基于多維特征識(shí)別的醫(yī)學(xué)領(lǐng)域前沿知識(shí)發(fā)現(xiàn)研究框架

，，

科技領(lǐng)域前沿知識(shí)的概念最早來源于普賴斯提出的“研究前沿”這一概念。隨著科學(xué)研究范圍不斷擴(kuò)大與更新，目前已有多個(gè)概念與前沿知識(shí)的概念相近或類似，如研究前沿(Research Fronts)、新興趨勢(shì)(Emerging Trend)、新興研究領(lǐng)域(Emerging Research Domains、Emerging Research Area、Emerging Fields、Emerging Knowledge Domains)以及新興主題(Emerging Topics)、研究熱點(diǎn)(Research hotspot)、熱點(diǎn)主題(Hot Topics)等。因此，有些學(xué)者在研究前沿知識(shí)時(shí)往往借鑒或采用了測(cè)度新興或熱點(diǎn)主題的某些計(jì)算方法，并取得了較好的研究結(jié)果。根據(jù)學(xué)術(shù)界有對(duì)“前沿”概念的界定[1]，前沿知識(shí)的內(nèi)涵主要包括“前沿”與“知識(shí)”兩個(gè)方面，“前沿”說明其具有前瞻性和先導(dǎo)性，“知識(shí)”說明其具有理論性與探索性。

前沿知識(shí)代表了某一學(xué)科領(lǐng)域現(xiàn)在以及未來一段時(shí)期的發(fā)展方向，對(duì)學(xué)科發(fā)展具有引領(lǐng)作用。及時(shí)發(fā)現(xiàn)并準(zhǔn)確識(shí)別前沿知識(shí)，為領(lǐng)域?qū)＜姨峁┭芯繀⒖寂c情報(bào)支持，可避免重復(fù)勞動(dòng)和節(jié)約科研資源，可輔助科研管理部門制定科研規(guī)劃、組織立項(xiàng)等科研管理工作?；陬I(lǐng)域?qū)＜业摹邦^腦風(fēng)暴”定性發(fā)現(xiàn)前沿知識(shí)的過程，容易受領(lǐng)域?qū)＜抑R(shí)背景、研究興趣等主觀因素的影響。因此，對(duì)前沿知識(shí)的定量研究逐漸受到各領(lǐng)域的關(guān)注。目前前沿知識(shí)的定量研究主要采用引文分析法[2-7]、共詞分析法[8]、文本挖掘法[9-10]、社會(huì)網(wǎng)絡(luò)分析法[11-12]等單一維度分析法以及多維度分析法。單一維度分析法的相關(guān)研究興起時(shí)間較早，具有一定的理論支撐，研究成果豐富，在學(xué)術(shù)界得到了一定的應(yīng)用，如湯森路透集團(tuán)的ESI數(shù)據(jù)庫即采用引文分析的方法表征研究前沿。然而，無論是“粗粒度”的引文分析法或“細(xì)粒度”的文本挖掘法，還是具有良好可視化效果的社會(huì)網(wǎng)絡(luò)分析法，均以發(fā)現(xiàn)前沿知識(shí)為主，未能揭示前沿知識(shí)的顯著特征，如先導(dǎo)性、高關(guān)注度等。文本挖掘方法可以在知識(shí)內(nèi)容的新穎性方面發(fā)現(xiàn)前沿知識(shí)，但僅限于單一特征，未能挖掘出前沿知識(shí)專有特征。雖然基于復(fù)合關(guān)系的方法[1]將引文分析與共詞分析進(jìn)行了結(jié)合，以發(fā)揮兩種方法的優(yōu)點(diǎn)，彌補(bǔ)各自的不足，但在確定前沿知識(shí)特征方面尚顯不足。

相比利用引文集合、詞頻等單一屬性發(fā)現(xiàn)前沿知識(shí)的研究而言，多種屬性相結(jié)合能更加準(zhǔn)確地挖掘與定位前沿知識(shí)，有利于揭示前沿知識(shí)的特征與演化規(guī)律?；诖耍疚脑谝延醒芯炕A(chǔ)上，首先確定了前沿知識(shí)的多維度特征，繼而提出了醫(yī)學(xué)領(lǐng)域前沿知識(shí)發(fā)現(xiàn)的研究框架

