知識圖譜分析中數(shù)據(jù)樣本影響度的實證研究

王宇典?魏曉欣

摘 要 以民族地區(qū)生物多樣性研究為例，論文比較分析了知識圖譜研究中數(shù)據(jù)樣本對研究結(jié)果的影響，實證結(jié)果表明，雖然核心文獻(xiàn)具有反映學(xué)科研究的代表性，但還需要圖書館對學(xué)者進(jìn)行檢索培訓(xùn)學(xué)術(shù)規(guī)范指導(dǎo)，提高檢索需求的準(zhǔn)確性。在優(yōu)化知識圖譜研究的數(shù)據(jù)樣本方面建議文獻(xiàn)數(shù)據(jù)庫著錄要符合準(zhǔn)確性、可獲得性和穩(wěn)定性。

關(guān)鍵詞 知識圖譜 數(shù)據(jù)樣本 可視化 實證研究

分類號 G254.97

DOI 10.16810/j.cnki.1672-514X.2018.11.014

0 引言

知識圖譜可以將文獻(xiàn)信息繪制為二維或三維圖文信息，顯示科學(xué)發(fā)展結(jié)構(gòu)進(jìn)程或與其他學(xué)科間的關(guān)系，并運用文獻(xiàn)計量學(xué)方法客觀反映學(xué)科研究前沿，通過可視化形式解析研究主題的結(jié)構(gòu)脈絡(luò)，使結(jié)果更為準(zhǔn)確、清晰。近年來，隨著知識圖譜軟件及可視化技術(shù)的不斷完善和發(fā)展，越來越多的國內(nèi)學(xué)者開始運用知識圖譜開展相關(guān)學(xué)科主題研究。以中國知網(wǎng)CNKI數(shù)據(jù)庫收錄為例，截至2016年，以“知識圖譜”為主題的文獻(xiàn)有2680篇，且呈快速增加趨勢。其中，有關(guān)社會科學(xué)基礎(chǔ)研究方面的文獻(xiàn)占到62.90%，說明知識圖譜的運用已經(jīng)走出了圖書情報專業(yè)領(lǐng)域，極大提高了社會科學(xué)領(lǐng)域的科學(xué)計量研究水平。根據(jù)冉從敬[1]的研究，人文社科領(lǐng)域內(nèi)的學(xué)者主要把知識圖譜作為一種輔助研究工具，從梳理發(fā)展趨勢、探尋研究熱點、分析作者集群等方面應(yīng)用知識圖譜，研究重點在特定主題或期刊。但是，當(dāng)前學(xué)者們對知識圖譜的運用方式還比較簡單，數(shù)據(jù)樣本采集還存在隨機(jī)性，分析角度也較為單一，因此，有必要對知識圖譜與學(xué)科研究的融合，以及圖譜科學(xué)性對學(xué)科的影響度進(jìn)行研究。

1 研究路徑

在運用知識圖譜分析主題文獻(xiàn)時，科學(xué)知識圖譜的數(shù)據(jù)源可來自于多個綜合性數(shù)據(jù)庫，如WOS，CNKI，CSSCI等。另外，還可以來自專利文獻(xiàn)信息出版機(jī)構(gòu)推出的專利信息數(shù)據(jù)庫，如德溫特專利數(shù)據(jù)庫（DII）、中文科技期刊數(shù)據(jù)庫引文版（CCD）、自然科學(xué)基金資助數(shù)據(jù)庫、中國農(nóng)史論文全文數(shù)據(jù)庫、維普（VIP）、萬方等[2]。當(dāng)選用不同的主題詞和來源數(shù)據(jù)庫獲取數(shù)據(jù)樣本時，其數(shù)據(jù)和結(jié)論會有差異。由于知識可視化的基礎(chǔ)在于高質(zhì)量的樣本數(shù)據(jù)，以及對不同格式和質(zhì)量的數(shù)據(jù)進(jìn)行清洗和預(yù)處理[3]，因而需要對所獲取的數(shù)據(jù)樣本進(jìn)行嚴(yán)謹(jǐn)性和可靠論證，以使得出的結(jié)論具有正確性和普適性。

