共詞分析及相應工具軟件的設計與開發(fā)

謝松

摘 要：基于關鍵詞的共詞分析自提出以來，在學科前沿熱點、學科發(fā)展、學科研究范式等研究中得到了越來越廣泛的應用，文章研究了目前的常用共詞分析的過程與步驟，比較了已使用的共詞矩陣算法，設計開發(fā)了一個簡潔高效、自動化程度比較高的共詞分析工具軟件，并以實例作為說明。

關鍵詞：共詞分析；共詞矩陣；算法

1 概述

共詞分析是法國文獻計量學家于20世紀70年代提出來的一種文獻內(nèi)容分析方法，1986年法國國家科學研究中心的Callon M和Law J等人出版了第一部關于共詞分析法的學術專著，經(jīng)過幾十年的發(fā)展，已經(jīng)被廣泛應用到許多領域，產(chǎn)生了大量的研究成果。其思想來源于文獻計量學的引文耦合與共被引概念，當兩篇文獻同時被其他文獻引用時，表明它們所研究的主題在理論或方法上是相關的。兩篇文獻共被引的次數(shù)越多，它們的關系就越密切。同理，當有兩個專業(yè)術語在某學科領域的同一篇文獻中同時出現(xiàn)，表明這兩個詞之間存在一定的關系，同時出現(xiàn)的次數(shù)越多，表明它們的關系越密切[1]。

共詞分析法主要是對一組主題詞或關鍵詞兩兩統(tǒng)計其在每一篇文獻中出現(xiàn)的次數(shù)，以此為基礎構造共詞矩陣，通過對共詞矩陣變換為相似矩陣與相異矩陣，然后進行多元統(tǒng)計分析， 把眾多分析對象之間錯綜復雜的關系以數(shù)值、圖形直觀地表示出來，揭示出這些詞之間的親疏關系，進而分析它們所代表的學科和主題的變化與趨勢。

2 共詞分析的過程與步驟

運用共詞分析法進行研究大致可分為幾個步驟進行，在具體的操作中可根據(jù)實際研究主題選擇合適的分析方法。

2.1 確定研究主題與文獻選取

利用共詞分析法基本原理可以概述研究領域的研究熱點，橫向和縱向分析領域學科的發(fā)展過程與趨勢，以及領域學科之間的關系等等。確定好研究主題之后即可在數(shù)據(jù)庫中檢索相應的文獻，去除重復文獻、非相關文獻后篩選合適的文獻作為處理對象。

2.2 高頻詞的選取

在分析文獻的相關性時，統(tǒng)計分析的過程中如果使用兩個完全不相關的詞匯進行處理，對統(tǒng)計分析的結果將產(chǎn)生很大干擾，因此，被分析的詞匯最好是受控詞、被統(tǒng)一標引的主題詞，只有這樣，利用文獻中詞語對的共現(xiàn)頻次來反映研究主題內(nèi)在聯(lián)系的方法才能成立[2]，因此在研究中通常使用檢索的主題詞或文獻的關鍵詞作為分析對象。將所有主題詞或關鍵詞按出現(xiàn)頻率的高低順序排列，選取其中出現(xiàn)頻率較高的詞匯作為分析對象。確定高頻詞的方法有兩種：一種是結合研究者的經(jīng)驗在選詞個數(shù)和詞頻高度上予以平衡；另一種是結合齊普夫第二定律關于低頻詞分布規(guī)律理論來判定高頻詞的界限[3]。

2.3 構造共詞矩陣

為反映高頻詞之間的關系，需要將其兩兩組對，統(tǒng)計每對高頻詞在同一篇文獻中出現(xiàn)的次數(shù)，如果兩個主題詞（關鍵詞）在眾多的文獻中出現(xiàn)頻率高，則說明它們之間的關系密切。如果選取了N個高頻詞，則它們之間的關系，可以通過構造一個N*N的矩陣計算共現(xiàn)頻次來反應。共詞矩陣的計算是共詞分析中的重要一步，由于統(tǒng)計詞對出現(xiàn)的頻次值是絕對值，難以反映詞與詞之間真正的相互關系，因此需要對詞頻進行包容化處理以反映出兩者間的緊密聯(lián)系的程度。目前各種共詞分析文獻中應用得比較多的一種方法是采用Ochiia系數(shù)將相關矩陣轉化為相似矩陣和相異矩陣：