1 基于多維度分析法的前沿知識(shí)多維特征

前沿知識(shí)的多維度分析法綜合運(yùn)用引文分析、共現(xiàn)分析、文本挖掘以及熱點(diǎn)話題探測(cè)方法，試圖從多個(gè)維度對(duì)前沿知識(shí)進(jìn)行分析，以揭示前沿知識(shí)不同方面的特征，特別是專有特征，現(xiàn)已經(jīng)成為前沿知識(shí)測(cè)度的主要研究思路。

1.1 多維度分析法

吳菲菲等[13]從創(chuàng)新性和學(xué)科交叉性2個(gè)維度探測(cè)了研究前沿的模型，它由創(chuàng)新性特征識(shí)別階段、學(xué)科交叉性特征識(shí)別階段以及前沿主題提煉階段“三階段”構(gòu)成，各階段分別使用文獻(xiàn)引文分析、共現(xiàn)分析和文本挖掘方法?？梢?，創(chuàng)新性、學(xué)科交叉性是前沿知識(shí)的重要特性。張麗華等[14]從時(shí)效性、突破性、跨學(xué)科性和繼承性4個(gè)方面對(duì)早期前沿知識(shí)的特征及其演化過程進(jìn)行了研究，發(fā)現(xiàn)突破性指數(shù)對(duì)前沿影響最大，其次為跨學(xué)科性和時(shí)效性，繼承性對(duì)前沿的影響最小。黃魯成等[15]從新興主題的關(guān)注度、成長潛力度以及關(guān)聯(lián)度3個(gè)屬性測(cè)度了新興主題的特點(diǎn)，發(fā)現(xiàn)新興主題具有高關(guān)注度、高成長潛力度及高關(guān)聯(lián)度。賀亮等[16]提出了文獻(xiàn)主題詞發(fā)現(xiàn)和趨勢(shì)分析的方法，該方法利用LDA話題模型抽取科技文獻(xiàn)的話題，并計(jì)算了話題的強(qiáng)度和影響力。Le等[17]構(gòu)建的一個(gè)新興主題探測(cè)模型綜合考慮了科技文獻(xiàn)中主題的多種特征，利用7×10×2的神經(jīng)網(wǎng)絡(luò)識(shí)別新興概念，且該模型適用于不同的科學(xué)研究領(lǐng)域。Guo等[18]使用特殊詞突然增加的頻率、作者關(guān)注新興領(lǐng)域的人數(shù)和增加速度、參考文獻(xiàn)交叉學(xué)科的變化3個(gè)指標(biāo)，構(gòu)建了用于描述和預(yù)測(cè)新興研究領(lǐng)域關(guān)鍵結(jié)構(gòu)和動(dòng)態(tài)特性的混合模型。

雖然多維度分析方法可測(cè)度前沿知識(shí)的多種特征，但仍存在不足。一是對(duì)前沿知識(shí)專有特征挖掘不足?，F(xiàn)有研究往往將“前沿”、“熱點(diǎn)”、“突發(fā)”、“新興”等描述知識(shí)特殊狀態(tài)的詞混淆，使得在挖掘與測(cè)度前沿知識(shí)特征時(shí)容易受其他知識(shí)測(cè)度方法的影響。二是對(duì)前沿知識(shí)的解讀缺乏語義環(huán)境。現(xiàn)有研究中，缺乏對(duì)知識(shí)的語義描述。前沿知識(shí)是基于一定語義環(huán)境出現(xiàn)的，只有準(zhǔn)確描述前沿知識(shí)產(chǎn)生與存在的語義環(huán)境以及不同詞語間的語義關(guān)聯(lián)，才能更準(zhǔn)確地定位前沿知識(shí)，并對(duì)其進(jìn)行正確解讀。

