基于文獻(xiàn)計(jì)量的科技監(jiān)測(cè)方法與應(yīng)用系統(tǒng)比較研究*

朱亮，孟憲學(xué)，趙瑞雪，寇遠(yuǎn)濤，鮮國(guó)建

（中國(guó)農(nóng)業(yè)科學(xué)院農(nóng)業(yè)信息研究所，北京 100081）

基于文獻(xiàn)計(jì)量的科技監(jiān)測(cè)方法與應(yīng)用系統(tǒng)比較研究*

朱亮，孟憲學(xué)，趙瑞雪，寇遠(yuǎn)濤，鮮國(guó)建

（中國(guó)農(nóng)業(yè)科學(xué)院農(nóng)業(yè)信息研究所，北京 100081）

近年來(lái)，科技監(jiān)測(cè)理論及應(yīng)用發(fā)展迅速，作為科技監(jiān)測(cè)方法體系最重要的組成部分，文獻(xiàn)計(jì)量學(xué)方法在科技監(jiān)測(cè)領(lǐng)域相關(guān)的應(yīng)用成果已較多。本文首先對(duì)幾種常見(jiàn)的基于文獻(xiàn)計(jì)量的科技監(jiān)測(cè)方法進(jìn)行了總結(jié)，其次，對(duì)現(xiàn)有部分常用的科技監(jiān)測(cè)應(yīng)用系統(tǒng)進(jìn)行了分析與比較，以期為今后的相關(guān)研究提供參考。

科技監(jiān)測(cè)；文獻(xiàn)計(jì)量；引文分析；共詞分析

引言

計(jì)算機(jī)及互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展，推動(dòng)了各類(lèi)科技信息資源的迅猛增長(zhǎng)，導(dǎo)致信息過(guò)載，海量信息資源的復(fù)雜性遠(yuǎn)遠(yuǎn)超出了人們的理解能力，為科研人員準(zhǔn)確把握研究領(lǐng)域的結(jié)構(gòu)和演變帶來(lái)了困難，阻礙了科學(xué)研究的發(fā)展。如何科學(xué)地梳理一個(gè)學(xué)科領(lǐng)域的發(fā)展歷程、認(rèn)識(shí)其發(fā)展趨勢(shì)、追蹤其研究熱點(diǎn)與前沿，從而幫助科研人員找到研究的創(chuàng)新突破口、發(fā)掘潛在研究空間，這便為現(xiàn)代圖書(shū)情報(bào)研究提出了新的要求。為此，科技監(jiān)測(cè)（Science and Technology Monitoring）應(yīng)運(yùn)而生?？萍急O(jiān)測(cè)是指以科學(xué)技術(shù)信息、數(shù)據(jù)分析為基礎(chǔ)，以數(shù)據(jù)挖掘（Data Mining）、信息萃?。↖nformation Extraction）、知識(shí)發(fā)現(xiàn)（Knowledge Discovery）、可視化技術(shù)（Visualization）等信息科學(xué)前沿技術(shù)為手段，對(duì)科學(xué)技術(shù)活動(dòng)進(jìn)行動(dòng)態(tài)監(jiān)測(cè)、分析及評(píng)估的方法[1]。從方法體系來(lái)看，科技監(jiān)測(cè)采用的方法各式各樣，各種方法的針對(duì)性與側(cè)重點(diǎn)不一，有些方法針對(duì)研究熱點(diǎn)與前沿的分析和識(shí)別，有些方法則側(cè)重于領(lǐng)域新興趨勢(shì)的發(fā)現(xiàn)。在這些方法中，文獻(xiàn)計(jì)量學(xué)方法占據(jù)了主流地位，相關(guān)理論及應(yīng)用成果已較多，本文將重點(diǎn)對(duì)基于文獻(xiàn)計(jì)量的科技監(jiān)測(cè)方法及應(yīng)用系統(tǒng)進(jìn)行分析和比較。

