǐng)域關(guān)鍵詞共現(xiàn)強度的聚類分析［Ｊ］.現(xiàn)代情報,2008,(5):30-33．

［２８］Omwoyo Bosire Onyancha，Dennis N.Ocholla.Is HIV/AIDS in Africa distinct?What can we learn from an analysis of the literature?［Ｊ］.Scientometrics,2009,79(In Press).