1.2 前沿知識(shí)的多維特征

Bun等[19]認(rèn)為，新聞中任何一個(gè)熱點(diǎn)話題都不可能無限“熱”下去，都會(huì)經(jīng)歷一個(gè)產(chǎn)生、增長、成熟和消亡的過程，于是將生命周期理論用于探測(cè)研究新聞熱點(diǎn)話題。隨后，Chen[20]、趙迎光等[21]按照生命周期理論，分別設(shè)定了新聞熱點(diǎn)詞與文獻(xiàn)熱點(diǎn)詞的能量值、生命值、變化率等指標(biāo)，并根據(jù)生命值指數(shù)確定每個(gè)時(shí)間窗內(nèi)的熱點(diǎn)詞。實(shí)驗(yàn)結(jié)果證明，利用生命周期理論可以較好地識(shí)別新聞及文獻(xiàn)熱點(diǎn)詞。前沿知識(shí)作為主題的一種，比一般知識(shí)具有更強(qiáng)的生命周期特征，應(yīng)表現(xiàn)出明顯的分期過程。因此，通過研究主題在生命周期內(nèi)特征的變化，可以監(jiān)測(cè)并識(shí)別前沿知識(shí)。

綜上所述，在時(shí)間維度上，前沿知識(shí)應(yīng)具有生命周期特征；在空間維度上，前沿知識(shí)主要具有權(quán)威性、普遍認(rèn)可性、創(chuàng)新性和學(xué)科交叉性4項(xiàng)特征。只有同時(shí)具備上述4項(xiàng)特征和具有生命周期特征的知識(shí)，能認(rèn)為是前沿知識(shí)?；诖?，本文確定文獻(xiàn)領(lǐng)域的前沿知識(shí)需同時(shí)滿足如下條件：前沿知識(shí)具有生命周期特征；前沿知識(shí)的出現(xiàn)頻次高，即具有普遍認(rèn)可性；前沿知識(shí)來源期刊影響因子較高，即具有權(quán)威性；前沿知識(shí)與已有知識(shí)的相似度不高，即具有創(chuàng)新性；前沿知識(shí)來源于多種學(xué)科領(lǐng)域，即具有學(xué)科交叉性。前沿知識(shí)表示公式如下：

前沿知識(shí)=(普遍認(rèn)可性+權(quán)威性+創(chuàng)新性+學(xué)科交叉性)∩ 生命周期特征

(1)

對(duì)前沿知識(shí)特征進(jìn)行維度劃分可以看出，普遍認(rèn)可性、權(quán)威性、創(chuàng)新性屬于前沿知識(shí)自身的屬性，共同構(gòu)成前沿知識(shí)的內(nèi)部屬性。學(xué)科交叉性雖是前沿知識(shí)自身具有的屬性，但學(xué)科交叉涉及多個(gè)學(xué)科之間的交流與測(cè)度，因此本研究認(rèn)為學(xué)科交叉性是前沿知識(shí)的外部屬性。前沿知識(shí)的內(nèi)部屬性可以深入內(nèi)容層面細(xì)粒度地描述與測(cè)度前沿知識(shí)，外部屬性可以在知識(shí)來源廣度上說明前沿知識(shí)的特征。綜合考量前沿知識(shí)的內(nèi)外部屬性，可以較為全面地測(cè)度前沿知識(shí)，實(shí)現(xiàn)準(zhǔn)確發(fā)現(xiàn)前沿知識(shí)的目的。與基于復(fù)合關(guān)系的方法不同，多維特征識(shí)別方法在前沿知識(shí)發(fā)現(xiàn)過程中，更強(qiáng)調(diào)對(duì)前沿知識(shí)自身特征的描述與判斷。

