基于詞共現(xiàn)的大數(shù)據(jù)研究主題分析*

王一博，郭 鑫，王繼民

0 引言

近幾年，移動(dòng)互聯(lián)網(wǎng)、云計(jì)算、物聯(lián)網(wǎng)等新一代IT技術(shù)迎來了發(fā)展的高峰期，互聯(lián)網(wǎng)中的數(shù)據(jù)量正在以前所未有的速度不斷增長與積累。在此背景下，大數(shù)據(jù)(Big Data)吸引了越來越多的關(guān)注。在學(xué)術(shù)界，《Nature》雜志早在2008年就推出Big Data?？S后《Science》在2011年推出《Dealing with Data》，對(duì)科學(xué)研究中的大數(shù)據(jù)問題進(jìn)行了討論。在商業(yè)界，IBM 率先提出4V概念并于2013年在北京發(fā)布了白皮書《分析：大數(shù)據(jù)在現(xiàn)實(shí)世界中的應(yīng)用》，為企業(yè)從大數(shù)據(jù)中獲取最大商業(yè)價(jià)值提供了五項(xiàng)關(guān)鍵建議。2012年3月份美國奧巴馬政府發(fā)布了“大數(shù)據(jù)研究和發(fā)展倡議”，投資2億美元以上，正式啟動(dòng)“大數(shù)據(jù)發(fā)展計(jì)劃”，計(jì)劃在環(huán)境科學(xué)、生物醫(yī)學(xué)等領(lǐng)域利用大數(shù)據(jù)技術(shù)進(jìn)行突破。目前，大數(shù)據(jù)已經(jīng)得到多國政府和部門的高度關(guān)注[1]。大數(shù)據(jù)技術(shù)及相應(yīng)的基礎(chǔ)研究已經(jīng)成為科技界的研究熱點(diǎn)，大數(shù)據(jù)科學(xué)作為一個(gè)橫跨信息科學(xué)、社會(huì)科學(xué)、網(wǎng)絡(luò)科學(xué)、系統(tǒng)科學(xué)、心理學(xué)、經(jīng)濟(jì)學(xué)等諸多領(lǐng)域的新興交叉學(xué)科正在逐步形成[2]。

迄今為止，業(yè)界對(duì)于大數(shù)據(jù)尚未有一個(gè)公認(rèn)的定義。麥肯錫將大數(shù)據(jù)定義為：無法在一定時(shí)間內(nèi)用傳統(tǒng)數(shù)據(jù)庫軟件和工具對(duì)其內(nèi)容進(jìn)行抓取、管理和處理的數(shù)據(jù)集合[3]。從大數(shù)據(jù)的特征出發(fā)，被廣泛應(yīng)用的是“4個(gè)V”的定義：(1)規(guī)模性(Volume)。數(shù)據(jù)量級(jí)從TB級(jí)別發(fā)展到PB級(jí)別甚至是ZB級(jí)別，數(shù)據(jù)規(guī)模非常大。(2)多樣性(Variety)。數(shù)據(jù)類型繁多，包括了大量圖片、視頻、位置信息等半結(jié)構(gòu)化或非結(jié)構(gòu)化數(shù)據(jù)。(3)高速性(Velocity)。數(shù)據(jù)流具有高速、實(shí)時(shí)的特點(diǎn)，需要大量的在線數(shù)據(jù)處理。(4)價(jià)值密度低(Value)。以視頻信息為例，在不間斷的監(jiān)控過程中，有用的數(shù)據(jù)可能只有幾秒鐘。

有學(xué)者提出，大數(shù)據(jù)未來對(duì)國家治理模式，對(duì)企業(yè)的決策、組織和業(yè)務(wù)流程，對(duì)個(gè)人生活方式都將產(chǎn)生巨大的影響[4]。因此，對(duì)國內(nèi)大數(shù)據(jù)領(lǐng)域的研究現(xiàn)狀進(jìn)行分析具有重要的現(xiàn)實(shí)意義。鑒于此，本文旨在通過收集中國知網(wǎng)(CNKI)中與大數(shù)據(jù)相關(guān)的高質(zhì)量期刊論文，利用共詞分析與社會(huì)網(wǎng)絡(luò)分析方法，對(duì)大數(shù)據(jù)領(lǐng)域的研究主題進(jìn)行梳理，探析該領(lǐng)域的研究熱點(diǎn)，以期能夠全面地對(duì)大數(shù)據(jù)的研究現(xiàn)狀和研究熱點(diǎn)進(jìn)行揭示，為大數(shù)據(jù)理論與應(yīng)用的深入研究提供一定的參考和借鑒。