1 基于文獻(xiàn)計(jì)量的科技監(jiān)測(cè)方法分析

1.1 基于文獻(xiàn)外部特征統(tǒng)計(jì)的科技監(jiān)測(cè)方法

文獻(xiàn)外部特征統(tǒng)計(jì)是文獻(xiàn)計(jì)量方法體系的重要組成部分，也是科技監(jiān)測(cè)最常用的方法之一，通過(guò)對(duì)題名、關(guān)鍵詞、作者等文獻(xiàn)外部特征值進(jìn)行統(tǒng)計(jì)分析，可從時(shí)間、空間角度對(duì)學(xué)科領(lǐng)域的發(fā)展及演化情況進(jìn)行宏觀地解釋。這其中最典型的當(dāng)屬詞頻分析，詞頻分析是利用能夠揭示或表達(dá)科技文獻(xiàn)核心內(nèi)容的關(guān)鍵詞或主題詞在某一研究領(lǐng)域科技文獻(xiàn)中出現(xiàn)的頻次高低來(lái)確定該領(lǐng)域研究熱點(diǎn)和發(fā)展動(dòng)向[2]。其依據(jù)是一篇科技文獻(xiàn)的關(guān)鍵詞或主題詞是文章核心內(nèi)容的濃縮和提煉，因此，如果某一關(guān)鍵詞或主題詞在其所在學(xué)科領(lǐng)域的文獻(xiàn)中反復(fù)出現(xiàn)（超過(guò)給定閾值，即高頻詞），則可反映出該關(guān)鍵詞或主題詞所表征的研究主題是該學(xué)科領(lǐng)域的研究熱點(diǎn)。

這種方法雖然簡(jiǎn)單易行，但其不足也很明顯，主要表現(xiàn)在詞頻閾值確定缺乏科學(xué)統(tǒng)一標(biāo)準(zhǔn)，主觀性較強(qiáng)，且將有一定集合意義、可能代表研究熱點(diǎn)、新研究方向的低頻詞匯排除在分析對(duì)象之外，將對(duì)科技監(jiān)測(cè)結(jié)果造成影響。

1.2 基于引文分析的科技監(jiān)測(cè)方法

引文分析是利用圖論、模糊集合、數(shù)理統(tǒng)計(jì)方法以及比較、歸納、抽象、概括等邏輯方法，對(duì)科學(xué)期刊、論文、著者等各種分析對(duì)象的引用或被引用現(xiàn)象（即引證關(guān)系）進(jìn)行分析，以揭示其數(shù)量特征和內(nèi)在規(guī)律，評(píng)價(jià)、預(yù)測(cè)科學(xué)發(fā)展趨勢(shì)[3]。因此，可以說(shuō)是科技文獻(xiàn)間的相互引證關(guān)系催生了引文分析。引文分析包括直引分析、共引分析和文獻(xiàn)耦合分析。當(dāng)前，引文分析常被國(guó)內(nèi)外學(xué)者用于描繪科學(xué)結(jié)構(gòu)的發(fā)展歷程、評(píng)價(jià)科研成果及科研人才、追蹤學(xué)科發(fā)展動(dòng)向與趨勢(shì)等[4]。

共引分析（Co-citation Analysis）是一種重要的引文分析方法，共引又稱(chēng)同被引，若兩篇文獻(xiàn)同時(shí)被其他n篇文獻(xiàn)所引用，則稱(chēng)這兩篇文獻(xiàn)具有共引關(guān)系，其同被引次數(shù)（即共引強(qiáng)度）為n。按分析單元的不同，共引分析主要有兩個(gè)系列：以Small為代表的文獻(xiàn)共引分析和以White為代表的作者共引分析（Author Co-citation Analysis，ACA）。Small認(rèn)為高被引文獻(xiàn)代表了特定的發(fā)現(xiàn)、方法，或是施引文獻(xiàn)所共同認(rèn)可的概念。基于這種觀點(diǎn)，Small等人開(kāi)發(fā)了單機(jī)系統(tǒng)SCI-Map來(lái)描繪科學(xué)文獻(xiàn)間的結(jié)構(gòu)及變化、分析科學(xué)研究前沿等[5]。同樣，由于科技文獻(xiàn)是作者研究成果最重要的表達(dá)和體現(xiàn)形式，通過(guò)對(duì)特定研究領(lǐng)域內(nèi)作者的引用和被引關(guān)系進(jìn)行分析，可實(shí)現(xiàn)對(duì)該領(lǐng)域智力結(jié)構(gòu)的概括和描繪。1981年，White在其發(fā)表的《作者共引：科學(xué)結(jié)構(gòu)的文獻(xiàn)測(cè)量方法》中首次提出ACA[6]，1990年，McCain將ACA程序歸納為選擇作者、檢索共引頻次、生成共引矩陣、轉(zhuǎn)化為Pearson相關(guān)系數(shù)矩陣、多元分析和解釋結(jié)果等幾個(gè)步驟[7]，即傳統(tǒng)ACA模式，針對(duì)該模式計(jì)算強(qiáng)度大等不足，White于2003年采用網(wǎng)絡(luò)尋址定位（Pathfinder Network Scaling，PFNETs）技術(shù)對(duì)其進(jìn)行了改進(jìn)，進(jìn)一步提高了其分析結(jié)果的可信度。