1.1 研究主題選擇

由于民族地區(qū)經(jīng)濟(jì)較為落后，與外界相對隔絕，處于公共管理權(quán)力的末稍，加之國內(nèi)外法律機(jī)制、民間社區(qū)、宗教價值、傳統(tǒng)文化、生態(tài)學(xué)等因素交織錯雜，民族地區(qū)生物多樣性保護(hù)研究領(lǐng)域的相關(guān)研究文獻(xiàn)能夠涉及自然科學(xué)和社會科學(xué)多個學(xué)科領(lǐng)域，具有研究方法、研究手段、研究視角多元化的特點。因此，選擇民族地區(qū)生物多樣性主題文獻(xiàn)作為研究樣本，研究成果既具有跨學(xué)科文獻(xiàn)研究代表性，也具有專業(yè)研究實用性。筆者以民族地區(qū)生物多樣性研究為例，比較分析知識圖譜研究中數(shù)據(jù)樣本對研究結(jié)果的影響，并對優(yōu)化知識圖譜研究中數(shù)據(jù)樣本的原則和方法提出建議。

1.2 檢索數(shù)據(jù)庫的選擇

選取數(shù)據(jù)庫的標(biāo)準(zhǔn)主要有以下三個方面。一是數(shù)據(jù)庫收錄的文獻(xiàn)要具有代表性和廣泛性，能涵蓋中外核心期刊，能反映本學(xué)科主題研究前沿和研究全貌。二是數(shù)據(jù)庫使用要具有便利性，圖書館購買的商業(yè)數(shù)據(jù)庫是讀者獲取數(shù)據(jù)進(jìn)行可視化分析的首選。三是數(shù)據(jù)庫中采集的樣本文獻(xiàn)數(shù)據(jù)均能適用知識圖譜工具，便于比較分析?；谝陨显瓌t，本次實證研究中選取WOS，SCOPUS， CSSCI和CNKI數(shù)據(jù)庫，對民族地區(qū)生物多樣性保護(hù)研究的中外文獻(xiàn)對比分析。四個數(shù)據(jù)庫的具體特點見表1。

數(shù)據(jù)目的 書目文獻(xiàn)計量、引文分析、聚類分析、共詞分析、文獻(xiàn)共引分析 書目文獻(xiàn)計量、引文分析、聚類分析、共詞分析、文獻(xiàn)共引分析 書目文獻(xiàn)計量、引文分析、書目耦合、聚類分析、詞頻統(tǒng)計 書目文獻(xiàn)計量、引文分析、聚類分析、作者分析、關(guān)鍵詞共現(xiàn)矩陣

適用工具[5] Bibexcel、CiteSpace、HistCite、Sci ? CiteSpace 、Sci ? Bibexcel 、CiteSpace 、Prefuse CiteSpace 、SPSS、Pajek 、Prefuse、Ucinet

1.3 檢索式的構(gòu)建

（1）WOS數(shù)據(jù)庫檢索式1（WOS1）：主題=biodiversity AND indigenous，時間范圍為2001—2015年，文獻(xiàn)類型為Article、Review，檢索結(jié)果1752條。

（2）WOS數(shù)據(jù)庫檢索式2（WOS2）：主題=

（biodiversity and indigenous） or （biodiversity and“traditional knowledge”） or （biodiversity and “proteced areas”）or （ biodiversity and transboundary） or （biodiversity and “genetic resources”） or （biodiversity and“national park”） or （biodiversity and legislation） or （biodiversity and “customary law”） or （biodiversity and “genetically modified organism”） or （biodiversity and “invasion of alien species”） or （biodiversity and “cultural diversity”） or “bioculturaldiversity”or （biodiversity and religion），時間范圍為1989—2016年，文獻(xiàn)類型為Article、Review、Proceedings paper，檢索結(jié)果6888條。