1 研究過程

1.1 數(shù)據(jù)收集

定量分析方法需要大量的數(shù)據(jù)支持，可靠、準(zhǔn)確的數(shù)據(jù)來源是研究可信的保證。我們選取CNKI學(xué)術(shù)期刊中的“SCI來源期刊”“EI來源期刊”“核心期刊”或“CSSCI”作為數(shù)據(jù)來源，選取這些期刊的原因是這些期刊所刊載的論文具有較高的質(zhì)量。以“大數(shù)據(jù)”為檢索詞，檢索類型為“主題”，檢索時(shí)間不限，得到大數(shù)據(jù)領(lǐng)域的研究論文共2，281篇。之后，對(duì)數(shù)據(jù)進(jìn)行清理，篩選出不含關(guān)鍵詞或含有無效關(guān)鍵詞的論文，最終獲得分析的論文總數(shù)為1，780篇。

1.2 數(shù)據(jù)處理

共詞分析方法是信息計(jì)量學(xué)中的一種內(nèi)容分析方法，其原理是當(dāng)兩個(gè)能夠表達(dá)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(xiàn)中出現(xiàn)時(shí)，表明這兩個(gè)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。共詞分析方法最早在20世紀(jì)70年代由法國文獻(xiàn)計(jì)量學(xué)家提出，經(jīng)過幾十年的發(fā)展，該方法已得到了逐步的完善和廣泛的應(yīng)用。醫(yī)學(xué)、化學(xué)、人工智能等不同領(lǐng)域的研究者都利用共詞分析方法的原理對(duì)不同時(shí)期各領(lǐng)域的研究熱點(diǎn)進(jìn)行了分析[5]。

關(guān)鍵詞是作者從論文中摘出的能夠反映文章基本內(nèi)容的詞。首先下載CNKI相關(guān)論文的題錄信息，利用計(jì)算機(jī)程序統(tǒng)計(jì)所有關(guān)鍵詞的詞頻并得到候選的高頻關(guān)鍵詞。這些候選關(guān)鍵詞中不乏有“數(shù)據(jù)”“變革”“算法”等通用性詞匯，而這些詞匯對(duì)于研究主題的發(fā)展幫助不大，故刪去。還有一些候選高頻詞雖然詞的表現(xiàn)形式不同，但表達(dá)的意思相同或非常相近，例如地理信息系統(tǒng)和GIS、互聯(lián)網(wǎng)與Web等。對(duì)于這類詞，我們制定了一些映射規(guī)則用于對(duì)相同含義的詞進(jìn)行歸并。然后將這些意義相同的詞應(yīng)用規(guī)則合并成一個(gè)規(guī)范詞，再反過來對(duì)原始

關(guān)鍵詞進(jìn)行替換。之后再進(jìn)行二次詞頻統(tǒng)計(jì)，得到相對(duì)準(zhǔn)確的高頻關(guān)鍵詞列表。

粗略地看，關(guān)鍵詞的處理主要包含兩點(diǎn)：(1)同義詞合并，制定映射規(guī)則，并替換原題錄信息中的關(guān)鍵詞；(2)刪除無代表性、不能揭示學(xué)科主題的詞匯。

筆者制定的部分映射規(guī)則如表1所示。例如“粗集”映射為規(guī)范關(guān)鍵詞“粗糙集”。

表1 映射規(guī)則

經(jīng)過數(shù)據(jù)處理后，選取排名靠前的60個(gè)高頻關(guān)鍵詞(頻次大于等于6)作為研究對(duì)象，表2列出了排名靠前的部分高頻關(guān)鍵詞。

表2 高頻關(guān)鍵詞列表(部分)