2.4 采用多元統(tǒng)計方法分析

在計算共詞矩陣的基礎上，采用不同的統(tǒng)計學分析方法，揭示共詞中的信息，常用的分析方法有： 因子分析、聚類分析法、關聯(lián)規(guī)則分析、多維尺度分析等方法。目前已有學者將新近出現(xiàn)的突發(fā)詞監(jiān)測法引入共詞分析中開展文獻學評價研究。

2.5 闡述共詞分析的結果

共詞分析過程是使用統(tǒng)計學以及數(shù)據(jù)挖掘等方法反映研究主題間的關系，要深入揭示隱含在文獻中的知識，必須結合相關學科的知識對統(tǒng)計的結果進行科學分析與合理闡述。

3 共詞分析工具軟件的設計開發(fā)

構造共詞矩陣并計算共詞頻次是共詞分析的重要環(huán)節(jié)，在處理的文獻數(shù)量很大時，通過手工統(tǒng)計眾多主題詞或關鍵詞，計算共詞矩陣是不現(xiàn)實的。通常可以采用spss、ucinet等軟件進行構建作者和關鍵詞矩陣以分析文獻數(shù)據(jù)，但這些軟件比較難以理解和掌握。也有學者通過Microsoft公司的辦公軟件Excel來進行共詞分析，但前期的題錄導入、關鍵詞切分與統(tǒng)計等工作還需手工完成，工作量巨大。相比較而言，自主地設計開發(fā)一款自動完成文獻題錄導入、關鍵詞切分與統(tǒng)計、構建共詞矩陣、計算共詞頻次等功能的軟件，在實際的科研工作中，可以起到事半功倍的效果。

3.1 系統(tǒng)功能模塊

文本預處理：將下載的文獻規(guī)范化處理，去除文本中不必要的空行、特殊字符等，為導入題錄做好數(shù)據(jù)準備。

文獻題錄導入：從文獻庫中檢索下載題錄信息之后再導入數(shù)據(jù)庫，由于CNKI、維普、萬方、中國生物醫(yī)學數(shù)據(jù)庫等不同的文獻庫的題錄格式不同，處理時需根據(jù)實際需要再做變更。

關鍵詞切分：文獻篇名、作者、關鍵詞等題錄信息導入之后，可以分別處理。在做共詞分析時，主要是對關鍵詞做統(tǒng)計分析，而關鍵詞在文獻中大都用中英文的逗號或分號間隔開來，統(tǒng)計之前需做切分處理。

共詞矩陣構建與計算：選定高頻關鍵詞之后，需要進行共詞矩陣的構建與頻次計算。其實現(xiàn)方法的討論在下節(jié)中再詳細討論。

多元統(tǒng)計方法分析：可以根據(jù)需要添加因子分析、聚類分析、關聯(lián)規(guī)則分析等功能，此功能模塊屬于擴展功能。

3.2 共詞矩陣計算方法比較

共詞頻次的計算方法很多，在實踐中用到了兩種算法，試比較如下：

3.2.1 依據(jù)定義機械對比

根據(jù)定義，共詞的頻次是兩兩組合的高頻主題詞或關鍵詞在每一篇文獻中出現(xiàn)的頻次，依次設計的算法比較簡單，假設文獻總數(shù)是max_source_id，高頻關鍵詞總數(shù)是max_gaopin，定義兩個高頻關鍵詞數(shù)組key_row（max_gaopin）、key_col（max_gaopin）一個存儲共詞詞頻的二維數(shù)組Gongci（max_gaopin， max_gaopin），然后判斷兩兩組合的關鍵詞是否同時出現(xiàn)在同一篇文獻中，最后累計得到共詞詞頻，并此基礎上再用Ochiia系數(shù)計算出相似矩陣和相異矩陣。部分代碼如下：

