國內(nèi)知識發(fā)現(xiàn)研究可視化分析

韓雪

[摘 要] 選取CNKI收錄的知識發(fā)現(xiàn)相關(guān)研究文獻(xiàn)，利用STAI構(gòu)建高頻關(guān)鍵詞共現(xiàn)矩陣，運(yùn)用SPSS繪制聚類樹狀圖，采用社會網(wǎng)絡(luò)分析及共詞分析等方法對2012年至2017年五年內(nèi)知識發(fā)現(xiàn)領(lǐng)域研究熱點(diǎn)及趨勢進(jìn)行分析，通過梳理國內(nèi)知識發(fā)現(xiàn)領(lǐng)域研究現(xiàn)狀，以期為知識發(fā)現(xiàn)的研究和發(fā)展提供借鑒和指導(dǎo)。

[關(guān)鍵詞] 知識發(fā)現(xiàn)；社會網(wǎng)絡(luò)分析；共詞分析；可視化

doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2018. 03. 055

[中圖分類號] G250 [文獻(xiàn)標(biāo)識碼] A [文章編號] 1673 - 0194（2018）03- 0136- 03

0 引 言

隨著大數(shù)據(jù)時代的來臨，數(shù)據(jù)的指數(shù)級增長和廣泛的可用性為知識發(fā)現(xiàn)提供了巨大的潛力，并為在各個學(xué)科和各領(lǐng)域中的應(yīng)用帶來了新的挑戰(zhàn)，知識發(fā)現(xiàn)與數(shù)據(jù)挖掘也成為了國內(nèi)學(xué)術(shù)界研究的熱點(diǎn)[1]。本文運(yùn)用社會網(wǎng)絡(luò)分析方法和共詞分析方法，通過關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)和關(guān)鍵詞共詞聚類分析，探索我國知識發(fā)現(xiàn)研究熱點(diǎn)和內(nèi)容結(jié)構(gòu)，通過與國際研究前沿領(lǐng)域的比較，以期為后續(xù)知識發(fā)現(xiàn)研究與實(shí)踐的開展提供參考和建議。

1 數(shù)據(jù)來源與研究方法

1.1 數(shù)據(jù)來源

本文選取CNKI中國學(xué)術(shù)期刊網(wǎng)絡(luò)出版總庫為數(shù)據(jù)來源，檢索式為“主題=知識發(fā)現(xiàn)”；檢索時間從2012年1月1日至2017年5月1日，得到2 277檢索結(jié)果，經(jīng)過數(shù)據(jù)清洗，去除新聞及通知等不相關(guān)檢索內(nèi)容，共獲得2 216條檢索結(jié)果。

1.2 數(shù)據(jù)處理工具

在進(jìn)行研究分析前，對數(shù)據(jù)進(jìn)行預(yù)處理工具是數(shù)據(jù)分析的重要環(huán)節(jié)。本文使用文獻(xiàn)題錄信息統(tǒng)計(jì)分析工具（Statistical Analysis Toolkit for Informetrics， SATI）[2]對檢索結(jié)果進(jìn)行字段信息抽取、條目頻次統(tǒng)計(jì)，最后構(gòu)建共詞矩陣，將共詞矩陣導(dǎo)入社會網(wǎng)絡(luò)分析軟件Ucinet和SPSS進(jìn)行分析，形象的展示知識發(fā)現(xiàn)的研究熱點(diǎn)與前沿發(fā)展趨勢。

1.3 構(gòu)建共現(xiàn)矩陣

將從CNKI中檢索到的內(nèi)容以endnote格式導(dǎo)出，然后導(dǎo)入SATI中，選擇作者以及關(guān)鍵詞作為字段抽取，進(jìn)行頻次統(tǒng)計(jì)，生成高頻關(guān)鍵詞矩陣，將生成的矩陣保存為Excel格式，導(dǎo)入ucinet和SPSS中，為后續(xù)分析做準(zhǔn)備。

1.4 研究方法

本文利用社會網(wǎng)絡(luò)分析方法構(gòu)建高頻關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)圖譜，采用共詞聚類分析法，利用SPSS繪制關(guān)鍵詞聚類樹狀圖揭示知識發(fā)現(xiàn)領(lǐng)域研究結(jié)構(gòu)及其存在的內(nèi)在聯(lián)系[3]。