1.3 共詞矩陣的建立

基于表2所示的關(guān)鍵詞表，利用筆者編寫的程序，得到高頻關(guān)鍵詞兩兩共現(xiàn)的矩陣，部分?jǐn)?shù)據(jù)如表3所示。

共詞矩陣中，對(duì)角線上的數(shù)據(jù)為該詞出現(xiàn)的總頻次。在實(shí)際共詞分析過程中，關(guān)鍵詞共現(xiàn)頻次受到各自詞頻大小的影響，為了準(zhǔn)確揭示關(guān)鍵詞之間的共現(xiàn)關(guān)系，本文采用Ochiia系數(shù)將共詞矩陣轉(zhuǎn)換為相關(guān)矩陣，結(jié)果如表4所示。

表3 高頻詞共現(xiàn)矩陣(部分)

Ochiia系數(shù)的計(jì)算公式如下：

表4 相關(guān)矩陣(部分)

相關(guān)矩陣中的元素?cái)?shù)值在0-1之間，數(shù)值越接近1表示兩個(gè)關(guān)鍵詞的相似度越大；相反，數(shù)值越小表明兩個(gè)關(guān)鍵詞相似度越小。通過上述方法計(jì)算得出的相關(guān)矩陣中0值過多，計(jì)算時(shí)誤差較大，為了減小誤差、方便進(jìn)一步分析，用1與相關(guān)矩陣中的各個(gè)數(shù)字相減，得到表示兩詞相異程度的相異矩陣，部分結(jié)果如表5所示。

表5 相異矩陣(部分)

對(duì)應(yīng)的相異矩陣中的元素越接近于0，相似度越大；數(shù)值越接近于1，相似度越小。

1.4 聚類分析

聚類分析是根據(jù)數(shù)據(jù)對(duì)象的特征對(duì)研究個(gè)體進(jìn)行劃分，其原理是同一類中的個(gè)體具有較大的相似性，而不同類的個(gè)體之間存在不同程度的差異。將相異矩陣導(dǎo)入SPSS中進(jìn)行層次聚類，得到聚類結(jié)果。根據(jù)聚類樹狀圖，在閾值為22.5處切割可將其分成10個(gè)類團(tuán)，具體如圖1所示。

1.5 戰(zhàn)略坐標(biāo)分析

戰(zhàn)略坐標(biāo)是Law等人1988年提出，用來描述研究領(lǐng)域內(nèi)部聯(lián)系與領(lǐng)域間相互影響的情況。在本研究中，筆者使用戰(zhàn)略坐標(biāo)描述聚類結(jié)果中各個(gè)類團(tuán)的基本情況，用X軸表示向心度，Y軸表示密度。其中，密度用來度量各個(gè)類別內(nèi)各主題詞間的聯(lián)系強(qiáng)度。密度越大，知識(shí)群維持和發(fā)展自身的能力越強(qiáng)，該領(lǐng)域研究越穩(wěn)定和成熟。向心度用來度量各類別主題詞與其他類別主題詞之間的緊密程度，表示一個(gè)學(xué)科領(lǐng)域和其他學(xué)科領(lǐng)域的相互影響的程度。向心度越大，主題與其他知識(shí)群聯(lián)系越緊密，則該主題在學(xué)科中越趨于中心位置。戰(zhàn)略坐標(biāo)可以概括地表現(xiàn)一個(gè)領(lǐng)域的結(jié)構(gòu)，它把每一個(gè)研究主題放置到坐標(biāo)的四個(gè)象限中，從而描述各主題的研究現(xiàn)狀[6]。

對(duì)類團(tuán)密度和向心度的計(jì)算有不同的方法，本文采用的計(jì)算公式為：

其中，Eij是是關(guān)鍵詞i和關(guān)鍵詞j共現(xiàn)的次數(shù)，K代表通過聚類分析得到的某一類團(tuán)，n是該類團(tuán)所含關(guān)鍵詞的數(shù)目，N是共詞矩陣中所有關(guān)鍵詞的數(shù)目。

根據(jù)表3中得到的聚類結(jié)果與高頻詞共現(xiàn)矩陣，利用上述公式計(jì)算出每個(gè)類別的向心度和密度，并對(duì)數(shù)據(jù)作Z-score規(guī)范化，之后根據(jù)規(guī)范化的結(jié)果繪制出最終的戰(zhàn)略坐標(biāo)圖，結(jié)果如圖2所示。