這種算法思路簡單，但實現(xiàn)起來用到了三重循環(huán)來計算共詞頻次，算法時間復雜度和空間復雜度大，運行時效率比較低。

3.2.2 利用SQL聚合函數(shù)計算

SQL語言的count（）函數(shù)返回的是數(shù)據(jù)表中匹配指定條件的行數(shù)，將題錄中的關鍵詞切分存儲到數(shù)據(jù)庫的表中，然后以兩兩組合的關鍵詞作為匹配條件，根據(jù)文獻編號分組，使用SQL語句進行count（）計算，如果返回值等于2即表示這兩個詞在同一篇文獻中出現(xiàn)，查詢數(shù)據(jù)集的記錄總數(shù)即為共現(xiàn)的文獻篇數(shù)，亦即共詞頻次，部分代碼如下：

4 應用舉例

文章以“圖書館聯(lián)盟”為主題詞在CNKI全庫進行檢索，共有檢索文獻964篇，去掉非相關的通訊報道等文獻，得到826篇論文。對關鍵詞進行切分處理后得到3091個關鍵詞，統(tǒng)計之后的高頻關鍵詞如表1所示。

在高頻關鍵詞表的基礎上，按步驟依次計算共詞矩陣、相似矩陣與相異矩陣，然后進行統(tǒng)計分析。共詞矩陣如表2所示（限于篇幅，只顯示部分）：

5 結束語

共詞分析作為文獻計量分析的新的工具，由于具有眾多的優(yōu)越性，使用得越來越廣泛。迄今為止， 基于關鍵詞的共詞分析在學科前沿熱點、學科發(fā)展、學科研究范式等問題上的研究上已經(jīng)形成了較為固定的研究方法和套路。但已有的共詞分析軟件大都操作不便，比較難以理解和掌握，為此，文章設計開發(fā)了一個簡單高效的共詞分析工具，操作時只需從文獻數(shù)據(jù)庫中下載相關主題的文獻，導入題錄之后就可以自動實現(xiàn)關鍵詞的統(tǒng)計、共詞矩陣計算分析功能，不足之處在于能提供分析的方法有限，有待于進一步完善。

參考文獻

[1]張勤，徐緒松.定性定量結合的分析方法-共詞分析法[J].技術經(jīng)濟，2010，29（6）：20-24.

[2]馮璐，冷伏海.共詞分析方法理論進展[J].中國圖書館學報，2006，3

2（162）：88-92.

[3]魏瑞斌.基于關鍵詞的情報學研究主題分析[J].情報科學，2006，24（9）：1400-1404+1434.

摘 要：基于關鍵詞的共詞分析自提出以來，在學科前沿熱點、學科發(fā)展、學科研究范式等研究中得到了越來越廣泛的應用，文章研究了目前的常用共詞分析的過程與步驟，比較了已使用的共詞矩陣算法，設計開發(fā)了一個簡潔高效、自動化程度比較高的共詞分析工具軟件，并以實例作為說明。

關鍵詞：共詞分析；共詞矩陣；算法

1 概述

共詞分析是法國文獻計量學家于20世紀70年代提出來的一種文獻內(nèi)容分析方法，1986年法國國家科學研究中心的Callon M和Law J等人出版了第一部關于共詞分析法的學術專著，經(jīng)過幾十年的發(fā)展，已經(jīng)被廣泛應用到許多領域，產(chǎn)生了大量的研究成果。其思想來源于文獻計量學的引文耦合與共被引概念，當兩篇文獻同時被其他文獻引用時，表明它們所研究的主題在理論或方法上是相關的。兩篇文獻共被引的次數(shù)越多，它們的關系就越密切。同理，當有兩個專業(yè)術語在某學科領域的同一篇文獻中同時出現(xiàn)，表明這兩個詞之間存在一定的關系，同時出現(xiàn)的次數(shù)越多，表明它們的關系越密切[1]。