（3）SCOPUS數(shù)據(jù)庫檢索式：關(guān)鍵詞=biodiversity AND indigenous，時間范圍為2001年—2015年，文獻(xiàn)類型為Article、Review，檢索結(jié)果524條。

（4）CSSCI數(shù)據(jù)庫檢索式1（CSSCI1）：關(guān)鍵詞=生物多樣性or傳統(tǒng)知識or保護(hù)區(qū)or國家公園or文化多樣性or外來物種入侵or轉(zhuǎn)基因or遺傳資源or民族立法or習(xí)慣法or民間法，時間范圍為1998年—2016年，文獻(xiàn)類型為評論（書評除外）、綜述、論文，檢索結(jié)果2343條。

（5）CSSCI數(shù)據(jù)庫檢索式2（CSSCI2）：關(guān)鍵詞=生物多樣性，時間范圍為2001年—2015年，文獻(xiàn)類型為評論（書評除外）、綜述、論文，檢索結(jié)果282條。

（6） CNKI數(shù)據(jù)庫檢索式：SU=‘生物多樣性*（‘傳統(tǒng)知識+‘保護(hù)區(qū)+‘國家公園+‘文化多樣性+‘外來物種入侵+‘轉(zhuǎn)基因'+‘遺傳資源+‘民族立法+'民間法+‘習(xí)慣法+‘宗教+‘跨界），時間范圍為1986年—2016年，論文（去掉通知、人物報道、要聞、征稿指南、期刊目錄、中學(xué)教學(xué)、科普等626條），檢索結(jié)果6681條。

2 檢索文獻(xiàn)數(shù)據(jù)分析對比

本文對民族地區(qū)生物多樣性主題的數(shù)據(jù)樣本采用文獻(xiàn)計量學(xué)方法，對比分析檢索文獻(xiàn)的國家/地區(qū)分布、期刊分布、學(xué)科分布、研究熱點及趨勢，進(jìn)而比較研究結(jié)論的差異所在。

2.1 來源文獻(xiàn)的國家、地區(qū)分布對比

在WOS中的兩次檢索中，因檢索式1和檢索式2構(gòu)建不同，檢索結(jié)果文獻(xiàn)數(shù)量差別很大，但兩次檢索結(jié)果文獻(xiàn)中國家/地區(qū)分布差別不大。如圖1和圖2所示，分別顯示了兩次檢索的前十位國家/地區(qū)，除了部分國家在排名上有所更替，只有檢索式2中的巴西代替了新西蘭進(jìn)入前十，這說明在該研究領(lǐng)域，文獻(xiàn)來源的國家/地區(qū)集中程度較高，檢索文獻(xiàn)數(shù)量對國家/地區(qū)發(fā)文排名影響度不大。

另外，結(jié)合圖1、圖2和圖3來看，在文獻(xiàn)來源的國家/地區(qū)分布上，WOS和SCOPUS排名前十的國家/地區(qū)基本相同，這說明數(shù)據(jù)庫收錄文獻(xiàn)范圍對研究主題文獻(xiàn)國家/地區(qū)分布影響不大。

2.2? 來源文獻(xiàn)的期刊分布對比

統(tǒng)計收錄外文期刊的WOS1、WOS2和SCOPUS檢索結(jié)果，期刊《Biodiversity and Conservation》 均位于第一，成為該研究領(lǐng)域最為核心的期刊。將WOS1、WOS2和SCOPUS檢索結(jié)果前十的期刊分別給與權(quán)重10-1分，綜合統(tǒng)計得分如表2，得10分以上的有6種，是該學(xué)科領(lǐng)域穩(wěn)定的核心期刊，不受文獻(xiàn)數(shù)據(jù)庫和檢索文獻(xiàn)數(shù)量的影響。值得一提的是，由National Institute of Science Communication and Information Resources （NISCAIR）出版的期刊 《Indian Journal of Traditional Knowledge》上榜，表明發(fā)展中國家的學(xué)術(shù)期刊具有越來越高的學(xué)術(shù)影響力。

