國內(nèi)知識地圖的共詞聚類分析

甘耀進 詹亭 劉克凡 羅家瑤 梁雅文

摘 要：利用從CNKI中國期刊全文數(shù)據(jù)庫中收錄的2007-2017年與知識地圖相關(guān)的核心期刊與優(yōu)秀論文作為基礎(chǔ)，采用ROST CM軟件來進行詞頻統(tǒng)計和共詞矩陣分析以及SPSS軟件進行共詞聚類分析，通過研究各個高頻關(guān)鍵詞之間的內(nèi)在聯(lián)系，分析知識地圖領(lǐng)域的研究熱點，發(fā)現(xiàn)知識地圖領(lǐng)域的研究現(xiàn)狀，以便能夠進行知識地圖領(lǐng)域的發(fā)展趨勢分析。

關(guān)鍵詞：知識地圖；共詞分析；聚類分析

1 引言

自從人類進入科技時代，科技的發(fā)展已是日異月新。知識地圖作為時下一種非常有效的工具，在很多方面，尤其是在知識管理方面，有很好的應(yīng)用[1]。知識地圖是一種智能化的的知識管理工具，能將知識管理活動中的主體、資源及相互關(guān)系鏈接起來形成一種動態(tài)可變的網(wǎng)絡(luò)結(jié)構(gòu)[2]。知識地圖是組織知識管理的重要工具，基于本體的組織知識地圖不但能為用戶提供知識導(dǎo)航和檢索，還可以促進組織內(nèi)知識的共享和交流，實現(xiàn)知識創(chuàng)新[3]。而在科技研究方面，知識地圖作為一種有效的知識管理工具，通過知識地圖的搜索功能，可以幫助科研人員在很短時間內(nèi)找到所需知識[4]。因此，對于知識地圖的研究熱點與其發(fā)展趨勢分析也就顯得非常有必要了。

2 數(shù)據(jù)獲取與預(yù)處理

在CNKI中以主題詞“知識地圖”進行期刊論文的檢索，時間限定為“2007-2017”，則在CNKI檢索的結(jié)果中顯示共有1164篇，排除掉一些與“知識地圖”無關(guān)并且剔除掉一些不合格的期刊論文，共計獲得合格期刊論文為1111篇。本文采用ROST CM文獻處理軟件，獲得關(guān)鍵詞共計301個，共出現(xiàn)頻次2704次，其中頻次較多的關(guān)鍵詞共計22個，見表1所示。從表1中可以看出的是，在關(guān)于“知識地圖”研究方面，知識管理、隱性知識、本體、知識服務(wù)、知識組織以及競爭情報等方面為該領(lǐng)域的高頻熱點詞匯。在對知識地圖研究方面，知識管理、隱性知識、本體、圖書館以及情報學(xué)為主要研究結(jié)構(gòu)，熱點研究方向為知識可視化、個人知識管理以及數(shù)字圖書館等。

3 共詞分析

共詞分析方法，對知識地圖領(lǐng)域的關(guān)鍵詞進行分析，研究它們之間的關(guān)系以及內(nèi)在聯(lián)系。本文所選的期刊論文中，所獲得的關(guān)鍵詞在“知識地圖”領(lǐng)域的研究熱點方面具有一定的代表意義。在對其進行詞頻統(tǒng)計之后，采用共詞分析方法，來對其進行分析。

3.1 構(gòu)造共詞矩陣

對高頻關(guān)鍵詞表中進行兩兩統(tǒng)計后，形成共詞矩陣，表2為該共詞矩陣的部分內(nèi)容。

共詞矩陣為對稱矩陣，主對角線的數(shù)據(jù)定義為缺失，非主對角線中單元格的數(shù)據(jù)為兩個關(guān)鍵詞共同出現(xiàn)的次數(shù)。例如關(guān)鍵詞“本體”與“知識管理”在共詞矩陣中的共詞頻次為20，即表示有20篇期刊論文同時使用了這兩個關(guān)鍵詞。

