兩類知識(shí)圖譜差異辨析及其在科技出版中的應(yīng)用

唐亮 羅軒 王穎

摘 要：隨著數(shù)字時(shí)代和互聯(lián)網(wǎng)技術(shù)的發(fā)展，知識(shí)圖譜逐漸在科學(xué)研究和若干行業(yè)中得到應(yīng)用。本文從概念、發(fā)展脈絡(luò)、數(shù)據(jù)類型、構(gòu)建方法及應(yīng)用領(lǐng)域等方面對(duì)科學(xué)知識(shí)圖譜和語(yǔ)義知識(shí)圖譜進(jìn)行比較分析，重點(diǎn)辨析兩者的差異性。此外，本文列舉兩類知識(shí)圖譜在科技出版領(lǐng)域的應(yīng)用案例，分析知識(shí)圖譜在未來的應(yīng)用方向和前景。

近年來，“知識(shí)圖譜”一詞頻繁出現(xiàn)在各種通用和專業(yè)知識(shí)場(chǎng)景中，其他類似的名稱有“科學(xué)圖譜”“科學(xué)知識(shí)圖譜”等。盡管研究者眾，只要深究知識(shí)圖譜本質(zhì)含義、發(fā)展脈絡(luò)、構(gòu)建方法和應(yīng)用場(chǎng)景，就會(huì)發(fā)現(xiàn)其實(shí)知識(shí)圖譜并不是指向同一個(gè)事物，而是分為發(fā)源于科學(xué)計(jì)量學(xué)、可視化的一類和發(fā)源于語(yǔ)義網(wǎng)的另一類。此前也有文章將后者稱為“Google知識(shí)圖譜”并從知識(shí)管理角度將其與“科學(xué)知識(shí)圖譜”進(jìn)行比較。本文深入分析兩類知識(shí)圖譜完全不同的發(fā)展脈絡(luò)及在此基礎(chǔ)上的差異，并就其在科技出版領(lǐng)域的應(yīng)用做一論述。

一、兩類知識(shí)圖譜的差異

在搜集各類文獻(xiàn)、媒體文章基礎(chǔ)上，筆者對(duì)其中所指的知識(shí)圖譜進(jìn)行概念溯源，分析其數(shù)據(jù)特征和構(gòu)建方法，并對(duì)其應(yīng)用場(chǎng)景進(jìn)行比較和歸類，發(fā)現(xiàn)總體上知識(shí)圖譜分為兩種類型，并從以下幾方面分析兩種類型之間的差異。

1.概念和發(fā)展脈絡(luò)上的差異

知識(shí)圖譜最早的名稱是科學(xué)知識(shí)圖譜，其英文名稱Mapping Knowledge Domains是在2003年召開的科學(xué)傳播領(lǐng)域著名的亞瑟·M.塞克勒研討會(huì)（Arthur M. Sackler Colloquia）上，由科學(xué)計(jì)量學(xué)奠基人之一Eugene Garfield提出的，2005年由國(guó)內(nèi)學(xué)者陳悅和劉則淵于翻譯為“科學(xué)知識(shí)圖譜繪制”，科學(xué)知識(shí)圖譜由此得名。在科學(xué)計(jì)量學(xué)的范疇中，知識(shí)圖譜的定義是以科學(xué)文獻(xiàn)知識(shí)為對(duì)象，以科學(xué)研究范式為基礎(chǔ)，以引文分析方法和信息可視化技術(shù)為手段，顯示學(xué)科的發(fā)展進(jìn)程與結(jié)構(gòu)關(guān)系的一種圖形，主要是對(duì)文獻(xiàn)和文獻(xiàn)內(nèi)容的知識(shí)單元進(jìn)行可視化。

知識(shí)圖譜的另一個(gè)概念脈絡(luò)則來自完全不同的領(lǐng)域。經(jīng)歷了20世紀(jì)70～80年代的專家系統(tǒng)、90年代的語(yǔ)義網(wǎng)、本世紀(jì)初的關(guān)聯(lián)數(shù)據(jù)和基于百科的大規(guī)模開放知識(shí)庫(kù)等發(fā)展階段，谷歌公司于2012年提出“知識(shí)圖譜（Knowledge Graph）”的概念，旨在描述真實(shí)世界中存在的各種實(shí)體或概念及其關(guān)系，以構(gòu)建巨大的語(yǔ)義網(wǎng)絡(luò)圖，其中節(jié)點(diǎn)表示實(shí)體或概念，邊則由屬性或關(guān)系構(gòu)成，因此知識(shí)圖譜提供了從關(guān)系的角度去發(fā)現(xiàn)知識(shí)、分析問題的能力，逐漸發(fā)展成為以語(yǔ)義網(wǎng)為基礎(chǔ)的新型海量知識(shí)管理和服務(wù)模式。