共詞分析法主要是對一組主題詞或關鍵詞兩兩統(tǒng)計其在每一篇文獻中出現(xiàn)的次數(shù)，以此為基礎構造共詞矩陣，通過對共詞矩陣變換為相似矩陣與相異矩陣，然后進行多元統(tǒng)計分析， 把眾多分析對象之間錯綜復雜的關系以數(shù)值、圖形直觀地表示出來，揭示出這些詞之間的親疏關系，進而分析它們所代表的學科和主題的變化與趨勢。

2 共詞分析的過程與步驟

運用共詞分析法進行研究大致可分為幾個步驟進行，在具體的操作中可根據(jù)實際研究主題選擇合適的分析方法。

2.1 確定研究主題與文獻選取

利用共詞分析法基本原理可以概述研究領域的研究熱點，橫向和縱向分析領域學科的發(fā)展過程與趨勢，以及領域學科之間的關系等等。確定好研究主題之后即可在數(shù)據(jù)庫中檢索相應的文獻，去除重復文獻、非相關文獻后篩選合適的文獻作為處理對象。

2.2 高頻詞的選取

在分析文獻的相關性時，統(tǒng)計分析的過程中如果使用兩個完全不相關的詞匯進行處理，對統(tǒng)計分析的結果將產(chǎn)生很大干擾，因此，被分析的詞匯最好是受控詞、被統(tǒng)一標引的主題詞，只有這樣，利用文獻中詞語對的共現(xiàn)頻次來反映研究主題內(nèi)在聯(lián)系的方法才能成立[2]，因此在研究中通常使用檢索的主題詞或文獻的關鍵詞作為分析對象。將所有主題詞或關鍵詞按出現(xiàn)頻率的高低順序排列，選取其中出現(xiàn)頻率較高的詞匯作為分析對象。確定高頻詞的方法有兩種：一種是結合研究者的經(jīng)驗在選詞個數(shù)和詞頻高度上予以平衡；另一種是結合齊普夫第二定律關于低頻詞分布規(guī)律理論來判定高頻詞的界限[3]。

2.3 構造共詞矩陣

為反映高頻詞之間的關系，需要將其兩兩組對，統(tǒng)計每對高頻詞在同一篇文獻中出現(xiàn)的次數(shù)，如果兩個主題詞（關鍵詞）在眾多的文獻中出現(xiàn)頻率高，則說明它們之間的關系密切。如果選取了N個高頻詞，則它們之間的關系，可以通過構造一個N*N的矩陣計算共現(xiàn)頻次來反應。共詞矩陣的計算是共詞分析中的重要一步，由于統(tǒng)計詞對出現(xiàn)的頻次值是絕對值，難以反映詞與詞之間真正的相互關系，因此需要對詞頻進行包容化處理以反映出兩者間的緊密聯(lián)系的程度。目前各種共詞分析文獻中應用得比較多的一種方法是采用Ochiia系數(shù)將相關矩陣轉化為相似矩陣和相異矩陣：

2.4 采用多元統(tǒng)計方法分析

在計算共詞矩陣的基礎上，采用不同的統(tǒng)計學分析方法，揭示共詞中的信息，常用的分析方法有： 因子分析、聚類分析法、關聯(lián)規(guī)則分析、多維尺度分析等方法。目前已有學者將新近出現(xiàn)的突發(fā)詞監(jiān)測法引入共詞分析中開展文獻學評價研究。

2.5 闡述共詞分析的結果

共詞分析過程是使用統(tǒng)計學以及數(shù)據(jù)挖掘等方法反映研究主題間的關系，要深入揭示隱含在文獻中的知識，必須結合相關學科的知識對統(tǒng)計的結果進行科學分析與合理闡述。

3 共詞分析工具軟件的設計開發(fā)