1.6 關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)核心-邊緣結(jié)構(gòu)

基于表3的數(shù)據(jù)，以關(guān)鍵詞為頂點(diǎn)，以關(guān)鍵詞之間的共現(xiàn)次數(shù)為邊可以構(gòu)建關(guān)鍵詞共現(xiàn)關(guān)系網(wǎng)絡(luò)。該網(wǎng)絡(luò)是一個(gè)加權(quán)的無向網(wǎng)絡(luò)。利用社會(huì)網(wǎng)絡(luò)分析方法，我們可以對(duì)該網(wǎng)絡(luò)的各項(xiàng)靜態(tài)幾何量進(jìn)行定量分析，如節(jié)點(diǎn)的中心性及其分布、網(wǎng)絡(luò)的密度、平均路徑長度、凝聚子群等。網(wǎng)絡(luò)的“核心-邊緣”結(jié)構(gòu)是由若干頂點(diǎn)相互聯(lián)系構(gòu)成的一種中心緊密相連、外圍稀疏分散的特殊結(jié)構(gòu)。利用社會(huì)網(wǎng)絡(luò)分析軟件UCINET與Pajek進(jìn)行“核心-邊緣”網(wǎng)絡(luò)結(jié)構(gòu)的計(jì)算與展示，結(jié)果如圖3所示。

圖1 聚類分析結(jié)果圖

圖2 戰(zhàn)略坐標(biāo)圖

2 分析與討論

根據(jù)2.4節(jié)中的結(jié)果，高頻關(guān)鍵詞聚類結(jié)果劃分為10個(gè)類團(tuán)較為合適。下面首先結(jié)合相關(guān)知識(shí)對(duì)10類主題進(jìn)行分析。

圖3 核心— 邊緣結(jié)構(gòu)圖

第一類：屬性約簡(jiǎn)算法改進(jìn)研究。這一類團(tuán)只包括粗糙集和屬性約簡(jiǎn)2個(gè)關(guān)鍵詞。粗糙集理論是由波蘭科學(xué)家Z.Pawlak在1982年提出的一種處理模糊和不確定知識(shí)的數(shù)學(xué)工具，已經(jīng)成功應(yīng)用于機(jī)器學(xué)習(xí)、模式識(shí)別、數(shù)據(jù)挖掘等領(lǐng)域。對(duì)高維數(shù)據(jù)對(duì)象進(jìn)行降維處理，最核心的內(nèi)容就是對(duì)基于粗糙集的屬性約簡(jiǎn)算法進(jìn)行研究。現(xiàn)有的屬性約簡(jiǎn)算法已經(jīng)難以適應(yīng)大數(shù)據(jù)集的處理，針對(duì)這一問題，一些學(xué)者討論了對(duì)屬性約簡(jiǎn)算法的改進(jìn)，以保證算法的有效性。

第二類：從數(shù)據(jù)通信的角度對(duì)大數(shù)據(jù)的傳輸進(jìn)行研究。這一類團(tuán)包括DSP、以太網(wǎng)、數(shù)據(jù)傳輸和數(shù)據(jù)采集這4個(gè)關(guān)鍵詞。隨著互聯(lián)網(wǎng)中需要傳輸?shù)臄?shù)據(jù)量的不斷增加，互聯(lián)網(wǎng)的傳輸技術(shù)、處理技術(shù)等需要得到優(yōu)化。一些學(xué)者從數(shù)據(jù)通信的角度，對(duì)大數(shù)據(jù)環(huán)境下的數(shù)據(jù)獲取方式與數(shù)據(jù)傳輸技術(shù)等問題進(jìn)行了研究。

第三類：大數(shù)據(jù)處理技術(shù)與工具的研究。這一類團(tuán)包括8個(gè)關(guān)鍵詞，其中代表性較強(qiáng)的包括云計(jì)算、物聯(lián)網(wǎng)、Hadoop和MapReduce等。隨著大數(shù)據(jù)研究與應(yīng)用的不斷升溫，對(duì)大數(shù)據(jù)處理的具體技術(shù)與開發(fā)工具也越來越受到學(xué)者的關(guān)注。2006年谷歌提出了云計(jì)算的概念，并為大數(shù)據(jù)的處理提供了一個(gè)良好的平臺(tái)?，F(xiàn)在，Hadoop已經(jīng)成為大數(shù)據(jù)處理的最常用工具。物聯(lián)網(wǎng)技術(shù)的廣泛應(yīng)用也為大數(shù)據(jù)的獲取、存儲(chǔ)與處理提供了解決方案。