2 醫(yī)學(xué)領(lǐng)域前沿知識(shí)發(fā)現(xiàn)研究框架

2.1 研究框架

目前關(guān)于醫(yī)學(xué)領(lǐng)域前沿主題挖掘的研究較多，并開發(fā)了TDA、CiteSpace等成熟工具輔助識(shí)別前沿主題。但現(xiàn)有研究對(duì)前沿主題的主要特征認(rèn)識(shí)不足，更缺乏從知識(shí)內(nèi)外屬性綜合測(cè)度前沿知識(shí)的研究。此外，相關(guān)研究較少涉及研究主題的語義類型，對(duì)結(jié)果的解讀主要依賴領(lǐng)域?qū)＜?，降低了方法的可用性。根?jù)上面對(duì)前沿知識(shí)多維特征的定義與測(cè)度方法分析，為保證識(shí)別前沿知識(shí)的準(zhǔn)確性與方法的可用性，本文提出了醫(yī)學(xué)領(lǐng)域前沿知識(shí)發(fā)現(xiàn)研究框架(圖1)。

圖1 基于多維特征識(shí)別的醫(yī)學(xué)領(lǐng)域前沿知識(shí)發(fā)現(xiàn)研究框架

2.2 數(shù)據(jù)預(yù)處理

數(shù)據(jù)預(yù)處理對(duì)數(shù)據(jù)分析、知識(shí)挖掘非常重要。本文利用豐富的醫(yī)學(xué)知識(shí)組織體系(如MeSH超級(jí)詞表)及權(quán)威可靠的語義分析工具M(jìn)etaMap，將從文獻(xiàn)數(shù)據(jù)庫獲取的醫(yī)學(xué)文獻(xiàn)中的主題詞進(jìn)行概念映射，抽取映射后的主題詞及其語義類型。經(jīng)過數(shù)據(jù)預(yù)處理，將各種醫(yī)學(xué)術(shù)語變體統(tǒng)一為標(biāo)準(zhǔn)的MeSH術(shù)語主題詞，既方便后續(xù)對(duì)分析結(jié)果的解讀，又提高了分析的準(zhǔn)確率。

2.3 醫(yī)學(xué)領(lǐng)域前沿知識(shí)發(fā)現(xiàn)

根據(jù)公式(1)逐項(xiàng)測(cè)度數(shù)據(jù)預(yù)處理后抽取主題詞。每項(xiàng)指標(biāo)的測(cè)度方法如下。

2.3.1 生命周期特征測(cè)度

主題詞的生命周期可以反映其在時(shí)間上的變化趨勢(shì)。Chen等[22]提出了新聞事件的生命周期模型，將新聞事件按照生命周期分為4個(gè)階段，并提出了能量函數(shù)的概念以跟蹤事件的生命周期。該模型在主題探測(cè)與跟蹤領(lǐng)域得到了廣泛應(yīng)用。已有研究證明[21]，文獻(xiàn)領(lǐng)域的主題詞具備生命周期特征，因此可以利用生命周期理論，測(cè)度主題詞在時(shí)間上的變化情況，并與其他指標(biāo)結(jié)合，共同揭示主題在時(shí)間上的特征。根據(jù)生命周期理論，文獻(xiàn)領(lǐng)域主題詞的能量值、生命值、變化率等指標(biāo)的計(jì)算公式如下。

主題詞K在時(shí)間窗t內(nèi)得到的能量值公式如下：

式中A、B、C、D的代表含義如表1所示。

表1 能量值計(jì)算公式中部分參數(shù)的取值

某一主題詞的生命值公式如下：

GFk,t=InGEk,t(4)

式中，GFk,t為主題詞K在時(shí)間窗t上的生命值，GFk,t為主題詞K在t時(shí)間窗內(nèi)得到的能量值。

根據(jù)公式(2)、(3)、(4)的測(cè)度主題詞的能量值、生命值等指標(biāo)的結(jié)果后，計(jì)算主題詞在每個(gè)時(shí)間窗生命值的變化率：

式中，N為給定時(shí)間段內(nèi)時(shí)間窗的個(gè)數(shù)，GFk,t是t時(shí)間窗K主題詞的生命值，GF是K在所有時(shí)間窗內(nèi)的生命值均值。在某一時(shí)間窗內(nèi)，主題詞的生命值變化率越大，其生命周期性越強(qiáng)。