構造共詞矩陣并計算共詞頻次是共詞分析的重要環(huán)節(jié)，在處理的文獻數(shù)量很大時，通過手工統(tǒng)計眾多主題詞或關鍵詞，計算共詞矩陣是不現(xiàn)實的。通?？梢圆捎胹pss、ucinet等軟件進行構建作者和關鍵詞矩陣以分析文獻數(shù)據(jù)，但這些軟件比較難以理解和掌握。也有學者通過Microsoft公司的辦公軟件Excel來進行共詞分析，但前期的題錄導入、關鍵詞切分與統(tǒng)計等工作還需手工完成，工作量巨大。相比較而言，自主地設計開發(fā)一款自動完成文獻題錄導入、關鍵詞切分與統(tǒng)計、構建共詞矩陣、計算共詞頻次等功能的軟件，在實際的科研工作中，可以起到事半功倍的效果。

3.1 系統(tǒng)功能模塊

文本預處理：將下載的文獻規(guī)范化處理，去除文本中不必要的空行、特殊字符等，為導入題錄做好數(shù)據(jù)準備。

文獻題錄導入：從文獻庫中檢索下載題錄信息之后再導入數(shù)據(jù)庫，由于CNKI、維普、萬方、中國生物醫(yī)學數(shù)據(jù)庫等不同的文獻庫的題錄格式不同，處理時需根據(jù)實際需要再做變更。

關鍵詞切分：文獻篇名、作者、關鍵詞等題錄信息導入之后，可以分別處理。在做共詞分析時，主要是對關鍵詞做統(tǒng)計分析，而關鍵詞在文獻中大都用中英文的逗號或分號間隔開來，統(tǒng)計之前需做切分處理。

共詞矩陣構建與計算：選定高頻關鍵詞之后，需要進行共詞矩陣的構建與頻次計算。其實現(xiàn)方法的討論在下節(jié)中再詳細討論。

多元統(tǒng)計方法分析：可以根據(jù)需要添加因子分析、聚類分析、關聯(lián)規(guī)則分析等功能，此功能模塊屬于擴展功能。

3.2 共詞矩陣計算方法比較

共詞頻次的計算方法很多，在實踐中用到了兩種算法，試比較如下：

3.2.1 依據(jù)定義機械對比

根據(jù)定義，共詞的頻次是兩兩組合的高頻主題詞或關鍵詞在每一篇文獻中出現(xiàn)的頻次，依次設計的算法比較簡單，假設文獻總數(shù)是max_source_id，高頻關鍵詞總數(shù)是max_gaopin，定義兩個高頻關鍵詞數(shù)組key_row（max_gaopin）、key_col（max_gaopin）一個存儲共詞詞頻的二維數(shù)組Gongci（max_gaopin， max_gaopin），然后判斷兩兩組合的關鍵詞是否同時出現(xiàn)在同一篇文獻中，最后累計得到共詞詞頻，并此基礎上再用Ochiia系數(shù)計算出相似矩陣和相異矩陣。部分代碼如下：

這種算法思路簡單，但實現(xiàn)起來用到了三重循環(huán)來計算共詞頻次，算法時間復雜度和空間復雜度大，運行時效率比較低。

3.2.2 利用SQL聚合函數(shù)計算

SQL語言的count（）函數(shù)返回的是數(shù)據(jù)表中匹配指定條件的行數(shù)，將題錄中的關鍵詞切分存儲到數(shù)據(jù)庫的表中，然后以兩兩組合的關鍵詞作為匹配條件，根據(jù)文獻編號分組，使用SQL語句進行count（）計算，如果返回值等于2即表示這兩個詞在同一篇文獻中出現(xiàn)，查詢數(shù)據(jù)集的記錄總數(shù)即為共現(xiàn)的文獻篇數(shù)，亦即共詞頻次，部分代碼如下：

4 應用舉例

文章以“圖書館聯(lián)盟”為主題詞在CNKI全庫進行檢索，共有檢索文獻964篇，去掉非相關的通訊報道等文獻，得到826篇論文。對關鍵詞進行切分處理后得到3091個關鍵詞，統(tǒng)計之后的高頻關鍵詞如表1所示。