第四類：機(jī)器學(xué)習(xí)算法的改進(jìn)研究。這一類團(tuán)包括9個(gè)關(guān)鍵詞，其中代表性較強(qiáng)的有支持向量機(jī)、神經(jīng)網(wǎng)絡(luò)、機(jī)器學(xué)習(xí)等。近年來隨著數(shù)據(jù)量的激增，傳統(tǒng)的機(jī)器學(xué)習(xí)算法對(duì)于大數(shù)據(jù)量的處理普遍存在著處理速度慢、運(yùn)行效率低等問題，一些學(xué)者從適應(yīng)大數(shù)據(jù)處理的角度對(duì)某些算法進(jìn)行改進(jìn)。

第五類：大數(shù)據(jù)對(duì)新聞業(yè)的影響。這一類團(tuán)只含2個(gè)關(guān)鍵詞，分別是可視化和數(shù)據(jù)新聞。大數(shù)據(jù)時(shí)代的數(shù)據(jù)新聞報(bào)道改變了新聞的生產(chǎn)傳播方式，加速新聞行業(yè)的角色轉(zhuǎn)換。大數(shù)據(jù)對(duì)于新聞行業(yè)的影響引起了新聞學(xué)及傳播學(xué)學(xué)者的關(guān)注。

第六類：大數(shù)據(jù)在圖書情報(bào)領(lǐng)域帶來的變革。這一類團(tuán)包含6個(gè)關(guān)鍵詞，代表性較強(qiáng)的有競(jìng)爭(zhēng)情報(bào)、知識(shí)服務(wù)、信息服務(wù)、圖書館等。圖書館作為存儲(chǔ)、傳播知識(shí)的重要場(chǎng)所，在大數(shù)據(jù)時(shí)代將會(huì)發(fā)生深刻的變化。一些學(xué)者研究了大數(shù)據(jù)給圖書館信息服務(wù)帶來的變化，以及大數(shù)據(jù)對(duì)企業(yè)競(jìng)爭(zhēng)情報(bào)未來發(fā)展的影響等等。

第七類：數(shù)據(jù)挖掘技術(shù)在大數(shù)據(jù)處理方面的應(yīng)用。這一類團(tuán)包含8個(gè)關(guān)鍵詞，其中代表性較強(qiáng)的有數(shù)據(jù)挖掘、聚類分析、關(guān)聯(lián)規(guī)則等。數(shù)據(jù)挖掘是指從大量數(shù)據(jù)中揭示出隱含的、新穎的并有潛在價(jià)值的信息的非平凡過程。在大數(shù)據(jù)時(shí)代中，借用數(shù)據(jù)挖掘技術(shù)對(duì)海量數(shù)據(jù)進(jìn)行分析是最基本的研究途徑。

第八類：數(shù)據(jù)壓縮技術(shù)的研究。這一類團(tuán)只包括2個(gè)關(guān)鍵詞，分別是小波變換與數(shù)據(jù)壓縮。隨著互聯(lián)網(wǎng)中多媒體數(shù)據(jù)量的激增，如何對(duì)數(shù)據(jù)進(jìn)行壓縮和存儲(chǔ)，是大數(shù)據(jù)需要解決的問題之一。為保證數(shù)據(jù)的傳輸質(zhì)量并提高數(shù)據(jù)的存儲(chǔ)效率，利用小波變換的方法對(duì)數(shù)據(jù)壓縮技術(shù)進(jìn)行優(yōu)化，是眾多學(xué)者關(guān)注的問題之一。