2.3.2 普遍認(rèn)可性測(cè)度

主題詞出現(xiàn)的頻次越高，其普遍認(rèn)可性越大，越容易成為前沿知識(shí)。目前，用于測(cè)度主題詞頻次的方法很多(如詞頻統(tǒng)計(jì)法、TFIDF方法、詞共現(xiàn)方法等)，但每種方法又有其局限性。例如，TFIDF方法使用的是TF(詞頻)與IDF(倒排文檔率)乘積表示詞權(quán)重，使那些出現(xiàn)頻率高和出現(xiàn)在多篇文檔中的主題詞的權(quán)重較小。事實(shí)上，當(dāng)主題詞處于其生命周期的中后期時(shí)，不僅出現(xiàn)頻次高，而且文檔數(shù)量也較多，導(dǎo)致TFIDF值較小，無法完全揭示具有生命周期特征的主題詞。

Bun等[19]糾正了計(jì)算詞權(quán)重的TFIDF算法在區(qū)分詞分布方面的不足，使用TFPDF算法計(jì)算每個(gè)詞的權(quán)重。TFPDF算法對(duì)于出現(xiàn)頻次高和出現(xiàn)文檔多的詞賦予較大權(quán)重，對(duì)主題詞的生命周期特征具有一定的揭示意義。因此，本文使用TFPDF方法計(jì)算主題詞的普遍認(rèn)可性，其公式如下：

式中，|Fk,c|是詞K在c中出現(xiàn)的頻次，nk,c是出現(xiàn)詞K的文檔的數(shù)量，W是c中所有詞的數(shù)量，|C|是文獻(xiàn)集合中期刊數(shù)量。因此如果一個(gè)詞的詞頻越大，并且包含該詞的期刊越多，TFXPDF值就越大。

2.3.3 權(quán)威性測(cè)度

影響因子是目前期刊評(píng)價(jià)與人才評(píng)價(jià)的重要指標(biāo)。該指標(biāo)雖然有其本身的缺陷，但在國際科技評(píng)價(jià)領(lǐng)域的作用仍很重要。一般而言，高影響因子學(xué)術(shù)期刊刊載的論文較同領(lǐng)域低影響因子期刊刊載的論文更容易獲得較高的學(xué)科關(guān)注度，具有更高的領(lǐng)域權(quán)威性。因此，領(lǐng)域高影響因子學(xué)術(shù)期刊是前沿知識(shí)的產(chǎn)生地與聚集地。當(dāng)然，并不是所有刊載在高影響因子期刊上的論文或主題就一定具有權(quán)威性和成長為前沿知識(shí)，只是成為前沿知識(shí)的可能性更大而已。因此，可以利用期刊影響因子測(cè)量文獻(xiàn)主題詞的權(quán)威性[15]，公式如下：

2.3.4 創(chuàng)新性測(cè)度

主題詞的創(chuàng)新性一般可以主題詞出現(xiàn)時(shí)間和主題詞內(nèi)容的創(chuàng)新性兩個(gè)維度分別測(cè)量。從科技文獻(xiàn)老化的角度來說，社會(huì)的發(fā)展和知識(shí)的更新，必然會(huì)影響人們對(duì)新舊文獻(xiàn)的選擇。一般來說，舊有文獻(xiàn)的使用頻次將逐漸降低，讓位于新生的文獻(xiàn)。但出現(xiàn)時(shí)間并不能準(zhǔn)確定位前沿知識(shí)，更多的是用于對(duì)新興主題的探測(cè)研究。因此，本文使用主題詞內(nèi)容的創(chuàng)新性測(cè)度前沿知識(shí)。

主題詞內(nèi)容的創(chuàng)新性是指對(duì)給定的文獻(xiàn)集，按時(shí)間序列排序，比較新到來的相關(guān)文獻(xiàn)主題與已有文獻(xiàn)主題的冗余度，確定新到來的文本主題是否新穎。目前廣泛使用的文本創(chuàng)新性測(cè)量方法主要有基于向量空間模型的文本創(chuàng)新性探測(cè)和基于語言模型的文本創(chuàng)新性探測(cè)兩大類[23]。其中，基于向量空間模型的內(nèi)容創(chuàng)新性探測(cè)方法的主要步驟為：文本主題詞的抽取與映射→構(gòu)建文檔的向量空間模型→利用某一方法計(jì)算內(nèi)容創(chuàng)新性。本文采用Zhang[24]使用的向量余弦值方法測(cè)度主題詞內(nèi)容的創(chuàng)新性。計(jì)算方法如下：