因此，從概念來源和發(fā)展脈絡(luò)上，兩者完全不同。本文中為進(jìn)行區(qū)分，將前者稱為“科學(xué)知識(shí)圖譜”，將后者稱為“語(yǔ)義知識(shí)圖譜”。

2.數(shù)據(jù)類型上的差異

目前大多數(shù)應(yīng)用場(chǎng)景中，科學(xué)知識(shí)圖譜主要建立在對(duì)科學(xué)文獻(xiàn)和科研相關(guān)數(shù)據(jù)進(jìn)行分析的基礎(chǔ)之上。科學(xué)文獻(xiàn)之間存在的引用關(guān)系反映了科學(xué)知識(shí)之間的遞進(jìn)過程和內(nèi)在關(guān)聯(lián)性，因此對(duì)文獻(xiàn)的挖掘和分析可以揭示一個(gè)主題、領(lǐng)域或?qū)W科的發(fā)展的情況，以圖形化手段呈現(xiàn)研究結(jié)構(gòu)、重點(diǎn)以及發(fā)展趨勢(shì)。科學(xué)知識(shí)圖譜重要的研究數(shù)據(jù)類型包括引文數(shù)據(jù)（如科學(xué)引文索引，SCI）、科研論文、合作關(guān)系、項(xiàng)目資助、關(guān)鍵詞、數(shù)據(jù)庫(kù)（如PubMed）等。因此，科學(xué)知識(shí)圖譜數(shù)據(jù)來源于并應(yīng)用于科學(xué)研究領(lǐng)域。

相比于科學(xué)知識(shí)圖譜，語(yǔ)義知識(shí)圖譜所利用的數(shù)據(jù)類型則廣泛得多，而且尤其適用于解決關(guān)系復(fù)雜、類型繁多、結(jié)構(gòu)多變的數(shù)據(jù)。根據(jù)不同領(lǐng)域和應(yīng)用目標(biāo)，語(yǔ)義知識(shí)圖譜所需數(shù)據(jù)也有所不同。比如在金融領(lǐng)域，既有來自互聯(lián)網(wǎng)輿情、監(jiān)管機(jī)構(gòu)的合規(guī)要求、內(nèi)部報(bào)告等非結(jié)構(gòu)化文本數(shù)據(jù)，也有財(cái)務(wù)、報(bào)告等半結(jié)構(gòu)化數(shù)據(jù)，以及上百個(gè)業(yè)務(wù)系統(tǒng)產(chǎn)生的海量結(jié)構(gòu)化數(shù)據(jù);醫(yī)學(xué)領(lǐng)域數(shù)據(jù)有電子病歷、臨床醫(yī)學(xué)知識(shí)庫(kù)、醫(yī)學(xué)主題詞表（如MESH）、國(guó)際疾病分類（如ICD-10）等。

3.構(gòu)建方法上的差異

根據(jù)應(yīng)用目的的不同，科學(xué)知識(shí)圖譜有不同的類型及相應(yīng)的繪制方法，總體上大致分為以下幾個(gè)步驟。①選擇數(shù)據(jù)源，獲取所需信息。比較常見的數(shù)據(jù)源是各類科學(xué)文獻(xiàn)，如期刊論文、專利、項(xiàng)目等數(shù)據(jù)庫(kù)。進(jìn)一步抽取其中對(duì)于特定科學(xué)知識(shí)圖譜有用的信息，比如作者、機(jī)構(gòu)、引用與被引、主題詞、關(guān)鍵詞等。②數(shù)據(jù)處理和分析：處理過程包括數(shù)據(jù)清洗、關(guān)系矩陣構(gòu)建、數(shù)據(jù)標(biāo)準(zhǔn)化等，在此基礎(chǔ)上進(jìn)行因子分析、多維尺度分析、聚類分析、共詞/共引分析、潛在語(yǔ)義分析等。③結(jié)果可視化：利用算法、軟件、工具等把經(jīng)過采集、處理和分析的數(shù)據(jù)和轉(zhuǎn)化為可視化圖形，以快速、直觀和形象地揭示特定領(lǐng)域的發(fā)展現(xiàn)狀、規(guī)律、進(jìn)程及其結(jié)構(gòu)關(guān)系。