第九類：對(duì)海量圖像數(shù)據(jù)進(jìn)行實(shí)時(shí)傳送與處理的研究。這一類團(tuán)包括5個(gè)關(guān)鍵詞，分別為海量數(shù)據(jù)、圖像處理、自適應(yīng)、擁塞控制、實(shí)時(shí)。在大數(shù)據(jù)時(shí)代中，“數(shù)據(jù)”不僅僅包括簡(jiǎn)單的字符串或文本流，還包括圖像、音頻、視頻等，而諸如此類的數(shù)據(jù)往往具有較大的數(shù)據(jù)量，對(duì)海量圖像數(shù)據(jù)傳送與處理的研究是有必要的。

第十類：與物聯(lián)網(wǎng)技術(shù)及其應(yīng)用相關(guān)的研究。這一類團(tuán)包括13個(gè)關(guān)鍵詞，其中代表性較強(qiáng)的有無線傳感器網(wǎng)絡(luò)、信號(hào)處理、遙感、嵌入式系統(tǒng)、負(fù)載均衡等。物聯(lián)網(wǎng)利用各種傳感器將物理世界中的各種信息傳送到計(jì)算機(jī)系統(tǒng)中，也勢(shì)必導(dǎo)致互聯(lián)網(wǎng)中的信息總量爆炸式增長。目前，物聯(lián)網(wǎng)對(duì)于大數(shù)據(jù)的采集和分析仍然面臨諸多挑戰(zhàn)。

戰(zhàn)略坐標(biāo)圖(圖2)顯示，K1，K3和K7是學(xué)者們?cè)诖髷?shù)據(jù)領(lǐng)域中研究的核心內(nèi)容，它們都具有較高的密度，其中K1和K7還具有很高的向心度。這說明屬性約簡(jiǎn)算法與數(shù)據(jù)挖掘技術(shù)在大數(shù)據(jù)領(lǐng)域的研究較為成熟，且與其他類團(tuán)的研究主題密切相關(guān)。由此可見，對(duì)于大數(shù)據(jù)處理技術(shù)的研究是迄今為止較為核心的研究?jī)?nèi)容。對(duì)于大數(shù)據(jù)處理技術(shù)及其工具而言，這一類團(tuán)在十個(gè)類團(tuán)中是密度最高的，說明其研究?jī)?nèi)容具有一定規(guī)模且較為成熟，諸如云計(jì)算、物聯(lián)網(wǎng)、hadoop等均已成為時(shí)下的熱點(diǎn)研究領(lǐng)域。相比之下，這一類團(tuán)的向心度較低，但仍為正值，說明大數(shù)據(jù)處理技術(shù)與工具這一主題與其他研究分支具有一定的聯(lián)系，但密切程度不高。

此外，其余七個(gè)類團(tuán)則均位于第三象限，密度和向心度都低于平均水平，但其中一些類團(tuán)距離原點(diǎn)較近，仍具有一定的發(fā)展?jié)摿Γ绾Ａ繄D像數(shù)據(jù)的處理，大數(shù)據(jù)在圖書情報(bào)領(lǐng)域中的應(yīng)用等等。值得注意的是，無論是向心度還是密度，K10這一類團(tuán)都處于很低的水平，這也說明這一類團(tuán)中的內(nèi)部成員間聯(lián)系比較松散，其中的成員很可能被分解、演化到其他類團(tuán)中。如前所述，K10類團(tuán)主要包括與物聯(lián)網(wǎng)技術(shù)及其應(yīng)用相關(guān)的研究?？梢哉J(rèn)為，隨著大數(shù)據(jù)科學(xué)的不斷發(fā)展，物聯(lián)網(wǎng)技術(shù)將會(huì)逐漸內(nèi)化到大數(shù)據(jù)領(lǐng)域的研究中。