3.2 構(gòu)建相異矩陣

由于對其運用多元統(tǒng)計方法對矩陣的數(shù)據(jù)結(jié)構(gòu)有不同的要求，為了能夠進行統(tǒng)計分析的方便，采用Ochiia系數(shù)將表2共詞矩陣轉(zhuǎn)換為相關(guān)矩陣（Ochiia系數(shù)為兩共詞同時出現(xiàn)的頻次除以兩共詞分別出現(xiàn)的頻次的開方之后的積）。在相關(guān)矩陣中，由于統(tǒng)計結(jié)果中的0的次數(shù)太多，為了減小分析結(jié)果的誤差，采用相異矩陣的形式來進行分析見表3。

4 統(tǒng)計分析

本文采用因子分析和聚類分析來對“知識地圖”研究方向進行分析，主要通過利用SPSS軟件對所得到的相異矩陣來進行分析。

4.1 因子分析

在對知識地圖進行論證分析的時候，所采取到的大量數(shù)據(jù)，對于我們進行知識地圖的研究分析，能夠提供更豐富的信息以及更高的精確度。但是由于工作量的巨大，以及可能會因為變量之間存在相關(guān)性而增加了研究問題的的復(fù)雜性，因此本文采用因子分析的方法來對知識地圖進行研究。因子分析法可以將提取到的觀測值進行分類，將它們以相關(guān)性的密切度進行依據(jù)來劃分分組。通過來對若干重要因子來進行分析，以達到以小見大的效果。我們將以抽取的關(guān)鍵詞相關(guān)矩陣為基礎(chǔ)對22個關(guān)鍵詞進行因子分析，在統(tǒng)計軟件SPSS中，選取主成分法和Varimax（方差最大正交旋轉(zhuǎn)）方法進行操作。

在采用主成分法對知識地圖的關(guān)鍵字進行主成分分析時，在主成分法中，主成分法的累計方差貢獻率達到80%以上的幾個主成分，都可以選作最后的主成分。通過運用SPSS軟件，結(jié)果提取到了8個因子，其主成分的的累計方差貢獻率達到了83.396%，所以在因子分析時，將知識地圖研究分為8類是比較合理的如表4。為了能夠直觀的顯示各主成分的情況，這里采用SPSS中的碎石圖以及旋轉(zhuǎn)因子空間成分圖來幫助我們進行分析，得到因子個數(shù)的碎石圖以及各成分之間的旋轉(zhuǎn)因子空間成分圖，如圖1與圖2。

圖1 因子個數(shù)的碎石圖

注：1 知識管理；2 企業(yè)；3 隱性知識；4 本體；5 圖書館；6 情報學(xué)；7 知識服務(wù)；8 知識組織；9 知識管理系統(tǒng)；10 知識共享；11 高校圖書館；12 競爭情報；13 可視化；14 知識庫；15 個人知識管理；16 知識結(jié)構(gòu)；17 數(shù)字圖書館；18 社會網(wǎng)絡(luò)分析；19 顯性知識；20 知識表示；21 知識圖譜；22 數(shù)據(jù)挖掘；23 文獻計量

圖2 旋轉(zhuǎn)因子空間成分圖

4.2 聚類分析

聚類分析也叫分類分析或者數(shù)值分析，聚類分析是統(tǒng)計學(xué)中一種非常重要的統(tǒng)計方法。聚類分析可以將我們在知識地圖中所提取到的關(guān)鍵詞進行分組，從而將相似的數(shù)據(jù)歸為一類。通過應(yīng)用聚類分析的方法來描述數(shù)據(jù)，可以衡量我們在知識地圖中所得到的關(guān)鍵字之間的相似性，以便于我們在分析時提供幫助。

本文在聚類分析中采用的是層次聚類中的合并法，層次聚類又稱為系統(tǒng)聚類，在SPSS中，通過將所有變量輸入，在聚類類型中采用Q型聚類（即根據(jù)變量對所觀察的樣本進行分類的聚類方法），選中Agglomeneration schedule（表示輸出聚類分析的凝聚狀態(tài)表），通過采用Ward Linkage，并以Dendrogram（表示輸出聚類分析樹狀圖）作為輸出，得到了Dendrogram using Ward Linkage Rescaled Distance Cluster Combine（使用Ward Linkage得到的系統(tǒng)樹圖），如圖3。