語(yǔ)義知識(shí)圖譜的構(gòu)建過程則完全不同。①知識(shí)抽取，即從非結(jié)化數(shù)據(jù)中人工或自動(dòng)地提取實(shí)體、關(guān)系和屬性。具體方法有基于規(guī)則、基于數(shù)據(jù)模型、基于神經(jīng)網(wǎng)絡(luò)模型等。②知識(shí)表示。通常以基于本體的結(jié)構(gòu)化知識(shí)描述框架RDF三元組進(jìn)行直觀的表示，如“實(shí)體-關(guān)系-實(shí)體”或“實(shí)體-屬性-屬性值”。近年來以深度學(xué)習(xí)Deep Learning為代表的表示學(xué)習(xí)技術(shù)可以將實(shí)體的語(yǔ)義信息表示為稠密低維實(shí)值向量，進(jìn)而在低維空間中高效計(jì)算實(shí)體、關(guān)系及其之間的復(fù)雜語(yǔ)義關(guān)聯(lián)。③知識(shí)融合。這一過程使不同來源和形態(tài)的知識(shí)在同一框架下進(jìn)行整合、加工、消歧、驗(yàn)證、更新等，為知識(shí)庫(kù)內(nèi)部的邏輯性和規(guī)范表達(dá)奠定基礎(chǔ)。④知識(shí)計(jì)算和推理。基于融合后的知識(shí)信息，通過本體和規(guī)則推理技術(shù)推理得到更多隱含的知識(shí)，豐富和擴(kuò)展知識(shí)庫(kù)。

4.應(yīng)用領(lǐng)域上的差異

科學(xué)知識(shí)圖譜大多通過對(duì)科學(xué)文獻(xiàn)、數(shù)據(jù)資料的采集和分析，實(shí)現(xiàn)科學(xué)知識(shí)、研究信息和發(fā)展趨勢(shì)的可視化展示。具體應(yīng)用可歸納為以下三方面：①研究?jī)?nèi)容智能檢索和分析。通過共詞分析、主題共現(xiàn)和論文被引聚類等方法發(fā)現(xiàn)研究領(lǐng)域的分類規(guī)律和現(xiàn)狀特征。②發(fā)現(xiàn)學(xué)科發(fā)展脈絡(luò)和趨勢(shì)?？陀^、大規(guī)模、自動(dòng)化地展示學(xué)科及其結(jié)構(gòu)及其發(fā)展脈絡(luò)，展現(xiàn)局部和全局圖譜，實(shí)現(xiàn)各學(xué)科間的關(guān)系和學(xué)科前沿的可視化展示，發(fā)現(xiàn)新興學(xué)科。③輔助科研評(píng)價(jià)與決策。利用共現(xiàn)網(wǎng)絡(luò)可視化展示、二維圖和三維圖形成評(píng)價(jià)輔助工具。④支持科研合作和管理。分析和識(shí)別科研合作、交流情況和研究相似度，發(fā)現(xiàn)研究影響力，為調(diào)整相關(guān)科研政策提供依據(jù)。

語(yǔ)義知識(shí)圖譜主要建立在領(lǐng)域本體規(guī)范的基礎(chǔ)上，其強(qiáng)大的語(yǔ)義處理和互聯(lián)組織能力，為智能化信息應(yīng)用乃至人工智能提供了基礎(chǔ)，因此在自然語(yǔ)言處理、語(yǔ)義標(biāo)注、智能搜索、知識(shí)問答、關(guān)聯(lián)分析、決策支持、知識(shí)推理等方面有了廣泛的應(yīng)用。尤其在商業(yè)智能、互聯(lián)網(wǎng)金融等在市場(chǎng)活躍的領(lǐng)域，由于受到資本和知本的雙重驅(qū)動(dòng)，發(fā)展十分迅速。比如用語(yǔ)義知識(shí)圖譜構(gòu)建復(fù)雜的關(guān)系網(wǎng)絡(luò)，可用來有效地揭示、識(shí)別出金融欺詐和避免金融風(fēng)險(xiǎn)。此外，語(yǔ)義知識(shí)圖譜在醫(yī)療、教育、交通等重要領(lǐng)域也有應(yīng)用研究。例如醫(yī)學(xué)知識(shí)圖譜被應(yīng)用于醫(yī)療信息搜索引擎、醫(yī)療問答系統(tǒng)、醫(yī)療決策支持系統(tǒng)等方面。