共引分析只能從外部特征間接描述科技文獻(xiàn)內(nèi)容的變化，分析深度有限。在用文獻(xiàn)共引分析進(jìn)行科學(xué)前沿和熱點(diǎn)分析時(shí)，分析結(jié)果可能會(huì)漏掉一些由于新出現(xiàn)而未得到高被引的研究前沿領(lǐng)域，此外，傳統(tǒng)的ACA都是針對(duì)第一作者進(jìn)行的，無(wú)疑會(huì)使分析結(jié)果在一定程度上失真。正因如此，在實(shí)際使用中，共引分析常與其他方法聯(lián)合使用，以提高分析結(jié)果的科學(xué)性。

1.3 基于共詞分析的科技監(jiān)測(cè)方法

共詞分析屬于內(nèi)容分析方法的一種，其原理是對(duì)一組詞兩兩統(tǒng)計(jì)它們?cè)谕黄墨I(xiàn)中出現(xiàn)的次數(shù)，以此為基礎(chǔ)對(duì)這些詞進(jìn)行聚類(lèi)分析，從而反映出這些詞之間的親疏關(guān)系，進(jìn)而分析這些詞所代表的學(xué)科和主題的結(jié)構(gòu)變化[8]，實(shí)現(xiàn)對(duì)學(xué)科內(nèi)部結(jié)構(gòu)關(guān)系及學(xué)科間聯(lián)系的描述，以及不同時(shí)期學(xué)科發(fā)展和相互間交叉、滲透趨勢(shì)的揭示。共詞分析的對(duì)象通常是文獻(xiàn)的關(guān)鍵詞或主題詞，其分析的第一步就是從相關(guān)文獻(xiàn)集中抽取關(guān)鍵詞或主題詞，一般是出現(xiàn)頻次超過(guò)一定閾值，并且能夠代表該學(xué)科研究主題或研究方向的高頻詞。其次，兩兩統(tǒng)計(jì)這些高頻詞在同一篇文獻(xiàn)中同時(shí)出現(xiàn)的次數(shù)，形成共詞矩陣。最后，圍繞著這個(gè)共詞矩陣進(jìn)行分析[9]。

相較于共引分析，共詞分析最顯著的優(yōu)勢(shì)是能夠深入文獻(xiàn)實(shí)際內(nèi)容開(kāi)展研究。但與共引分析一樣，共詞分析也不可避免的存在著一些問(wèn)題，如共詞分析是基于詞的分析，而詞（尤其關(guān)鍵詞）的選擇帶有很強(qiáng)的作者主觀性和隨意性，且共詞分析是以單個(gè)概念作為分析對(duì)象，脫離了詞匯的上下文關(guān)系，也就無(wú)法準(zhǔn)確表示詞匯的語(yǔ)義關(guān)系[10]。因此，越來(lái)越多的學(xué)者將共引分析與共詞分析結(jié)合使用，發(fā)揮兩種方法的互補(bǔ)優(yōu)勢(shì)。

