情報科學(xué)跨學(xué)科知識引用實證研究

王壯

【摘要】 本文通過引文分析、共詞分析和社會網(wǎng)絡(luò)的分析方法，對計算機學(xué)科進行情報科學(xué)跨學(xué)科知識引用實證分析，對情報學(xué)學(xué)科的交叉屬性進行分析和研究。通過研究了解到，引文分析和內(nèi)容分析的方式表明計算機科學(xué)中的文本分類、信息抽取、本體研究、數(shù)據(jù)挖掘等能夠為情報科學(xué)提供技術(shù)支持，知識管理、科學(xué)評價、專利研究等是情報學(xué)、科學(xué)研究的共同范圍。

【關(guān)鍵詞】 情報科學(xué) 跨學(xué)科 實證

在科學(xué)發(fā)展中，綜合與分化并不矛盾。當(dāng)前人們對世界的認(rèn)識能力逐漸提高，研究領(lǐng)域也日漸精細(xì)，學(xué)科間的交叉與滲透也不斷增強。情報學(xué)有很強的交叉屬性，呈現(xiàn)出很明顯的跨學(xué)科性質(zhì)?，F(xiàn)階段，情報學(xué)與其他學(xué)科間的交流逐漸深入，知識間的交流日益頻繁，怎樣理解情報學(xué)與其他學(xué)科間的知識交流與融合，拓寬情報學(xué)的研究范圍，形成科學(xué)的方式和方法是需要研究思考的問題。

一、選擇合適的數(shù)據(jù)并加工處理

1、選擇合適的數(shù)據(jù)庫。本次研究選擇的是CSSCI與CNKI兩種數(shù)據(jù)庫作為數(shù)據(jù)來源[1]。使用這兩種數(shù)據(jù)庫從而獲得更多文獻題錄數(shù)據(jù)。2、期刊選擇。在計量學(xué)研究中，劃分學(xué)科是難度比較大的，在學(xué)術(shù)期刊中，論文的學(xué)科種類比較多。本次研究使用的中文學(xué)術(shù)期刊論文，選擇《情報學(xué)報》《情報科學(xué)》為樣本，使用情報學(xué)專業(yè)期刊中引用次數(shù)比較多的計算機學(xué)科進行實證分析。

二、統(tǒng)計結(jié)果的分析與研究

情報學(xué)中，引用計算機科學(xué)期刊文獻的關(guān)鍵詞總共有1438個，引用頻次為2446次。合并同義關(guān)鍵詞，刪掉寬泛詞后得到1176個[2]。網(wǎng)絡(luò)中，本體、文本分類、數(shù)據(jù)挖掘、信息檢索、信息抽取、電子商務(wù)等關(guān)鍵詞位置比較重要，能夠?qū)⒁玫膬?nèi)容大致的顯示出來。通過Ucinet 軟件凝聚子群分析中的派系分析，實現(xiàn)關(guān)鍵詞的聚類，得到6個聚類類團。

1、文本分類。這種技術(shù)是以內(nèi)容文本信息管理為基礎(chǔ)，在信息的素質(zhì)、檢索、提取書庫扥方面都是關(guān)鍵性的技術(shù)。文本是新聞、技術(shù)?？⑧]件等，涉及的范圍和內(nèi)容比較多，最為常見的文本分類是以主題為分類標(biāo)準(zhǔn)的，大量的文本信息在處理時需要依靠計算機技術(shù)作為支撐。將有用的分類特點進行提取，使用分詞技術(shù)，提取文檔特征出現(xiàn)的一般都是高維特征的空間，實際操作的難度比較大，所以需要對數(shù)據(jù)集進行壓縮，數(shù)據(jù)壓縮的方法主要有特征的選擇、聚類以及變換。信息檢索的一些任務(wù)以及自然語言處理中的任務(wù)都可以轉(zhuǎn)化為文本的分類問題。

2、中文信息處理。中文字詞間的分隔符并不明顯，并且在切分詞中容易出現(xiàn)歧義，所以在中文的信息處理中，對漢語進行分詞是十分重要的內(nèi)容。情報學(xué)在計算機科學(xué)中輸入的重要內(nèi)容就是中文信息處理技術(shù)。