圖3 層次聚類的樹狀圖

通過對聚類分析得到的結(jié)果進行分析，并且與因子分析所得到的結(jié)果進行比較，聚類分析將結(jié)果分為8類：知識管理、企業(yè)應(yīng)用、知識形態(tài)、知識本體、圖書館方面、競爭情報、社會知識服務(wù)、知識組織，將元素個數(shù)的影響包含在內(nèi)，在主體方面與因子分析是相近的。

5結(jié)果討論

在下文中，將結(jié)合知識地圖的相關(guān)文獻來對知識地圖領(lǐng)域進行解讀。

（1）知識管理。知識地圖是為了創(chuàng)造價值，將領(lǐng)域上下中的人、資源和關(guān)系重新組合形成的一種網(wǎng)絡(luò)結(jié)構(gòu)。在組織的知識管理過程中，可借助知識地圖，促進知識的檢索、積累和利用[5]。知識地圖的核心內(nèi)容是知識管理，通過利用軟件系統(tǒng)或其他工具，構(gòu)建知識管理系統(tǒng)，對組織中大量的有價值的方案、策劃、成果、經(jīng)驗等知識進行分類存儲和管理，積累知識資產(chǎn)避免流失，促進知識的學(xué)習(xí)、共享、培訓(xùn)、再利用和創(chuàng)新，有效降低組織運營成本，強化其核心競爭力。隨著組織的知識管理給社會的經(jīng)濟、文化、教育等眾多領(lǐng)域帶來了巨大的影響，個人的知識管理也逐漸受到人們的極大關(guān)注[6]。

（2）企業(yè)應(yīng)用。知識地圖最初被廣泛應(yīng)用于企業(yè)管理。知識地圖在企業(yè)的應(yīng)用主要有兩個方面：一是從企業(yè)內(nèi)部提高企業(yè)自身的競爭力。隨著企業(yè)發(fā)展的需要，企業(yè)知識地圖對建立企業(yè)文化、快速培養(yǎng)員工、增加企業(yè)知識積累、加快企業(yè)發(fā)展、超越競爭對手等有著至關(guān)重要的影響[7]。通過數(shù)據(jù)挖掘等手段，提高企業(yè)領(lǐng)導(dǎo)者的管理決策能力，提升企業(yè)技術(shù)人員的創(chuàng)新能力，增加人力資本，降低人力成本，挖掘客戶知識，維持現(xiàn)有客戶以及發(fā)掘有價值的新客戶，從而獲取利潤。二是在與同類企業(yè)競爭時，利用知識地圖來獲取競爭情報，以形成競爭優(yōu)勢。知識是企業(yè)迅速發(fā)展、保持競爭優(yōu)勢的核心因素，對生產(chǎn)流程更加復(fù)雜、知識需求較大的項目型企業(yè)而言更加重要，知識管理的水平將決定企業(yè)能否在競爭日益激烈的市場中發(fā)展生存[8]。也正是因為這樣知識地圖在企業(yè)方面的研究，一直是不會“過期”的研究熱點。

（3）知識形態(tài)。知識分為顯性知識和隱性知識，顯性知識是指能夠用正規(guī)和系統(tǒng)語言明確表達及傳遞的知識，隱性知識是沒有用系統(tǒng)和編碼的語言表達出來的蘊藏于組織慣例之中的知識。隱性知識難于理解和表達，具有不容易獲取和轉(zhuǎn)移的特性。而知識挖掘，就是從數(shù)據(jù)庫中抽取隱含的、以前未知的、具有潛在應(yīng)用價值的信息的過程。通過知識挖掘，利用合適并有效的方法，獲取其中的關(guān)鍵事件以及特征，歸納到知識地圖的對應(yīng)分支，提高知識挖掘的效率和準(zhǔn)確性，從而實現(xiàn)隱性知識顯性化。