式中，CNVk代表主題詞K內(nèi)容上的創(chuàng)新性，CNVk值越大，該主題詞K內(nèi)容上的創(chuàng)新性越強(qiáng)。cos(dl,di)計(jì)算了文檔dl,di余弦相似度值，n代表該時(shí)間窗內(nèi)擁有主題詞K的文檔數(shù)量，m代表前一時(shí)間窗內(nèi)所有文檔的數(shù)量，di代表前一時(shí)間窗的文檔i所對(duì)應(yīng)的向量，q代表向量維度。

2.3.5 學(xué)科交叉性測(cè)度

中科院院士路甬祥[25]曾指出：“學(xué)科交叉點(diǎn)往往就是科學(xué)新的生長點(diǎn)、新的科學(xué)前沿，這里最有可能產(chǎn)生重大的科學(xué)突破，使科學(xué)發(fā)生革命性變化。”多項(xiàng)研究[26-27]表明，世界上最具權(quán)威和最負(fù)盛名的科學(xué)獎(jiǎng)項(xiàng)——諾貝爾自然科學(xué)獎(jiǎng)中的學(xué)科交叉研究成果豐富，說明了現(xiàn)代科學(xué)技術(shù)的重大發(fā)現(xiàn)與發(fā)明多是學(xué)科交叉的成果?？茖W(xué)和技術(shù)上的重大突破，新的生長點(diǎn)和新學(xué)科的產(chǎn)生，往往是在不同學(xué)科彼此交叉和相互滲透的過程中形成的，說明跨學(xué)科研究具有重大意義。

許海云等[28]對(duì)學(xué)科交叉性測(cè)度方法進(jìn)行了研究，將學(xué)科交叉性測(cè)度屬性主要分為學(xué)科多樣性(diversity)和學(xué)科聚合性(cohesion)兩種。學(xué)科多樣性描述交叉領(lǐng)域所涉及學(xué)科的數(shù)量統(tǒng)計(jì)特征，包括學(xué)科數(shù)量多少(豐富度)、分布特征(平衡性)和個(gè)體間差異性(差異度)；學(xué)科聚合性表征了研究領(lǐng)域所涉及各個(gè)學(xué)科所構(gòu)成的整體網(wǎng)絡(luò)的聯(lián)系緊密程度和各學(xué)科在網(wǎng)絡(luò)中地位的差異程度，包括核心-邊緣度、網(wǎng)絡(luò)分派度、網(wǎng)絡(luò)密度和網(wǎng)絡(luò)中心勢(shì)。

Stirling[29]較為詳細(xì)地闡述了學(xué)科多樣性的普遍存在，指出了學(xué)科多樣性豐富性、平衡性和差異性3個(gè)屬性，并提出了用于測(cè)度學(xué)科交叉性的Rao-Stirling指標(biāo)。該指標(biāo)不僅考慮了學(xué)科分類間的平均分布程度，即平衡性，又考慮了學(xué)科分類間的差異性。張金柱等[30]、許海云等[31]均利用該指標(biāo)對(duì)圖書情報(bào)學(xué)領(lǐng)域的學(xué)科交叉性進(jìn)行了度量。

考慮到指標(biāo)的全面性與操作的簡單性，本文使用Rao-Stirling指標(biāo)測(cè)度主題詞的學(xué)科交叉性，其計(jì)算公式如下：

式中，pi與pj是不同學(xué)科的概率分布，dij是學(xué)科間的距離，可以用余弦相似度進(jìn)行計(jì)算α， β為計(jì)量參數(shù)，取值為0-1。當(dāng)α、β取值不同時(shí)，測(cè)度了學(xué)科間的不同屬性(表2)。Rao-Stirling值越大，該主題的學(xué)科交叉性越強(qiáng)。