1.4 基于爆發(fā)詞的科技監(jiān)測(cè)方法

魏曉俊將詞頻分析、基于詞網(wǎng)絡(luò)關(guān)系的共詞分析、基于詞頻變化率的突發(fā)監(jiān)測(cè)等均歸納為基于詞語(yǔ)的科技監(jiān)測(cè)方法[11]。其中突發(fā)監(jiān)測(cè)算法是Kleinberg在2002年提出的[12]，其主要思想是關(guān)注并尋找那些在一段時(shí)間內(nèi)突然增長(zhǎng)的詞，即爆發(fā)詞。爆發(fā)詞作為熱點(diǎn)問(wèn)題的直觀表現(xiàn)，在文獻(xiàn)情報(bào)研究領(lǐng)域，有效識(shí)別并處理爆發(fā)詞對(duì)科技熱點(diǎn)監(jiān)測(cè)、研究機(jī)會(huì)發(fā)現(xiàn)和科研趨勢(shì)預(yù)測(cè)都具有重要意義。

在爆發(fā)詞的探測(cè)方面，洪娜等總結(jié)了當(dāng)前幾種代表性方法，包括基于文檔流上的詞頻統(tǒng)計(jì)、基于有限狀態(tài)自動(dòng)機(jī)的突發(fā)監(jiān)測(cè)、基于卡方統(tǒng)計(jì)的熱點(diǎn)詞計(jì)算、基于文檔聚類(lèi)和詞聚類(lèi)方法的熱點(diǎn)發(fā)現(xiàn)等[13]。各種方法特點(diǎn)不一，也有相應(yīng)的局限性，如基于文檔流上的詞頻統(tǒng)計(jì)方法雖操作簡(jiǎn)單，但其僅對(duì)一段時(shí)間中詞的狀態(tài)進(jìn)行簡(jiǎn)單統(tǒng)計(jì)，對(duì)詞的變化反應(yīng)不敏感；Kleinberg提出的突發(fā)監(jiān)測(cè)自動(dòng)機(jī)模型在捕捉低頻突發(fā)詞時(shí)具有更好的效果，直接用于爆發(fā)詞探測(cè)時(shí)誤報(bào)率較高。因此，在實(shí)際應(yīng)用中，爆發(fā)詞的探測(cè)不僅要考慮詞頻，還要結(jié)合詞所處的語(yǔ)義環(huán)境等，綜合從詞爆發(fā)的多方面特征來(lái)判別。

2 現(xiàn)有科技監(jiān)測(cè)應(yīng)用系統(tǒng)分析與比較

現(xiàn)有科技監(jiān)測(cè)系統(tǒng)大體可分為兩類(lèi)：一是基于引文數(shù)據(jù)分析的監(jiān)測(cè)系統(tǒng)，主要利用WOS等帶有引文信息的文獻(xiàn)數(shù)據(jù)進(jìn)行聚類(lèi)分析，識(shí)別研究前沿，探尋發(fā)展脈絡(luò)，如CiteSpace、HistCite等；二是基于數(shù)據(jù)挖掘技術(shù)的監(jiān)測(cè)系統(tǒng)，通過(guò)文獻(xiàn)數(shù)據(jù)的主題表示、識(shí)別和聚類(lèi)，發(fā)掘主題間的隱含關(guān)系，如PROTEJ、In-SPIRE等。文獻(xiàn)計(jì)量方法在這些系統(tǒng)中均有不同程度的應(yīng)用，最常用的當(dāng)屬前文所述的詞頻統(tǒng)計(jì)、共引分析、共詞分析等。

2.1 HistCite

1955年，加菲爾德提出了利用相互引用關(guān)系分析科學(xué)文獻(xiàn)的思想[14]，以此為理論基礎(chǔ)，2001年，用來(lái)直觀反映學(xué)科領(lǐng)域在某一階段的重要文獻(xiàn)及它們之間的引用關(guān)系的引文編年可視化系統(tǒng)HistCite[15]正式問(wèn)世。HistCite處理的數(shù)據(jù)主要是來(lái)自于Web of Knowledge，數(shù)據(jù)中的每條記錄都詳細(xì)標(biāo)明了當(dāng)前文獻(xiàn)引用的文獻(xiàn)和被其他文獻(xiàn)引用的次數(shù)。HistCite可以輸出重要文獻(xiàn)、作者和期刊等多種列表，從而幫助研究人員快速了解學(xué)科領(lǐng)域發(fā)展的起源、經(jīng)典文獻(xiàn)、知名專(zhuān)家和學(xué)者、重要研究機(jī)構(gòu)等。