在高頻關鍵詞表的基礎上，按步驟依次計算共詞矩陣、相似矩陣與相異矩陣，然后進行統(tǒng)計分析。共詞矩陣如表2所示（限于篇幅，只顯示部分）：

5 結束語

共詞分析作為文獻計量分析的新的工具，由于具有眾多的優(yōu)越性，使用得越來越廣泛。迄今為止， 基于關鍵詞的共詞分析在學科前沿熱點、學科發(fā)展、學科研究范式等問題上的研究上已經(jīng)形成了較為固定的研究方法和套路。但已有的共詞分析軟件大都操作不便，比較難以理解和掌握，為此，文章設計開發(fā)了一個簡單高效的共詞分析工具，操作時只需從文獻數(shù)據(jù)庫中下載相關主題的文獻，導入題錄之后就可以自動實現(xiàn)關鍵詞的統(tǒng)計、共詞矩陣計算分析功能，不足之處在于能提供分析的方法有限，有待于進一步完善。

參考文獻

[1]張勤，徐緒松.定性定量結合的分析方法-共詞分析法[J].技術經(jīng)濟，2010，29（6）：20-24.

[2]馮璐，冷伏海.共詞分析方法理論進展[J].中國圖書館學報，2006，3

2（162）：88-92.

[3]魏瑞斌.基于關鍵詞的情報學研究主題分析[J].情報科學，2006，24（9）：1400-1404+1434.

摘 要：基于關鍵詞的共詞分析自提出以來，在學科前沿熱點、學科發(fā)展、學科研究范式等研究中得到了越來越廣泛的應用，文章研究了目前的常用共詞分析的過程與步驟，比較了已使用的共詞矩陣算法，設計開發(fā)了一個簡潔高效、自動化程度比較高的共詞分析工具軟件，并以實例作為說明。

關鍵詞：共詞分析；共詞矩陣；算法

1 概述

共詞分析是法國文獻計量學家于20世紀70年代提出來的一種文獻內(nèi)容分析方法，1986年法國國家科學研究中心的Callon M和Law J等人出版了第一部關于共詞分析法的學術專著，經(jīng)過幾十年的發(fā)展，已經(jīng)被廣泛應用到許多領域，產(chǎn)生了大量的研究成果。其思想來源于文獻計量學的引文耦合與共被引概念，當兩篇文獻同時被其他文獻引用時，表明它們所研究的主題在理論或方法上是相關的。兩篇文獻共被引的次數(shù)越多，它們的關系就越密切。同理，當有兩個專業(yè)術語在某學科領域的同一篇文獻中同時出現(xiàn)，表明這兩個詞之間存在一定的關系，同時出現(xiàn)的次數(shù)越多，表明它們的關系越密切[1]。

共詞分析法主要是對一組主題詞或關鍵詞兩兩統(tǒng)計其在每一篇文獻中出現(xiàn)的次數(shù)，以此為基礎構造共詞矩陣，通過對共詞矩陣變換為相似矩陣與相異矩陣，然后進行多元統(tǒng)計分析， 把眾多分析對象之間錯綜復雜的關系以數(shù)值、圖形直觀地表示出來，揭示出這些詞之間的親疏關系，進而分析它們所代表的學科和主題的變化與趨勢。

2 共詞分析的過程與步驟

運用共詞分析法進行研究大致可分為幾個步驟進行，在具體的操作中可根據(jù)實際研究主題選擇合適的分析方法。

2.1 確定研究主題與文獻選取

利用共詞分析法基本原理可以概述研究領域的研究熱點，橫向和縱向分析領域學科的發(fā)展過程與趨勢，以及領域學科之間的關系等等。確定好研究主題之后即可在數(shù)據(jù)庫中檢索相應的文獻，去除重復文獻、非相關文獻后篩選合適的文獻作為處理對象。