二、兩類知識(shí)圖譜在科技出版領(lǐng)域的應(yīng)用現(xiàn)狀

科技出版是支撐科學(xué)技術(shù)交流和發(fā)展的重要一環(huán)，在經(jīng)歷了本世紀(jì)以來的數(shù)字化、網(wǎng)絡(luò)化的傳播形態(tài)變革后，集成了期刊、圖書等資源的文獻(xiàn)數(shù)據(jù)庫(kù)成為科技出版最主流的科技出版產(chǎn)品形態(tài)。近年來，上述兩類知識(shí)圖譜在科技出版領(lǐng)域均有不同程度的應(yīng)用。

1.科學(xué)知識(shí)圖譜：基于科學(xué)計(jì)量學(xué)的廣泛應(yīng)用

在面向?qū)I(yè)知識(shí)服務(wù)的應(yīng)用上，科學(xué)知識(shí)圖譜主要還是從科學(xué)計(jì)量的角度出發(fā)，為專業(yè)科研工作者提供揭示學(xué)科發(fā)展歷史、研究熱點(diǎn)和前沿趨勢(shì)、學(xué)科間關(guān)系、不同層面的合作關(guān)系的可視化工具，為研究選題和評(píng)價(jià)等決策性活動(dòng)提供數(shù)據(jù)分析上的支持。不少圖書情報(bào)機(jī)構(gòu)長(zhǎng)期進(jìn)行科學(xué)知識(shí)圖譜的理論研究和工具開發(fā)，也不斷有面向情報(bào)分析應(yīng)用的產(chǎn)品投入市場(chǎng)。因?yàn)榭茖W(xué)計(jì)量學(xué)須建立在全面的文獻(xiàn)數(shù)據(jù)之上，因此只有擁有這些數(shù)據(jù)的機(jī)構(gòu)才有條件發(fā)展科學(xué)知識(shí)圖譜服務(wù)。

國(guó)際方面，一些實(shí)力雄厚的信息服務(wù)商和出版商均推出了類似于科學(xué)知識(shí)圖譜的情報(bào)分析型產(chǎn)品，如科睿唯安公司（Clarivate Analytics）的深層次科研分析工具——ESI數(shù)據(jù)庫(kù)，基于其Web of Science覆蓋全球12000多種期刊的數(shù)據(jù)信息，可用于分析機(jī)構(gòu)、國(guó)家和期刊的論文產(chǎn)出和影響力，發(fā)現(xiàn)各學(xué)科領(lǐng)域的發(fā)展趨勢(shì)，評(píng)估科研表現(xiàn)和發(fā)展?jié)摿Φ?。Elsevier推出的科研情報(bào)分析平臺(tái)SciVal以全球最大的文獻(xiàn)摘要與引文數(shù)據(jù)庫(kù)Scopus為基礎(chǔ)，通過全面利用各種工具和數(shù)據(jù)源，提供符合要求的定制化的分析報(bào)告，幫助用戶進(jìn)行科研數(shù)量與質(zhì)量分析、科研合作分析、人才流動(dòng)分析、科研成果利用分析等。與Springer Nature同屬Holtzbrinck集團(tuán)旗下的Digital Science公司與100多家研究組織和資助機(jī)構(gòu)合作，整合旗下多家子公司的產(chǎn)品和服務(wù)，于2018年1月推出研究分析平臺(tái)Dimensions，不僅囊括了8900萬多篇期刊文章，還包括近360余萬個(gè)資助項(xiàng)目、38萬份臨床試驗(yàn)資料、3400余萬項(xiàng)專利以及存在于這些記錄之間的40多億對(duì)關(guān)系。Dimensions不僅提供針對(duì)單篇研究文章的文獻(xiàn)計(jì)量學(xué)和替代計(jì)量學(xué)指標(biāo)，還豐富了其他相關(guān)信息如資助項(xiàng)目，從多個(gè)維度反映研究成果價(jià)值和效率。利用科學(xué)知識(shí)圖譜技術(shù)，Dimensions不僅為科研用戶判斷科研發(fā)展態(tài)勢(shì)提供數(shù)據(jù)分析參考，也為科研經(jīng)費(fèi)提供者提供決策依據(jù)。