作為一個(gè)引文分析可視化系統(tǒng)，HistCite的最主要功能是生成引文編年圖。HistCite可以選取文獻(xiàn)集合中GCS（文獻(xiàn)在整個(gè)Web of Knowledge數(shù)據(jù)庫(kù)中的被引頻次）或LCS（文獻(xiàn)在被統(tǒng)計(jì)文獻(xiàn)集中的被引頻次）超過(guò)用戶(hù)確定閾值的文獻(xiàn)，并根據(jù)時(shí)間先后順序生成編年圖。通過(guò)引文編年圖，研究人員可以觀察到學(xué)科領(lǐng)域發(fā)展的沿革和繼承關(guān)系，以及在某一階段的發(fā)展程度。

2.2 CiteSpace

CiteSpace[16]是由美國(guó)德雷塞爾大學(xué)陳超美博士開(kāi)發(fā)的一款信息可視化軟件，主要用于對(duì)特定領(lǐng)域文獻(xiàn)（集合）進(jìn)行計(jì)量，以探尋學(xué)科領(lǐng)域演化的關(guān)鍵路徑及轉(zhuǎn)折點(diǎn)，探測(cè)學(xué)科領(lǐng)域研究前沿等。CiteSpace分析的數(shù)據(jù)主要來(lái)源于Web of Knowledge和PubMed，目前也已支持對(duì)CSSCI、CNKI等中文引文數(shù)據(jù)的分析。陳超美將研究前沿定義為一組突現(xiàn)的動(dòng)態(tài)概念和潛在的研究問(wèn)題，其知識(shí)基礎(chǔ)是研究前沿概念所在文獻(xiàn)的引用文獻(xiàn)簇，研究前沿與知識(shí)基礎(chǔ)相互作用并動(dòng)態(tài)發(fā)展[17]。為提高研究前沿揭示的時(shí)效性，CiteSpace采用爆發(fā)詞算法來(lái)辨認(rèn)研究前沿專(zhuān)業(yè)術(shù)語(yǔ)概念。在CiteSpace中，研究前沿是基于從文獻(xiàn)題目、摘要、索引詞和文獻(xiàn)記錄標(biāo)識(shí)符中提取出的突變專(zhuān)業(yè)術(shù)語(yǔ)而確定的。運(yùn)行軟件可生成由文獻(xiàn)共引網(wǎng)絡(luò)和施引文獻(xiàn)共詞網(wǎng)絡(luò)共同構(gòu)成的混合知識(shí)圖譜，通過(guò)它，研究人員能夠直觀地辨識(shí)出科學(xué)前沿的演化路徑及學(xué)科領(lǐng)域的經(jīng)典文獻(xiàn)。

2.3 In-SPIRE

In-SPIRE[18]是由美國(guó)太平洋西北國(guó)家實(shí)驗(yàn)室開(kāi)發(fā)的一個(gè)可視化工具包，使用地形圖發(fā)現(xiàn)文獻(xiàn)之間的關(guān)系和相似文獻(xiàn)集。In-SPIRE能夠揭示普通主題和一個(gè)大型文獻(xiàn)集的相關(guān)隱藏關(guān)系，并基于詞的分布、頻率和與其他關(guān)鍵詞的相似度來(lái)可視化文本文獻(xiàn)。INSPIRE可以根據(jù)用戶(hù)指定的列來(lái)判斷文檔之間的相似性。在相似度計(jì)算完成之后，IN-SPIRE運(yùn)行聚類(lèi)算法生成若干主題（文獻(xiàn)的集合），每個(gè)主題的名字是最頻繁出現(xiàn)在文獻(xiàn)中的關(guān)鍵詞。IN-SPIRE提供Galaxy和ThemeView兩種不同的視圖，將主題看成沉積層，它們一起構(gòu)建起自然地貌，其山峰高度表示該領(lǐng)域的主題強(qiáng)度。