（4）知識本體。本體（Ontology）是一個源于哲學(xué)的概念，是共享概念模型明確的形式化規(guī)范說明。把本體的概念融入到知識地圖中，可以保證知識地圖具有統(tǒng)一規(guī)范的結(jié)構(gòu)形式[9]?；诒倔w知識地圖的構(gòu)建一般大致可分為三個過程，一是本體的構(gòu)建；二是以本體技術(shù)為依托構(gòu)建知識地圖；三是知識地圖的可視化[10]。首先是明確知識地圖的構(gòu)造目標(biāo)，然后選擇合適的構(gòu)建方法與工具構(gòu)建本體，再以合適的方式以實現(xiàn)知識地圖的可視化。知識圖譜（Mapping Knowledge Domain）也被稱為科學(xué)知識圖譜，在圖書情報界稱為知識域可視化或知識領(lǐng)域映射地圖，是顯示知識發(fā)展進程與結(jié)構(gòu)關(guān)系的一系列各種不同的圖形，用可視化技術(shù)描述知識資源及其載體，挖掘、分析、構(gòu)建、繪制和顯示知識及它們之間的相互聯(lián)系。作為一種重要的描述知識本體的重要理論工具，目前，知識圖譜的實際應(yīng)用在發(fā)達國家已經(jīng)逐步拓展并取得了較好的效果，但是它在國內(nèi)仍屬研究的起步階段。

（5）圖書館方面。如何將圖書館內(nèi)部的顯性知識和隱性知識進行挖掘，提高知識的管理效率，是圖書館面臨的難題之一，而知識地圖的運用可以有效的解決這一問題。通過具體分析圖書館中的知識管理特點和知識地圖特點，目的在于通過全面有效的系統(tǒng)分析，設(shè)計出圖書館特有的知識地圖系統(tǒng)，為圖書館的工作人員、研究人員等不同類型的知識需求者提供一個知識獲取的快速平臺[11]。高校圖書館知識地圖的構(gòu)建能夠促進地圖使用者快速、高效的查找所需知識，因此構(gòu)建知識更全面、知識定位更準(zhǔn)確的知識地圖尤為重要[12]。另一方面，隨著信息技術(shù)的發(fā)展，需要存儲和傳播的信息量越來越大，信息的種類和形式越來越豐富，傳統(tǒng)圖書館的機制顯然不能滿足這些需要。于是，行業(yè)內(nèi)的專家提出了數(shù)字圖書館的概念，數(shù)字化也成為圖書館的發(fā)展方向。數(shù)字圖書館相對傳統(tǒng)圖書館而言，所展現(xiàn)的知識地圖的優(yōu)勢體現(xiàn)在以下兩個方面：一是其所能存儲的信息遠(yuǎn)大于后者，契合當(dāng)今時代信息發(fā)展的需要；二是用戶共享突破了空間限制以及時間限制。

（6）競爭情報。作為當(dāng)今社會三大資源之一的信息資源，也逐步超越了物質(zhì)和能源資源，而成為社會的主要資源。競爭情報方面主要的應(yīng)用還是在于企業(yè)知識管理方面，但競爭情報與知識管理既相似又有不同，將知識管理與競爭情報有機結(jié)合起來，能夠更好地發(fā)揮知識管理與競爭情報各自的優(yōu)勢與長處，進一步提升競爭力[13]。競爭情報為知識轉(zhuǎn)變?yōu)榭晒┬袆拥那閳筇峁┝寺窂?，競爭情報對企業(yè)情報需求和外部環(huán)境做出反應(yīng)，并能夠提供情報、方案和對策[14]。作為知識管理技術(shù)之一，它被應(yīng)用于情報學(xué)領(lǐng)域可以保障情報研究工作和知識交流工作順利進行，提高工作效率，避免因資源不足或經(jīng)驗缺失造成的資源浪費，是對情報學(xué)技術(shù)的豐富和發(fā)展[15]。