國(guó)內(nèi)方面，幾個(gè)主要的文獻(xiàn)情報(bào)機(jī)構(gòu)和數(shù)據(jù)商集成了海量文獻(xiàn)數(shù)據(jù)，成為這些機(jī)構(gòu)發(fā)展科學(xué)知識(shí)圖譜的基石。中國(guó)科學(xué)院文獻(xiàn)情報(bào)中心建立了中國(guó)科學(xué)引文數(shù)據(jù)庫(kù)（Chinese Science Citation Database， CSCD），收錄我國(guó)各個(gè)學(xué)科領(lǐng)域出版的中英文科技期刊論文記錄500余萬條、引文記錄6600余萬條，不僅提供引文與文獻(xiàn)間的雙向關(guān)聯(lián)檢索服務(wù)，還能對(duì)檢索結(jié)果中的學(xué)科類別、來源出版物、作者、機(jī)構(gòu)等要素進(jìn)行分析，已經(jīng)應(yīng)用在一些學(xué)科的發(fā)展態(tài)勢(shì)分析中。中國(guó)科學(xué)技術(shù)信息研究所建立了基于期刊引用的檢索評(píng)價(jià)工具——中國(guó)科學(xué)引文索引（China Science Citation Index， CSCI），囊括了2000年來我國(guó)出版的科技類和部分社科類學(xué)術(shù)期刊約9000余種、論文4500多萬篇、引文記錄2億多條，能對(duì)國(guó)內(nèi)學(xué)術(shù)機(jī)構(gòu)、學(xué)者的科研論文產(chǎn)出、引用情況進(jìn)行年度、主題等多維度查詢。中國(guó)知網(wǎng)（CNKI）、萬方知識(shí)服務(wù)平臺(tái)和超星發(fā)現(xiàn)平臺(tái)等學(xué)術(shù)文獻(xiàn)數(shù)據(jù)庫(kù)均利用科學(xué)計(jì)量學(xué)方法提供知識(shí)點(diǎn)共現(xiàn)、關(guān)注度變化等學(xué)術(shù)趨勢(shì)分析功能，用戶在利用數(shù)據(jù)庫(kù)獲取文獻(xiàn)的同時(shí)也可利用這些功能把握搜索主題的研究生命周期和方向。盡管上述平臺(tái)中只有超星發(fā)現(xiàn)平臺(tái)以知識(shí)圖譜來作為其情報(bào)分析模塊的名稱，其實(shí)所有這些功能均是基于科學(xué)知識(shí)圖譜而建立的。

2.語(yǔ)義知識(shí)圖譜：應(yīng)用剛剛起步

相比于科學(xué)知識(shí)圖譜在專業(yè)科研領(lǐng)域的持續(xù)發(fā)展和創(chuàng)新，語(yǔ)義知識(shí)圖譜無論在技術(shù)還是應(yīng)用方面都較少與專業(yè)知識(shí)服務(wù)產(chǎn)生聯(lián)系。雖然一些圖情機(jī)構(gòu)、出版機(jī)構(gòu)和信息技術(shù)公司也曾構(gòu)建過以敘詞表或本體為代表的知識(shí)組織體系，但真正用語(yǔ)義知識(shí)圖譜的原理和方法做知識(shí)服務(wù)的卻很少。比較符合語(yǔ)義知識(shí)圖譜在專業(yè)知識(shí)服務(wù)中應(yīng)用的案例是Springer Nature于2017年3月推出SciGraph關(guān)聯(lián)開放數(shù)據(jù)平臺(tái)，其本質(zhì)是集成了機(jī)構(gòu)、研究者、出版物、引用、項(xiàng)目、會(huì)議、專利等多種信息的關(guān)聯(lián)數(shù)據(jù)集，以開放的形式滿足科研情報(bào)分析的需求。SciGraph將上述信息建立為關(guān)聯(lián)開放數(shù)據(jù)中的實(shí)體類型，并建立實(shí)體類型之間的關(guān)系模型，同時(shí)采用多個(gè)三元組的N-Triples形式來表示RDF數(shù)據(jù)集，實(shí)現(xiàn)了數(shù)據(jù)關(guān)聯(lián)、互操作、數(shù)據(jù)挖掘等功能。但相較于其他行業(yè)領(lǐng)域的應(yīng)用，SciGraph還只是從概念角度實(shí)現(xiàn)了對(duì)出版物信息的描述，未深入到知識(shí)本身的表示、融合和推理層面。近年來部分國(guó)內(nèi)專業(yè)出版社開始嘗試構(gòu)建知識(shí)圖譜，大部分處于實(shí)體和關(guān)系庫(kù)建設(shè)的階段，對(duì)于發(fā)展基于知識(shí)圖譜的應(yīng)用尚處于探索階段。盡管步伐不像互聯(lián)網(wǎng)公司那樣迅速，但專業(yè)出版社往往選擇更為穩(wěn)扎穩(wěn)打的方式，重視質(zhì)量和專業(yè)性，為下一步專業(yè)領(lǐng)域的應(yīng)用打下良好的基礎(chǔ)。