3、信息抽取。信息抽取就是直接將事實信息從自然語言中進行準(zhǔn)確的提取，然后進行整理、組織成一定的結(jié)構(gòu)，對信息進行描述，為檢索、文本的挖掘等提供便利。在學(xué)習(xí)抽取中，命名實體識別是最為基本的任務(wù)，能夠識別出文本中的有意義的短語以及專有名稱，并進行分類，能夠文本的正確理解提供基礎(chǔ)，便于信息的檢索。當(dāng)前隱馬爾科夫模型是應(yīng)用比較廣泛的信息抽取模型。

4、本體和語義網(wǎng)。語義網(wǎng)的研究是為了使計算機能夠開發(fā)出處理、理解表達語義信息的技術(shù)，保證網(wǎng)絡(luò)信息間的語義關(guān)聯(lián)能夠被發(fā)現(xiàn)，在網(wǎng)絡(luò)環(huán)境下實現(xiàn)自動的推理，實現(xiàn)人與計算機以及計算機與計算機間的合作。這種語義網(wǎng)的優(yōu)勢就能夠?qū)W(wǎng)絡(luò)信息進行科學(xué)的理解與處理。在語義網(wǎng)中，本體、可擴展標(biāo)記語言 XML以及資源描述框架 RDF是核心的技術(shù)[3]。本體能夠規(guī)范知識的概念以及形式，能夠?qū)χR領(lǐng)域中的概念進行描述，明確其關(guān)系，從而對知識領(lǐng)域進行理解和描述，保證計算完整的實現(xiàn)，這是語義網(wǎng)信息組織中的核心內(nèi)容。使用語義網(wǎng)以及本體進行情報研究，注重本學(xué)科領(lǐng)域的應(yīng)用，注重領(lǐng)域中知識的管理。

5、數(shù)據(jù)挖掘。數(shù)據(jù)挖掘以數(shù)據(jù)庫中結(jié)構(gòu)化的數(shù)據(jù)作為主要的對象，通過關(guān)系表發(fā)現(xiàn)知識。在數(shù)據(jù)挖局中，分類、預(yù)測、關(guān)聯(lián)以及聚類是十分重要的技術(shù)，能夠查詢數(shù)據(jù)，明確數(shù)據(jù)間的潛在聯(lián)系，實現(xiàn)更深層次的分析，能夠?qū)ξ磥磉M行科學(xué)的決策，從數(shù)據(jù)庫中抽取有價值的信息，使用大型的數(shù)據(jù)庫為知識的抽取提供服務(wù)。在情報學(xué)中，電子商務(wù)等是數(shù)據(jù)挖掘技術(shù)的應(yīng)用。

6、協(xié)同推薦。這種推薦技術(shù)是使用數(shù)據(jù)挖掘，按照推薦的算法，為用戶提供個性化的服務(wù)。協(xié)同推薦能夠?qū)π畔⑦^載的問題進行解決。在圖書的情報研究中，能夠為用戶提供個性化的服務(wù)。在電子商務(wù)中，能夠為用戶推薦商品，使用戶獲得購物的體驗。

結(jié)束語：通過分析與研究，使用引文分析以及共詞分析的方法，對引用的其他學(xué)科的內(nèi)容進行分析和研究，從而客觀的對學(xué)科間的關(guān)系進行考察，本次研究中使用的方法是科學(xué)可行的。但是其中也會存在一定的不足，因此還需要利用訪談法，更加深刻全面的對學(xué)科與情報學(xué)間的關(guān)系進行分析與認(rèn)識。

參 考 文 獻

[1]馬翠嫦，曹樹金.信息分散下的信息行為——基于國外圖書情報學(xué)領(lǐng)域跨學(xué)科研究的回顧[J].中國圖書館學(xué)報，2014，01：60-72.

[2]王知津，卞丹，王文爽.論情報學(xué)研究中的跨學(xué)科思維[J].情報科學(xué)，2010，05：641-647+651.

[3]孫海生.情報學(xué)跨學(xué)科知識引用實證研究[J].情報雜志，2013，07：113-118+100.