2.3 來源文獻(xiàn)的學(xué)科分布對比

通過對收錄外文文獻(xiàn)為主的SCOPUS和收錄中文文獻(xiàn)的CNKI數(shù)據(jù)統(tǒng)計，在文獻(xiàn)學(xué)科構(gòu)成中，排名第一、第二的均為自然科學(xué)類，排名第三的是社會科學(xué)類，說明民族地區(qū)生物多樣性研究領(lǐng)域是以自然科學(xué)為主的多學(xué)科研究，且學(xué)科分布與語種無關(guān)。

2.4 來源文獻(xiàn)的研究熱點對比

文獻(xiàn)共被引知識圖譜受檢索詞選取影響很大。以WOS數(shù)據(jù)庫的兩次檢索結(jié)果為例，WOS第一次檢索結(jié)果文獻(xiàn)數(shù)量少，文獻(xiàn)共被引知識圖譜的聚類不明顯，WOS第二次的檢索結(jié)果文獻(xiàn)數(shù)量多，文獻(xiàn)共被引知識圖譜呈現(xiàn)明顯的四大聚類：遺傳資源惠益分享機(jī)制、外來物種入侵、傳統(tǒng)知識、生物多樣性保護(hù)。可以說在數(shù)據(jù)庫和主題內(nèi)容相同的條件下，數(shù)據(jù)樣本越多，主題文獻(xiàn)反映越準(zhǔn)確。

3 對來源文獻(xiàn)采用不同知識圖譜軟件處理的應(yīng)用對比

根據(jù)表1所示，采用知識圖譜軟件CiteSpace可以滿足已選擇的四個文獻(xiàn)數(shù)據(jù)庫中數(shù)據(jù)樣本的處理。同時， CNKI數(shù)據(jù)庫在2017年新增可視化功能，也為不同軟件處理同一數(shù)據(jù)樣本提供了可能。

運用相關(guān)主題的CNKI數(shù)據(jù)樣本，對比CiteSpace和CNKI可視化分析關(guān)鍵詞共引圖譜，CiteSpace關(guān)鍵詞共引圖譜有21個聚類，其中大的聚類有8個，共引數(shù)量較多的關(guān)鍵詞有生物多樣性、自然保護(hù)區(qū)、生物多樣性保護(hù)、遺傳資源、生態(tài)環(huán)境、生態(tài)系統(tǒng)、國家公園、文化多樣性、生態(tài)旅游和物種多樣性。

CNKI數(shù)據(jù)庫關(guān)鍵詞共引可視化分析圖給出了三大聚類。一是圍繞自然保護(hù)區(qū)的，主要關(guān)鍵詞有：濕地、物種多樣性、可持續(xù)發(fā)展、生態(tài)旅游、生態(tài)環(huán)境、生物多樣性保護(hù)等，二是關(guān)于傳統(tǒng)知識、遺傳資源、惠益分享、知識產(chǎn)權(quán)的研究，三是外來物種、外來物種入侵的研究。

與CiteSpace軟件繪制的復(fù)雜結(jié)構(gòu)圖譜相比，CNKI數(shù)據(jù)庫的可視化分析結(jié)果基本相同，關(guān)鍵詞共引網(wǎng)絡(luò)簡單清晰，能滿足研究需求。但需要指出的是，CNKI數(shù)據(jù)庫導(dǎo)出的數(shù)據(jù)只能進(jìn)行關(guān)鍵詞共引分析，該數(shù)據(jù)庫收錄的大量參考文獻(xiàn)無法獲取，影響了文獻(xiàn)分析的全面性，極大地弱化了該數(shù)據(jù)庫開展文獻(xiàn)計量研究的作用。