表2 Rao-Stirling指標(biāo)中參數(shù)取值不同時(shí)

2.3.6 前沿性測(cè)度

根據(jù)以上5個(gè)指標(biāo)，設(shè)計(jì)主題詞的“前沿性”指標(biāo)：

Front=aVt+bTFPDFk+cPAk+dCNVk+eRS(12)

式中，a、b、c、d、e系數(shù)應(yīng)根據(jù)上述指標(biāo)的特點(diǎn)及其在發(fā)現(xiàn)前沿知識(shí)時(shí)的作用與區(qū)分度確定。

從統(tǒng)計(jì)學(xué)角度看，公式(12)為前沿性指標(biāo)的多元線性回歸模型。普通最小二乘估計(jì)、最大似然估計(jì)等是常用的參數(shù)估計(jì)方法，用于確定式中的a、b、c、d、e參數(shù)值。隨著多元線性回歸模型應(yīng)用的逐步推廣，為滿足學(xué)科領(lǐng)域發(fā)展需要，提出了參數(shù)估計(jì)的自適應(yīng)動(dòng)態(tài)更新機(jī)制，DE算法[32]、粒子群算法[33]等新的方法逐步用于參數(shù)估計(jì)研究中。醫(yī)學(xué)領(lǐng)域由多個(gè)子學(xué)科組成，本文雖利用統(tǒng)一的前沿知識(shí)特征指標(biāo)對(duì)前沿知識(shí)進(jìn)行識(shí)別，但同一特征在確定不同子學(xué)科前沿知識(shí)的重要性時(shí)可能有所不同。因此，目前尚無法給出各參數(shù)的具體估算與動(dòng)態(tài)更新方法，需要通過大量不同學(xué)科的實(shí)驗(yàn)，確定適用于某一具體學(xué)科的前沿性參數(shù)組合。

2.4 醫(yī)學(xué)領(lǐng)域前沿知識(shí)網(wǎng)絡(luò)構(gòu)建

考慮到各個(gè)主題并非孤立存在而具有一定的關(guān)聯(lián)關(guān)系，明確主題間的相關(guān)關(guān)系更有利于對(duì)前沿知識(shí)的準(zhǔn)確解讀。依據(jù)前沿性指標(biāo)篩選權(quán)重較大的主題詞，利用詞共現(xiàn)理論與技術(shù)、社會(huì)網(wǎng)絡(luò)分析技術(shù)生成前沿知識(shí)網(wǎng)絡(luò)。判斷生成的知識(shí)網(wǎng)絡(luò)中節(jié)點(diǎn)重要性的指標(biāo)有很多，如中心度、聲望等。雖然這些指標(biāo)可以揭示節(jié)點(diǎn)的全局重要性，但無法揭示節(jié)點(diǎn)在某一社區(qū)的重要程度。本文通過前沿性指標(biāo)測(cè)度了節(jié)點(diǎn)的全局重要性，在知識(shí)網(wǎng)絡(luò)分析中則需要判斷節(jié)點(diǎn)的局部重要性，從而實(shí)現(xiàn)對(duì)某一知識(shí)網(wǎng)絡(luò)所代表主題的解讀。本文使用Guimera等[34]提出的Z-Value值計(jì)算節(jié)點(diǎn)的局部重要性，Z-Value方法可以測(cè)度網(wǎng)絡(luò)節(jié)點(diǎn)與其他節(jié)點(diǎn)聯(lián)系的緊密性，根據(jù)指標(biāo)值大小確定計(jì)算節(jié)點(diǎn)的局部重要性。