（7）社會知識服務(wù)。對互聯(lián)網(wǎng)上海量信息進行處理，通常經(jīng)過信息采集，信息過濾，信息分類，信息摘要，精華萃取等處理過程；運用交互式方法為用戶提供服務(wù)是知識服務(wù)的主要方法。構(gòu)建知識地圖，可以更有效地促進知識服務(wù)。同時，借助社會網(wǎng)絡(luò)分析，既可以從文獻的表面特征間接揭示學(xué)科發(fā)展趨勢、發(fā)現(xiàn)核心作者和核心思想等，也可以基于挖掘文獻內(nèi)容和內(nèi)涵直接揭示學(xué)科知識流動、構(gòu)建知識地圖、發(fā)現(xiàn)隱性知識等[16]。

（8）知識組織。知識組織的目的是為了能夠構(gòu)建出適合人們需要的知識結(jié)構(gòu)，這在知識地圖的建立有著重要的應(yīng)用。知識結(jié)構(gòu)具有多種結(jié)構(gòu)模型，每一種模型都具有不同的特性，而所呈現(xiàn)出來的知識地圖也不相同。知識表示則是知識組織的前提和基礎(chǔ)，任何知識組織方法都是要建立在知識表示的基礎(chǔ)上。

在當(dāng)今的知識經(jīng)濟時代，如何對飛速增長的知識進行管理已成為一個組織必須面對的問題，知識地圖作為知識管理中極為重要的一個實施工具，近幾年在國內(nèi)外也得到廣泛的重視[17]。知識地圖的主要研究方面還是在于企業(yè)管理以及教育等這些方面，而目前也有向很多方面發(fā)展的趨勢。我們在越來越多的方面能夠看到知識地圖的身影，但是向多方向發(fā)展仍然還是有不成熟的方面。

參考文獻

[1]楊曦宇. 知識地圖研究綜述[J]. 圖書館學(xué)刊， 2007（03）：133-136.

[2]李大鵬. 基于本體的學(xué)科知識地圖構(gòu)建研究[D]. 華中師范大學(xué)， 2011.

[3]潘有能， 丁楠. 基于本體的組織知識地圖構(gòu)建研究[J]. 情報科學(xué)， 2008（12）：1856-1860.

[4]鄭軼松， 齊二石， 裴小兵. 知識地圖及其在高科技復(fù)雜產(chǎn)品項目組織結(jié)構(gòu)中的應(yīng)用[J]. 系統(tǒng)工程， 2007（05）：116-119.

[5]熊奇. 基于知識地圖的知識檢索與推薦方法研究[D]. 上海交通大學(xué)， 2009.

[6]吳佳憶. 基于知識地圖的教師個人知識管理研究[D]. 云南大學(xué)， 2015.

[7]徐道珍. 連鎖超市企業(yè)知識管理系統(tǒng)的設(shè)計與實現(xiàn)[D]. 電子科技大學(xué)， 2014.

[8]劉常樂， 任旭. 項目型企業(yè)知識地圖的應(yīng)用研究[J]. 項目管理技術(shù)， 2014（05）：21-24.

[9]宋有聰. 基于本體知識地圖構(gòu)建方法的研究[D]. 湖南大學(xué)， 2013.

[10]郭翚.基于本體的人物傳記資料知識地圖構(gòu)建研究[D]. 華中師范大學(xué)， 2015.

[11]高孟娜. 圖書館知識管理中知識地圖的分析與構(gòu)建[D]. 鄭州大學(xué)， 2015.

[12]趙捷. 基于知識地圖的高校圖書館資源的管理研究[J]. 現(xiàn)代制造技術(shù)與裝備， 2014（01）：67-68.

[13]趙巖. 企業(yè)知識管理與競爭情報整合模型研究[D]. 武漢理工大學(xué)， 2013.

[14]邱均平，段宇鋒.論知識管理與競爭情報[J].圖書情報工作，2000，（4）：11-14.

[15]張旭.知識管理視域下情報學(xué)發(fā)展路徑探析，2013，（11）：3-6.

[16]牟冬梅， 鄭曉月， 王萍， 等. 社會網(wǎng)絡(luò)分析在學(xué)科知識結(jié)構(gòu)研究上的方法思辨[J]. 情報理論與實踐， 2016（08）：22-27.

[17]楊睿. 高校知識地圖分析與構(gòu)建[D]. 哈爾濱工業(yè)大學(xué)， 2010.