2.4 PROTEJ

生物醫(yī)學(xué)主題監(jiān)測(cè)和追蹤系統(tǒng)PROTEJ[19]由美國(guó)Berkeley大學(xué)研發(fā)，主要實(shí)現(xiàn)對(duì)生物醫(yī)學(xué)領(lǐng)域文獻(xiàn)信息的主題監(jiān)測(cè)和追蹤，從而幫助用戶(hù)把握領(lǐng)域研究現(xiàn)狀和趨勢(shì)。PROTEJ每30分鐘更新一次生物醫(yī)學(xué)文獻(xiàn)數(shù)據(jù)，然后經(jīng)過(guò)XML解析、特征抽取、維度縮減、聚類(lèi)分析、主題識(shí)別等一系列工作流程，最終將屬于某主題的新文獻(xiàn)識(shí)別出來(lái)并通過(guò)Email發(fā)送給目標(biāo)用戶(hù)。

2.5 科技監(jiān)測(cè)系統(tǒng)比較

現(xiàn)有科技監(jiān)測(cè)應(yīng)用系統(tǒng)各有特點(diǎn)，有的側(cè)重于文獻(xiàn)關(guān)聯(lián)分析，有的則專(zhuān)注于文獻(xiàn)內(nèi)容分析。從所采用的方法體系來(lái)看，每個(gè)監(jiān)測(cè)系統(tǒng)所含文獻(xiàn)計(jì)量特征的程度也不盡相同。此外，為提高監(jiān)測(cè)與分析結(jié)果的可讀性與直觀性，絕大多數(shù)監(jiān)測(cè)系統(tǒng)均實(shí)現(xiàn)了對(duì)結(jié)果信息的多維度可視化展示。本文主要從數(shù)據(jù)源、分析字段、文獻(xiàn)計(jì)量學(xué)方法、可視化圖形等方面對(duì)HistCite等6個(gè)系統(tǒng)進(jìn)行比較分析，詳見(jiàn)表1。

從上表可以看出，文獻(xiàn)計(jì)量學(xué)方法在各個(gè)監(jiān)測(cè)系統(tǒng)中得到了不同程度的應(yīng)用，足見(jiàn)其在科技監(jiān)測(cè)方法體系中的重要地位?？傮w來(lái)看，現(xiàn)有絕大多數(shù)科技監(jiān)測(cè)系統(tǒng)具備了結(jié)構(gòu)化操作、動(dòng)態(tài)交互等特點(diǎn)，但也還存在一些需要改進(jìn)的方面，如數(shù)據(jù)源要求偏高，來(lái)源單一，引文數(shù)據(jù)多選擇Web of Science數(shù)據(jù)庫(kù)；系統(tǒng)輔助功能有待加強(qiáng)，如提供使用細(xì)則、參考實(shí)例等以幫助用戶(hù)快速掌握系統(tǒng)使用方法。

表1 科技監(jiān)測(cè)應(yīng)用系統(tǒng)綜合比較表

3 結(jié)束語(yǔ)

本文重點(diǎn)對(duì)基于文獻(xiàn)計(jì)量的科技監(jiān)測(cè)方法和應(yīng)用系統(tǒng)進(jìn)行了分析與比較，但科技監(jiān)測(cè)的方法體系還包括了許多其他內(nèi)容，如復(fù)雜網(wǎng)絡(luò)理論、主題模型分析等。隨著科技監(jiān)測(cè)理論及應(yīng)用研究的深入，特別是越來(lái)越多的學(xué)者將網(wǎng)絡(luò)信息資源納入科技監(jiān)測(cè)的范圍，將文獻(xiàn)計(jì)量學(xué)方法與其他技術(shù)方法有機(jī)融合，發(fā)揮各自所長(zhǎng)，將是今后科技監(jiān)測(cè)領(lǐng)域需要重點(diǎn)研究的一個(gè)內(nèi)容。

[1] 朱東華,袁軍鵬.基于數(shù)據(jù)挖掘的科技監(jiān)測(cè)方法研究[J].管理工程學(xué)報(bào),2004, 18(4):135-139.

[2] 馬費(fèi)成,張勤.國(guó)內(nèi)外知識(shí)管理研究熱點(diǎn)——基于詞頻的統(tǒng)計(jì)分析[J].情報(bào)學(xué)報(bào),2006, 25(2):163-171.

[3] 耿海英,肖仙桃.國(guó)外共引分析研究進(jìn)展及發(fā)展趨勢(shì)[J].情報(bào)雜志, 2006, 25(12): 68-69,72.