2.2 高頻詞的選取

在分析文獻的相關性時，統(tǒng)計分析的過程中如果使用兩個完全不相關的詞匯進行處理，對統(tǒng)計分析的結果將產(chǎn)生很大干擾，因此，被分析的詞匯最好是受控詞、被統(tǒng)一標引的主題詞，只有這樣，利用文獻中詞語對的共現(xiàn)頻次來反映研究主題內(nèi)在聯(lián)系的方法才能成立[2]，因此在研究中通常使用檢索的主題詞或文獻的關鍵詞作為分析對象。將所有主題詞或關鍵詞按出現(xiàn)頻率的高低順序排列，選取其中出現(xiàn)頻率較高的詞匯作為分析對象。確定高頻詞的方法有兩種：一種是結合研究者的經(jīng)驗在選詞個數(shù)和詞頻高度上予以平衡；另一種是結合齊普夫第二定律關于低頻詞分布規(guī)律理論來判定高頻詞的界限[3]。

2.3 構造共詞矩陣

為反映高頻詞之間的關系，需要將其兩兩組對，統(tǒng)計每對高頻詞在同一篇文獻中出現(xiàn)的次數(shù)，如果兩個主題詞（關鍵詞）在眾多的文獻中出現(xiàn)頻率高，則說明它們之間的關系密切。如果選取了N個高頻詞，則它們之間的關系，可以通過構造一個N*N的矩陣計算共現(xiàn)頻次來反應。共詞矩陣的計算是共詞分析中的重要一步，由于統(tǒng)計詞對出現(xiàn)的頻次值是絕對值，難以反映詞與詞之間真正的相互關系，因此需要對詞頻進行包容化處理以反映出兩者間的緊密聯(lián)系的程度。目前各種共詞分析文獻中應用得比較多的一種方法是采用Ochiia系數(shù)將相關矩陣轉化為相似矩陣和相異矩陣：

2.4 采用多元統(tǒng)計方法分析

在計算共詞矩陣的基礎上，采用不同的統(tǒng)計學分析方法，揭示共詞中的信息，常用的分析方法有： 因子分析、聚類分析法、關聯(lián)規(guī)則分析、多維尺度分析等方法。目前已有學者將新近出現(xiàn)的突發(fā)詞監(jiān)測法引入共詞分析中開展文獻學評價研究。

2.5 闡述共詞分析的結果

共詞分析過程是使用統(tǒng)計學以及數(shù)據(jù)挖掘等方法反映研究主題間的關系，要深入揭示隱含在文獻中的知識，必須結合相關學科的知識對統(tǒng)計的結果進行科學分析與合理闡述。

3 共詞分析工具軟件的設計開發(fā)

構造共詞矩陣并計算共詞頻次是共詞分析的重要環(huán)節(jié)，在處理的文獻數(shù)量很大時，通過手工統(tǒng)計眾多主題詞或關鍵詞，計算共詞矩陣是不現(xiàn)實的。通?？梢圆捎胹pss、ucinet等軟件進行構建作者和關鍵詞矩陣以分析文獻數(shù)據(jù)，但這些軟件比較難以理解和掌握。也有學者通過Microsoft公司的辦公軟件Excel來進行共詞分析，但前期的題錄導入、關鍵詞切分與統(tǒng)計等工作還需手工完成，工作量巨大。相比較而言，自主地設計開發(fā)一款自動完成文獻題錄導入、關鍵詞切分與統(tǒng)計、構建共詞矩陣、計算共詞頻次等功能的軟件，在實際的科研工作中，可以起到事半功倍的效果。

3.1 系統(tǒng)功能模塊

文本預處理：將下載的文獻規(guī)范化處理，去除文本中不必要的空行、特殊字符等，為導入題錄做好數(shù)據(jù)準備。

文獻題錄導入：從文獻庫中檢索下載題錄信息之后再導入數(shù)據(jù)庫，由于CNKI、維普、萬方、中國生物醫(yī)學數(shù)據(jù)庫等不同的文獻庫的題錄格式不同，處理時需根據(jù)實際需要再做變更。

關鍵詞切分：文獻篇名、作者、關鍵詞等題錄信息導入之后，可以分別處理。在做共詞分析時，主要是對關鍵詞做統(tǒng)計分析，而關鍵詞在文獻中大都用中英文的逗號或分號間隔開來，統(tǒng)計之前需做切分處理。