4 獲取來源文獻(xiàn)的檢索策略影響要素分析

檢索策略的優(yōu)劣直接影響到檢準(zhǔn)率和檢全率，因為檢索結(jié)果是否達(dá)到檢索目的，需要知識圖譜軟件運行數(shù)據(jù)樣本后才能比較分析，給調(diào)整檢索策略增加了難度。以CSSCI為例，CSSCI1和CSSCI2兩次不同的檢索式查詢到的文獻(xiàn)總量都很小，兩者數(shù)量差距不大，但用CiteSpace軟件分析中心性前10的文獻(xiàn)，只有一個共同作者薛達(dá)元，且分別是該作者的兩篇文獻(xiàn)?？梢娭形臄?shù)據(jù)庫的關(guān)鍵詞具有復(fù)雜性和不穩(wěn)定性，會影響到研究文獻(xiàn)的數(shù)據(jù)完整性。因此，收集數(shù)據(jù)樣本時，需要圖書館咨詢專家輔助制定合理的檢索策略。在制定檢索策略時，需要考慮樣本數(shù)據(jù)各要素對檢索策略的影響，如對具有很強(qiáng)地理特征的主題，要選用特別注重收錄文獻(xiàn)范圍的來源數(shù)據(jù)庫，而對于學(xué)科熱點及其分布的研究，建議盡量選擇綜合性數(shù)據(jù)庫。具體影響關(guān)系見表3。

5 實證結(jié)論及開展知識圖譜分析策略

在知識圖譜分析民族地區(qū)生物多樣性時，筆者從文獻(xiàn)的地理分布、期刊分布、學(xué)科分布、研究熱點及趨勢等方面對來源數(shù)據(jù)樣本進(jìn)行了對比分析，在此過程中由信息專家和學(xué)科專家合作確定了來源數(shù)據(jù)庫和數(shù)據(jù)樣本，從而提高知識圖譜分析的科學(xué)性。通過上述實證研究，我們建議開展知識圖譜分析、獲取數(shù)據(jù)樣本時，需要從以下幾個方面考慮。

首先，應(yīng)選擇多個來源數(shù)據(jù)庫采集不同文獻(xiàn)類型。由于每個數(shù)據(jù)庫收錄文獻(xiàn)都有不同程度的遺漏，理想的方法是采用多個數(shù)據(jù)庫的數(shù)據(jù)，綜合利用或交叉印證，提高知識圖譜分析文獻(xiàn)的可信度。

其次，數(shù)據(jù)樣本數(shù)量越多，質(zhì)量越高。要運用知識圖譜反映文獻(xiàn)全貌，必須有一定數(shù)量的數(shù)據(jù)樣本。這猶如用變焦相機(jī)給文獻(xiàn)全貌拍照，而文獻(xiàn)數(shù)量就是變焦的關(guān)鍵，是觀察數(shù)據(jù)的不同子集[5]，是進(jìn)行可視化研究中的重要環(huán)節(jié)。以CSSCI數(shù)據(jù)庫為例，盡管該數(shù)據(jù)庫收錄的是核心期刊，但本研究主題收錄的數(shù)據(jù)量少，制作共被引知識圖譜不理想。而CNKI數(shù)據(jù)庫收錄本研究主題文獻(xiàn)多，但數(shù)據(jù)樣本有兩大缺憾，一是不能獲取參考文獻(xiàn)進(jìn)行共被引文獻(xiàn)分析，二是數(shù)據(jù)樣本中有大量的非學(xué)術(shù)性書目記錄，如通知、啟事、科普文章等，需要人工清理。