[4] 楊微微,呂娜.基于文獻(xiàn)計(jì)量學(xué)的科技監(jiān)測(cè)理論研究[J].情報(bào)雜志, 2011,30(10): 21-24,48.

[5] Small H. A SCI-Map case study: Building a map of AIDS research[J]. Scientometrics,1994, 30(1):229-241.

[6] White H D., Griffith, B. C. Author cocitation:A literature measure of intellectual structure[J]. Journal of the American Society for Information Science, 1981, 32(3):163-171.

[7] McCain K W. Mapping authors in intellectual space: A technical overview[J]. Journal of the American Society for Information Science, 1990, 41(6):433-443.

[8] 蔣穎.1995-2004年文獻(xiàn)計(jì)量學(xué)研究的共詞分析[J].情報(bào)學(xué)報(bào),2006, 25(4) :504-512.

[9] 肖偉,魏慶琦.學(xué)術(shù)論文共詞分析系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J].情報(bào)理論與實(shí)踐,2009,32(3): 102-105.

[10] 安新穎,鐘華.科技監(jiān)測(cè)的理論綜述與應(yīng)用系統(tǒng)對(duì)比分析[J].情報(bào)理論與實(shí)踐,2010,33(5): 124-128.

[11] 魏曉俊.基于科技文獻(xiàn)中詞語(yǔ)的科技發(fā)展監(jiān)測(cè)方法研究[J].情報(bào)雜志,2007, 26(3) :34-36,39.

[12] KLEINBERG J. Bursty and hierarchical structure in streams[C]. Proceedings of the 8th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, 2002:1-25.

[13] 洪娜,張智雄,等.基于決策樹(shù)的潛在爆發(fā)詞探測(cè)方法[J].情報(bào)學(xué)報(bào), 2012,31(3) :228-241.

[14] Garfield E. Citation Indexes for Science: A New Dimension in Documentation through Association of Ideas[J]. Science,1955,122(31 59):108-111.

[15] HistCite [EB/OL][2014-12-21]. http://interest.science. thomsonreuters.com/forms/HistCite/.htm.

[16] Chen C. Searching for intellectual turning points: Progressive Knowledge Domain Visualization [J]. Proc. Nat. Acad. Sci.,2004,101 (Suppl.):5303-5310.

[17] Chen C. CiteSpace II:Detecting and Visualizing Emerging Trends and Transient Patterns in Scientific Literature[J].Journal of the American Society for Information Science and Technology, 2006, 57(3): 359-377.

[18] In-SPIRE [EB/OL] [2014-12-21]. http://in-spire.pnnl.gov/.htm.

[19] PROTEJ[EB/OL] [2014-12-21]. http://courses.ischool.berkeley.edu/ i256/f06/projects/ye_chen_nguyen_presentation.pdf.

編輯：劉偉

Review of Science and Technology Monitoring Method and Application Systems Based on Bibliometrics

ZHU Liang, MENG XianXue, ZHAO RuiXue, KOU YuanTao, XIAN GuoJian
(Agricultural Information Institute of CAAS, Beijing 100081, China)

In recent years, the science and technology monitoring theory and application developed rapidly. As the most important part of method system of science and technology monitoring, many related application achievements base on bibliometrics method has been reached. This paper first summarizes several common science and technology monitoring method based on bibliometrics, secondly, analyzes and compares the existing part of science and technology monitoring application systems, hopes to providing reference for related research in the future.

Science and technology monitoring; Bibliometrics; Citation analysis; Co-word analysis

G257

10.3772/j.issn.1673—2286.2015.01.010

朱亮，男，1981年生，助理研究員，研究方向：文獻(xiàn)計(jì)量、情報(bào)分析研究，Email：zhuliang@caas.cn。

2015-01-04）

* 本研究得到國(guó)家“十二五”科技支撐計(jì)劃項(xiàng)目“面向外文科技文獻(xiàn)信息的知識(shí)組織體系建設(shè)與示范應(yīng)用”課題“基于STKOS的知識(shí)服務(wù)應(yīng)用示范”（編號(hào)：2011BAH10B06）資助。