共詞矩陣構建與計算：選定高頻關鍵詞之后，需要進行共詞矩陣的構建與頻次計算。其實現(xiàn)方法的討論在下節(jié)中再詳細討論。

多元統(tǒng)計方法分析：可以根據(jù)需要添加因子分析、聚類分析、關聯(lián)規(guī)則分析等功能，此功能模塊屬于擴展功能。

3.2 共詞矩陣計算方法比較

共詞頻次的計算方法很多，在實踐中用到了兩種算法，試比較如下：

3.2.1 依據(jù)定義機械對比

根據(jù)定義，共詞的頻次是兩兩組合的高頻主題詞或關鍵詞在每一篇文獻中出現(xiàn)的頻次，依次設計的算法比較簡單，假設文獻總數(shù)是max_source_id，高頻關鍵詞總數(shù)是max_gaopin，定義兩個高頻關鍵詞數(shù)組key_row（max_gaopin）、key_col（max_gaopin）一個存儲共詞詞頻的二維數(shù)組Gongci（max_gaopin， max_gaopin），然后判斷兩兩組合的關鍵詞是否同時出現(xiàn)在同一篇文獻中，最后累計得到共詞詞頻，并此基礎上再用Ochiia系數(shù)計算出相似矩陣和相異矩陣。部分代碼如下：

這種算法思路簡單，但實現(xiàn)起來用到了三重循環(huán)來計算共詞頻次，算法時間復雜度和空間復雜度大，運行時效率比較低。

3.2.2 利用SQL聚合函數(shù)計算

SQL語言的count（）函數(shù)返回的是數(shù)據(jù)表中匹配指定條件的行數(shù)，將題錄中的關鍵詞切分存儲到數(shù)據(jù)庫的表中，然后以兩兩組合的關鍵詞作為匹配條件，根據(jù)文獻編號分組，使用SQL語句進行count（）計算，如果返回值等于2即表示這兩個詞在同一篇文獻中出現(xiàn)，查詢數(shù)據(jù)集的記錄總數(shù)即為共現(xiàn)的文獻篇數(shù)，亦即共詞頻次，部分代碼如下：

4 應用舉例

文章以“圖書館聯(lián)盟”為主題詞在CNKI全庫進行檢索，共有檢索文獻964篇，去掉非相關的通訊報道等文獻，得到826篇論文。對關鍵詞進行切分處理后得到3091個關鍵詞，統(tǒng)計之后的高頻關鍵詞如表1所示。

在高頻關鍵詞表的基礎上，按步驟依次計算共詞矩陣、相似矩陣與相異矩陣，然后進行統(tǒng)計分析。共詞矩陣如表2所示（限于篇幅，只顯示部分）：

5 結束語

共詞分析作為文獻計量分析的新的工具，由于具有眾多的優(yōu)越性，使用得越來越廣泛。迄今為止， 基于關鍵詞的共詞分析在學科前沿熱點、學科發(fā)展、學科研究范式等問題上的研究上已經(jīng)形成了較為固定的研究方法和套路。但已有的共詞分析軟件大都操作不便，比較難以理解和掌握，為此，文章設計開發(fā)了一個簡單高效的共詞分析工具，操作時只需從文獻數(shù)據(jù)庫中下載相關主題的文獻，導入題錄之后就可以自動實現(xiàn)關鍵詞的統(tǒng)計、共詞矩陣計算分析功能，不足之處在于能提供分析的方法有限，有待于進一步完善。

參考文獻

[1]張勤，徐緒松.定性定量結合的分析方法-共詞分析法[J].技術經(jīng)濟，2010，29（6）：20-24.

[2]馮璐，冷伏海.共詞分析方法理論進展[J].中國圖書館學報，2006，3

2（162）：88-92.

[3]魏瑞斌.基于關鍵詞的情報學研究主題分析[J].情報科學，2006，24（9）：1400-1404+1434.