準(zhǔn)確識(shí)別知識(shí)網(wǎng)絡(luò)中的重要社區(qū)，對(duì)揭示學(xué)科發(fā)展規(guī)律和描述學(xué)科內(nèi)部關(guān)聯(lián)等具有積極作用。Wallace等[35]的研究證明了應(yīng)用社區(qū)發(fā)現(xiàn)方法識(shí)別知識(shí)網(wǎng)絡(luò)中的重要社區(qū)是可行有效的。計(jì)算機(jī)學(xué)界基于圖論提出了多種社區(qū)識(shí)別算法，最有代表性的方法是基于優(yōu)化網(wǎng)絡(luò)模塊度的方法。該方法根據(jù)邊的中介性和模塊度的變化進(jìn)行社區(qū)識(shí)別。本文利用模塊度方法，對(duì)前沿知識(shí)形成的多個(gè)社區(qū)進(jìn)行識(shí)別，確定不同社區(qū)的重要性，并發(fā)現(xiàn)重要社區(qū)中節(jié)點(diǎn)間的關(guān)聯(lián)關(guān)系，從而描述前沿知識(shí)結(jié)構(gòu)。

最后，利用數(shù)據(jù)預(yù)處理階段提取的主題詞的語義類型，對(duì)代表性節(jié)點(diǎn)與關(guān)鍵社區(qū)中的主題詞進(jìn)行解讀，可以準(zhǔn)確發(fā)現(xiàn)某一醫(yī)學(xué)研究領(lǐng)域涉及的疾病、基因、藥物、治療方法等方面前沿知識(shí)的概況，以指導(dǎo)研究人員更針對(duì)性地開展相關(guān)研究。

3 結(jié)語

為了準(zhǔn)確識(shí)別醫(yī)學(xué)領(lǐng)域的前沿知識(shí)，本文提出了一種基于多維度特征識(shí)別的醫(yī)學(xué)領(lǐng)域前沿知識(shí)發(fā)現(xiàn)研究框架，并給出了框架中核心部分的研究思路與關(guān)鍵步驟。本文將生命周期理論、社會(huì)網(wǎng)絡(luò)理論等多種理論與方法共同用于前沿知識(shí)的發(fā)現(xiàn)研究中，強(qiáng)調(diào)從知識(shí)的內(nèi)外部兩個(gè)方面共同測(cè)度前沿知識(shí)。此外，根據(jù)不同知識(shí)的語義類型，可以有針對(duì)性地解讀前沿知識(shí)。后續(xù)研究中，我們將進(jìn)一步驗(yàn)證本文所提方案的有效性，重點(diǎn)解決以下問題。

一是指標(biāo)閾值的選取與確定。能量值、生命值、學(xué)科交叉性、前沿性等指標(biāo)閾值的大小，直接決定最終識(shí)別的前沿知識(shí)的內(nèi)容。目前尚無統(tǒng)一的閾值選擇標(biāo)準(zhǔn)，仍需經(jīng)過大量實(shí)驗(yàn)確定具體指標(biāo)的參數(shù)值，以提高指標(biāo)與模型的適用性。

二是醫(yī)學(xué)領(lǐng)域前沿知識(shí)的語義關(guān)聯(lián)分析。本文結(jié)合語義類型實(shí)現(xiàn)了對(duì)前沿知識(shí)的解讀，但對(duì)不同類型間知識(shí)的語義關(guān)聯(lián)缺乏深入研究。醫(yī)學(xué)研究領(lǐng)域比其他領(lǐng)域具有更加完備的知識(shí)組織體系與語義關(guān)系。目前國外已開發(fā)了一些數(shù)據(jù)庫用于存儲(chǔ)基因與疾病之間的關(guān)系(例如CTDTM[36]，OMIM?[37]和GAD[38])，開發(fā)了DisGeNET[39]平臺(tái)用以集成基因疾病關(guān)聯(lián)(GDAs)中多個(gè)公共數(shù)據(jù)源和文獻(xiàn)信息，該平臺(tái)包括17 181種基因與14 619種疾病的429 111種關(guān)系。因此，建立醫(yī)學(xué)領(lǐng)域前沿知識(shí)間的語義關(guān)聯(lián)和揭示醫(yī)學(xué)知識(shí)間的語義關(guān)系，對(duì)疾病的預(yù)防、發(fā)現(xiàn)與治療具有積極影響。