基于共詞聚類的科技查新項目熱點可視化分析

◎文/鄒中華（安徽省科學(xué)技術(shù)情報研究所）

我國科技查新起源于20世紀80年代末期，至今已有近30年的歷史[1]?？萍疾樾乱?guī)范了我國的科技活動，保證了科學(xué)資源的合理配置，成為我國科技管理體系中的重要環(huán)節(jié)[2]。安徽省科學(xué)技術(shù)情報研究所是安徽省唯一國家一級查新機構(gòu)。十幾年來，科技查新項目不斷增加，這些查新項目從側(cè)面反映了安徽省創(chuàng)新主體的研發(fā)熱點。本文運用共詞分析法與可視化技術(shù)對查新項目中的高頻詞分布、高頻詞間的內(nèi)在關(guān)聯(lián)進行分析，從微觀上揭示安徽省科技創(chuàng)新主體的研發(fā)熱點以及研發(fā)熱點之間的關(guān)聯(lián)。

一、提取高頻名詞

查新項目的名稱是查新項目內(nèi)容的濃縮與體現(xiàn)，因此本文通過對查新項目名稱的分析實現(xiàn)對查新項目內(nèi)容的分析。針對安徽省2015—2017年間的科技查新項目，先采用Python編程環(huán)境下的Jieba軟件對項目的名稱進行分詞，再從分詞的結(jié)果中提取所有名詞短語和對應(yīng)的詞頻，合并意思相似的名詞短語，如“電池”和“蓄電池”統(tǒng)一合并為“電池”，“電機”和“馬達”統(tǒng)一合并為“電機”，然后按詞頻由高到低排序，選擇詞頻數(shù)大于50的名詞45個（見表1）。這些出現(xiàn)頻次較高的名詞及其組合，在一定程度上可以體現(xiàn)最近3年安徽省科技查新項目的研發(fā)熱點。

表1 2015—2017年安徽省科技查新項目的高頻名詞

二、構(gòu)建共詞矩陣

20世紀70年代中后期，共詞分析法逐漸興起，其思想依據(jù)是文獻計量學(xué)中的引文耦合與共被引分析[3]，利用文獻中的“名詞短語”或“共現(xiàn)詞匯對”出現(xiàn)的情況來判斷它們所代表的各主題間的關(guān)聯(lián)。針對表1中的45個高頻名詞短語，兩兩統(tǒng)計其在同一個查新項目名稱中共現(xiàn)的次數(shù)，形成45×45的共詞矩陣。考慮到關(guān)聯(lián)名詞短語間的關(guān)聯(lián)程度及共現(xiàn)頻次對可視化結(jié)果有一定影響，本文采用關(guān)聯(lián)強度Ochiia系數(shù)[4]來減少這一影響。Ochiia系數(shù)的計算公式如下：

表2 高頻名詞的45×45相關(guān)矩陣（部分）

采用上式將共詞矩陣轉(zhuǎn)換成Ochiia系數(shù)相關(guān)矩陣，如表2所示。

三、可視化分析

在相關(guān)矩陣的基礎(chǔ)上，利用SPSS軟件進行聚類分析和多維尺度分析[5]，得到可視化的查新高頻關(guān)鍵詞聚類分析樹形圖（見圖1）與多維尺度圖（見圖2）。

圖1 高頻名詞的聚類分析樹形圖

1.科技查新項目的研發(fā)熱點

在圖1所示的聚類分析樹形圖中，上端0～25的標度代表各類名詞之間的距離，越早被聚為一類的名詞之間的距離越近、關(guān)聯(lián)越緊密[6]。觀察高頻名詞的聚類過程，同時參考因子分析結(jié)果，科技查新項目的熱點可分為如下 9 類：（1） 鋼結(jié)構(gòu)、混凝土的施工工法（10、24、4、12）；（2）工程線路、裝備的制造工藝和技術(shù)（1、5、31、35、21）；（3）玻璃的生產(chǎn)裝置和方法（7、8、22）；（4）電動汽車的電機、空調(diào)電機（6、19、23、28，新能源電動汽車是安徽省重點扶持的戰(zhàn)略新興產(chǎn)業(yè)，而直流電機是電動汽車的核心部件之一）；（5）用于電池和叉車的高性能環(huán)保材料（13、14、15、20、42）；（6）鋁合金電力電纜及變壓器（11、30、43、44）；（7）信息系統(tǒng)、網(wǎng)絡(luò)平臺、智能數(shù)據(jù)處理（2、3、9、27、18、25、40）；（8）機器人及其生產(chǎn)線（16、27、41）；（9）冰箱制造涉及的壓縮機和模具（34、37、38、39）。

圖2 高頻名詞的多維尺度圖

2.科技查新項目熱點的發(fā)展趨勢

圖2展現(xiàn)了科技查新項目高頻名詞在二維空間的分布，圖中有高度相似性的點聚集到一起形成一類，并且越居中的關(guān)鍵詞與其他關(guān)鍵詞的關(guān)聯(lián)越多，在該領(lǐng)域中的地位越核心[7]。由圖2可知，安徽省科技創(chuàng)新主體的研發(fā)熱點可概括分為9個部分，分別用橢圓標出，9個部分的關(guān)聯(lián)如下：“電機、叉車、液壓、玻璃、變壓器”區(qū)域和“生產(chǎn)線、裝備、工藝、方法”區(qū)域距離很近，并且這兩個區(qū)域所占的空間較大，說明安徽省的工業(yè)目前仍然以傳統(tǒng)產(chǎn)業(yè)為主；“電動汽車”區(qū)域和“網(wǎng)絡(luò)平臺”區(qū)域關(guān)聯(lián)密切，并存在“軟件”區(qū)域交集。這表明電動汽車作為新的高科技熱點，在設(shè)計和生產(chǎn)過程中充分利用了網(wǎng)絡(luò)和軟件技術(shù)；“電力信息系統(tǒng)”區(qū)域和“網(wǎng)絡(luò)平臺”區(qū)域關(guān)聯(lián)較為密切，說明在電力系統(tǒng)中越來越多地引入了信息化生產(chǎn)和管理方式；“冰箱壓縮機”“混凝土工法”“鋼結(jié)構(gòu)”3個區(qū)域，在空間上和別的部分關(guān)聯(lián)不大，具有相對獨立性。

四、結(jié)語

本文針對科技查新項目的熱點進行可視化分析，統(tǒng)計出反映研發(fā)熱點的45個高頻熱點名詞，并結(jié)合共詞分析法與可視化技術(shù)，進行主題分析，較為直觀地展示了安徽省創(chuàng)新主體的研發(fā)熱點，以及研發(fā)熱點之間的關(guān)聯(lián)。本研究尚有一定的不足之處，如高頻名詞的確定閾值、同義詞歸類標準等仍是有待討論的問題。