根據(jù)圖3(核心—邊緣結(jié)構(gòu)圖)，可以看到國內(nèi)大數(shù)據(jù)研究領(lǐng)域的核心關(guān)鍵詞有12個(gè)，分別為：數(shù)據(jù)挖掘、云計(jì)算、聚類分析、海量數(shù)據(jù)、支持向量機(jī)、并行算法、Hadoop、MapReduce、數(shù)據(jù)處理、大數(shù)據(jù)分析、信息服務(wù)、分布式等。這12個(gè)核心關(guān)鍵詞大多具有較高的詞頻，詞間的關(guān)系也相對(duì)緊密，反映了這些詞所指向的研究?jī)?nèi)容已形成了一定的規(guī)模，而相應(yīng)邊緣結(jié)構(gòu)中的關(guān)鍵詞雖然數(shù)量眾多(48個(gè))，其所代表的研究?jī)?nèi)容還略顯薄弱。這個(gè)核心結(jié)構(gòu)是在一定時(shí)間內(nèi)逐漸形成的，暫時(shí)處于一個(gè)穩(wěn)定的狀態(tài)。但隨著時(shí)間的推移，相關(guān)研究的不斷深入，這種結(jié)構(gòu)關(guān)系會(huì)發(fā)生一定的變化：邊緣結(jié)構(gòu)中的關(guān)鍵詞可能會(huì)進(jìn)入核心結(jié)構(gòu)，而核心結(jié)構(gòu)中的詞也可能會(huì)退出，進(jìn)入邊緣結(jié)構(gòu)[7]。

3 結(jié)語

本文使用共詞分析方法，對(duì)以大數(shù)據(jù)為主題的優(yōu)質(zhì)期刊文獻(xiàn)進(jìn)行了直觀、科學(xué)的分析，并進(jìn)行了一些討論與解讀，具有一定的現(xiàn)實(shí)意義。從關(guān)鍵詞共詞矩陣出發(fā)，將其轉(zhuǎn)化為相關(guān)矩陣和相異矩陣，利用SPSS進(jìn)行層次聚類分析，最終獲得10個(gè)主題類團(tuán)。在此基礎(chǔ)上，根據(jù)聚類結(jié)果，利用共詞矩陣?yán)L制了戰(zhàn)略坐標(biāo)圖，對(duì)每一個(gè)主題的成熟程度、重要程度等進(jìn)行了分析。最后，通過“核心-邊緣”結(jié)構(gòu)分析得到了大數(shù)據(jù)研究領(lǐng)域的核心關(guān)鍵詞。

本文的研究仍然存在著一定局限性。首先，收集數(shù)據(jù)時(shí)將“大數(shù)據(jù)”作為主題字段，檢索出的內(nèi)容較為繁雜。其次，由于期刊論文的發(fā)表存在時(shí)滯，一些低頻的關(guān)鍵詞可能也是未來的研究熱點(diǎn)，但在本研究中沒有考慮。最后，本次研究搜集的數(shù)據(jù)主要是一些高質(zhì)量期刊論文，并非全部的期刊論文，同時(shí)也不包括報(bào)紙、學(xué)位論文等數(shù)據(jù)，故文本中得到的結(jié)論并不能完全代表大數(shù)據(jù)領(lǐng)域的研究成果。

[1] 孟小峰，慈祥.大數(shù)據(jù)管理：概念、技術(shù)與挑戰(zhàn)[J].計(jì)算機(jī)研究與發(fā)展，2013（1）：146-169.

[2] 李國杰，程學(xué)旗.大數(shù)據(jù)研究：未來科技及經(jīng)濟(jì)社會(huì)發(fā)展的重大戰(zhàn)略領(lǐng)域—大數(shù)據(jù)的研究現(xiàn)狀與科學(xué)思考[J].中國科學(xué)院院刊，2012（6）：647-657.

[3] 嚴(yán)霄鳳，張德馨. 大數(shù)據(jù)研究[J]. 計(jì)算機(jī)技術(shù)與發(fā)展，2013（4）：168-172.

[4] 孟薇薇.信息爆炸時(shí)代的新概念：大數(shù)據(jù)[J].商品與質(zhì)量，2012（9）：9.

[5] 朱慶華，彭希羨，劉璇.基于共詞分析的社會(huì)計(jì)算領(lǐng)域的研究主題[J].情報(bào)理論與實(shí)踐；2012（12）：7-11.

[6] 崔鵬，孫寶文，王天梅，等.基于共詞分析的網(wǎng)絡(luò)虛擬社會(huì)領(lǐng)域熱點(diǎn)及演進(jìn)態(tài)勢(shì)研究[J]. 情報(bào)雜志，2013（2）：41-44.

[7] 魏瑞斌，王三珊. 基于共詞分析的國內(nèi)Web2.0 研究現(xiàn)狀[J].情報(bào)探索，2011（1）：1-5.