第三，制定合理的檢索策略對獲取數(shù)據(jù)樣本有著至關(guān)重要的作用，具體可從三個方面保障檢索策略的科學(xué)合理。（1） 委托圖書館提供數(shù)據(jù)樣本下載服務(wù);（2）與圖書館學(xué)科館員合作，制定和調(diào)整科學(xué)的檢索策略;（3） 圖書館開展制定檢索策略講座，對學(xué)者進(jìn)行檢索方法培訓(xùn)指導(dǎo)，提高檢索需求的準(zhǔn)確性，推廣知識圖譜軟件在更多學(xué)科領(lǐng)域應(yīng)用。

除此之外，對于知識圖譜分析中的數(shù)據(jù)樣本，要選擇著錄格式標(biāo)準(zhǔn)的數(shù)據(jù)庫。對于數(shù)據(jù)庫建設(shè)單位的要求，就是不斷提高文獻(xiàn)數(shù)據(jù)庫著錄質(zhì)量，使研究者獲取的文獻(xiàn)資源滿足數(shù)據(jù)樣本準(zhǔn)確性、可獲得性、穩(wěn)定性的要求。據(jù)報道，中文引文數(shù)據(jù)庫著錄格式中，10%左右的引文不能直接轉(zhuǎn)換成所需要的格式，要人工糾正[6]。NSF（National Science Foundation，美國國家科學(xué)基金會） 網(wǎng)站下載的數(shù)據(jù)，在導(dǎo)入知識圖譜軟件分析時，可分析的選項只有研究計劃和主題詞聚類[7]。WOS完備的引文字段贏得了研究者青睞，但專業(yè)性的PubMed數(shù)據(jù)庫則擁有主題詞表，檢索結(jié)果優(yōu)于WOS[8]。由此可看出，來源數(shù)據(jù)庫的標(biāo)引質(zhì)量會成為學(xué)者考慮的重要因素。

運用知識圖譜分析學(xué)科領(lǐng)域文獻(xiàn)成為大勢所趨，用戶希望更多的網(wǎng)絡(luò)文獻(xiàn)數(shù)據(jù)庫、公開獲取數(shù)據(jù)庫、機(jī)構(gòu)庫等能成為知識圖譜分析的來源數(shù)據(jù)庫?？梢灶A(yù)見，隨著文獻(xiàn)數(shù)據(jù)庫功能改進(jìn)，運用知識圖譜開展可視化分析的學(xué)者將越來越多。圖書館在文獻(xiàn)計量知識和技術(shù)方面可以為學(xué)者提供服務(wù)，也可以對學(xué)者開展知識圖譜處理方法的培訓(xùn)，以提高學(xué)者獲取數(shù)據(jù)樣本、處理數(shù)據(jù)、展示圖形和解讀數(shù)據(jù)能力。

參考文獻(xiàn)：

[ 1 ]冉從敬，劉琬.知識圖譜在我國人文社科領(lǐng)域的研究進(jìn)展[J].信息資源管理學(xué)報，2014（1）：4-13.

[ 2 ]王亞男，黃國彬，張一楠，等.近十年我國圖情領(lǐng)域科學(xué)計量可視化的研究特點剖析[J].圖書情報知識，2015（1）：86-94.

[ 3 ]SHIFFRIN R M， B?RNER K. Mapping knowledge domains[J].PNAS，2004，101（1）：5183-5185.

[ 4 ]肖明.知識圖譜工具使用指南[M].北京：中國鐵道出版社，2014：15-17.

[ 5 ]陳振標(biāo).文獻(xiàn)信息檢索、分析與應(yīng)用[M].北京：海洋出版社，2016：268.

[ 6 ]肖明，陳嘉勇，李國俊.基于CiteSpace研究科學(xué)知識圖譜的可視化分析[J].圖書情報工作，2011（6）：91-95.

[ 7 ]梁偉波.美國NSF資助物流項目的知識圖譜分析[J].情報雜志，2016（10）：114-119.

[ 8 ]ROTOLO D L. Matching Medline/PubMed data with Web of Science： a routine in R language[J].Journal of the Association for Information Science and Technology. 2015，66（10）：2155-2160.