2 高頻關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)分析

將在SATI中生成的關(guān)鍵詞共詞矩陣導(dǎo)入ucinet，使用netdraw進(jìn)行可視化分析生成高頻關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)，如圖1所示。其中節(jié)點(diǎn)越大，連線越多表明該關(guān)鍵詞屬于知識發(fā)現(xiàn)領(lǐng)域核心的關(guān)鍵詞，在該領(lǐng)域具有重要作用。由圖1可知，數(shù)據(jù)挖掘、知識發(fā)現(xiàn)、圖書館、關(guān)聯(lián)數(shù)據(jù)、關(guān)聯(lián)規(guī)則是知識發(fā)現(xiàn)領(lǐng)域的熱點(diǎn)研究問題。其中數(shù)據(jù)挖掘與知識發(fā)現(xiàn)處在該領(lǐng)域的絕對中心，一方面關(guān)于知識發(fā)現(xiàn)與數(shù)據(jù)挖掘關(guān)系的探討一直受到學(xué)者的關(guān)注，另一方面在某種程度上可以說，知識發(fā)現(xiàn)在其他領(lǐng)域的應(yīng)用是圍繞著數(shù)據(jù)挖掘展開的。

3 高頻關(guān)鍵詞聚類分析

聚類分析是一種“物以類聚”的研究方法，它的基本思想是根據(jù)數(shù)據(jù)對象的特征，將特征相似的數(shù)據(jù)對象歸為一類，使得同一類中的數(shù)據(jù)對象的距離小于與其他類間的數(shù)據(jù)對象的距離，主要目的是用來判別數(shù)據(jù)對象之間關(guān)系的親疏程度。聚類分析方法又分為劃分法和層次法，層次聚類法是指將數(shù)據(jù)對象聚類成具有層次嵌套結(jié)構(gòu)的樹狀圖，位于最頂層的根節(jié)點(diǎn)對應(yīng)的是整個數(shù)據(jù)集，處于最底層的對應(yīng)的是單獨(dú)的數(shù)據(jù)點(diǎn)[4]，本文使用層次聚類法探討知識發(fā)現(xiàn)領(lǐng)域高頻關(guān)鍵詞之間的內(nèi)在聯(lián)系，探究知識發(fā)現(xiàn)領(lǐng)域的研究熱點(diǎn)。

將高頻關(guān)鍵詞共現(xiàn)矩陣導(dǎo)入SPSS 20.0分析軟件中進(jìn)行系統(tǒng)聚類分析，經(jīng)過詳細(xì)比較研究，本研究采用組間聯(lián)接、歐式平方距離的方法聚類效果最好[5]，得到高頻關(guān)鍵詞聚類樹狀圖，如圖2所示。對聚類結(jié)果進(jìn)行分析，可以看出，在這五年中，知識發(fā)現(xiàn)領(lǐng)域的研究熱點(diǎn)大概可以分為四類：知識發(fā)現(xiàn)方法與技術(shù)研究；圖書館知識服務(wù)研究；知識發(fā)現(xiàn)應(yīng)用領(lǐng)域研究；粗糙集理論與應(yīng)用研究。

（1）知識發(fā)現(xiàn)方法與技術(shù)研究

包括關(guān)鍵詞關(guān)聯(lián)規(guī)則、Apriori算法、數(shù)據(jù)挖掘、決策樹、數(shù)據(jù)倉庫、聚類以及數(shù)據(jù)分析。其研究主要集中在關(guān)聯(lián)規(guī)則算法的研究與改進(jìn)，決策樹算法研究與應(yīng)用，數(shù)據(jù)倉庫關(guān)鍵技術(shù)研究，旨在通過改進(jìn)技術(shù)提高數(shù)據(jù)挖掘的質(zhì)量和效率，保證數(shù)據(jù)分析的正確性和有效性。

（2）圖書館知識服務(wù)研究

包括關(guān)鍵詞數(shù)字圖書館、知識服務(wù)、大數(shù)據(jù)等，其研究主要集中在圖書館知識發(fā)現(xiàn)系統(tǒng)研究，數(shù)字圖書館知識服務(wù)平臺研究，圖書館個性化服務(wù)研究。此類研究主要依托圖書館的海量資源、成熟的服務(wù)體系及大量用戶的知識需求，通過知識挖掘?qū)Ω黝愇墨I(xiàn)資源進(jìn)行整合分析，針對不同用戶的需求為其提供精準(zhǔn)的知識發(fā)現(xiàn)服務(wù)，旨在通過提供更好的信息服務(wù)內(nèi)容和手段，提升用戶體驗(yàn)[6]。

（3）知識發(fā)現(xiàn)應(yīng)用領(lǐng)域研究

包括關(guān)鍵詞物聯(lián)網(wǎng)、聚類分析、關(guān)聯(lián)數(shù)據(jù)、可視化、中醫(yī)藥、本體、知識管理，其研究內(nèi)容集中在將知識發(fā)現(xiàn)理論應(yīng)用物聯(lián)網(wǎng)、關(guān)聯(lián)數(shù)據(jù)、中醫(yī)藥等領(lǐng)域，當(dāng)前關(guān)聯(lián)數(shù)據(jù)被W3C推薦為語義網(wǎng)的最佳實(shí)踐，利用關(guān)聯(lián)數(shù)據(jù)數(shù)據(jù)量大、結(jié)構(gòu)統(tǒng)一的特點(diǎn)，將知識發(fā)現(xiàn)與關(guān)聯(lián)數(shù)據(jù)結(jié)合進(jìn)行語義網(wǎng)環(huán)境下的知識發(fā)現(xiàn)[7]；在中醫(yī)藥領(lǐng)域，通過構(gòu)建中醫(yī)藥學(xué)的本體工程進(jìn)行中醫(yī)藥學(xué)知識發(fā)現(xiàn)，利用知識發(fā)現(xiàn)技術(shù)進(jìn)行中醫(yī)病案數(shù)據(jù)庫研究、探索中醫(yī)診療規(guī)律[8]等方面也成為研究熱點(diǎn)。

（4）粗糙集理論與應(yīng)用研究

包括關(guān)鍵詞粗糙集、屬性約簡、形式概念分析、概念格、屬性偏序結(jié)構(gòu)，其研究重點(diǎn)在粗糙集理論與應(yīng)用研究上。將粗糙集理論應(yīng)用于知識發(fā)現(xiàn)研究，可以大幅提高數(shù)據(jù)處理的能力[9]。

4 結(jié) 語

本文主要以CNKI上發(fā)表的知識發(fā)現(xiàn)相關(guān)研究論文為基礎(chǔ)，基于社會網(wǎng)絡(luò)分析和共詞聚類分析，聚焦知識發(fā)現(xiàn)研究熱點(diǎn)，結(jié)果顯示近年來，知識發(fā)現(xiàn)領(lǐng)域研究熱點(diǎn)集中在提高知識發(fā)現(xiàn)能力以及知識發(fā)現(xiàn)與各領(lǐng)域結(jié)合方面，在知識發(fā)現(xiàn)挖掘方法、中醫(yī)藥學(xué)、生物醫(yī)學(xué)等領(lǐng)域發(fā)展較快，并已有一些研究成果， 隨著數(shù)據(jù)挖掘方法技術(shù)的不斷提高，知識發(fā)現(xiàn)將在各領(lǐng)域有更廣泛的應(yīng)用。

主要參考文獻(xiàn)

[1]KDD2016Program.http：//www.kdd.org/kdd2016/program/accepted-papers.html[EB/OL].（2017-01-15）[2017-12-09].

[2]劉啟元，葉鷹.文獻(xiàn)題錄信息挖掘技術(shù)方法及其軟件SATI的實(shí)現(xiàn)——以中外圖書情報(bào)學(xué)為例[J].信息資源管理學(xué)報(bào)，2012（1）：50-58.

[3]鐘偉金. 共詞分析法應(yīng)用的規(guī)范化研究——主題詞和關(guān)鍵詞的聚類效果對比分析[J]. 圖書情報(bào)工作，2011，55（6）：114-118.

[4]王學(xué)東，杜曉曦，石自更. 面向?qū)W術(shù)博客知識交流的社會網(wǎng)絡(luò)中心性分析[J]. 情報(bào)科學(xué)，2013（3）：3-8，16.

[5]白雪. 聚類分析中的相似性度量及其應(yīng)用研究[D].北京：北京交通大學(xué)，2012.

[6]高勁松，李迎迎，梁艷琪，等. 基于文獻(xiàn)數(shù)據(jù)可視化的知識發(fā)現(xiàn)模型研究[J]. 圖書館學(xué)研究，2016（2）：49-56.

[7]顧洪濤. 我國高校圖書館研究熱點(diǎn)探析[D].大連：遼寧師范大學(xué)，2014.

[8]陳蘭蘭. 基于社會網(wǎng)絡(luò)分析和共詞分析的國內(nèi)關(guān)聯(lián)數(shù)據(jù)研究[J]. 圖書與情報(bào)，2013（5）：129-132.

[9]農(nóng)田泉. 知識發(fā)現(xiàn)技術(shù)在中醫(yī)藥研究中的應(yīng)用[J]. 中醫(yī)學(xué)報(bào)，2013（2）：210-211.

[10]王國胤，姚一豫，于洪. 粗糙集理論與應(yīng)用研究綜述[J]. 計(jì)算機(jī)學(xué)報(bào)，2009（7）：1229-1246.