三、結(jié)論與展望

近十幾年來，科學(xué)知識(shí)圖譜在科研領(lǐng)域得到了廣泛和多維的應(yīng)用，從科學(xué)計(jì)量學(xué)的角度推動(dòng)了科研的發(fā)展。而真正能夠深入知識(shí)本體層面的語(yǔ)義知識(shí)圖譜大多是由大型互聯(lián)網(wǎng)公司如谷歌、百度和人工智能創(chuàng)業(yè)公司開發(fā)。隨著自然語(yǔ)言處理、機(jī)器學(xué)習(xí)、大數(shù)據(jù)等技術(shù)的不斷深化，語(yǔ)義知識(shí)圖譜必將在科研知識(shí)服務(wù)領(lǐng)域大放異彩。從可利用的資源條件上看，國(guó)內(nèi)科技出版機(jī)構(gòu)發(fā)展基于文獻(xiàn)計(jì)量學(xué)的科學(xué)知識(shí)圖譜有很大的難度。但語(yǔ)義知識(shí)圖譜不受上述條件的限制，只需要將知識(shí)抽取、表示、融合和計(jì)算的模型建好，利用人工智能技術(shù)訓(xùn)練計(jì)算機(jī)“理解”各類資源中的信息和知識(shí)，在此基礎(chǔ)上實(shí)現(xiàn)語(yǔ)義搜索、智能關(guān)聯(lián)推薦、隱性知識(shí)發(fā)現(xiàn)、邏輯推理等多種形式的應(yīng)用，真正地在知識(shí)層面滿足甚至引領(lǐng)用戶的需求。

參考文獻(xiàn)：

1.胡澤文，孫建軍，武夷山.國(guó)內(nèi)知識(shí)圖譜應(yīng)用研究綜述[J]. 圖書情報(bào)工作，2013（3）：131-137.

2.馮新翎，何勝，熊太純，等.“科學(xué)知識(shí)圖譜”與“Google知識(shí)圖譜”比較分析——基于知識(shí)管理理論視角[J].情報(bào)雜志， 2017，36（1）：149-153.

3.陳志云，商月，錢冬明.基于知識(shí)圖譜的智能答疑系統(tǒng)研究[J]. 計(jì)算機(jī)應(yīng)用與軟件，2018， 35（2）：178-182.

4.陳悅，劉則淵.悄然興起的科學(xué)知識(shí)圖譜[J].科學(xué)學(xué)研究， 2005，23（2）：149-154.

5.劉則淵，王賢文，陳超美.科學(xué)知識(shí)圖譜方法及其在科技情報(bào)中的應(yīng)用[J].數(shù)字圖書館論壇，2009（10）：14-34

6. 楊思洛，等.中外圖書情報(bào)學(xué)科知識(shí)圖譜比較研究[M].北京：科學(xué)出版社，2015.

7.陳超美.科學(xué)前沿圖譜——知識(shí)可視化的探索[M].陳悅，等，譯.北京：科學(xué)出版社， 2014.

8.魏瑞斌.國(guó)內(nèi)知識(shí)圖譜研究的可視化分析[J].圖書情報(bào)工作，2011（8）.

9.袁凱琦，鄧揚(yáng)，陳道源，等.醫(yī)學(xué)知識(shí)圖譜構(gòu)建技術(shù)與研究進(jìn)展[J].計(jì)算機(jī)應(yīng)用研究，2018（7）：1929-1936.

10.王小梅，鄧啟平，李國(guó)鵬，等.ESI研究前沿的科學(xué)圖譜及在納米領(lǐng)域的應(yīng)用[J].圖書情報(bào)工作，2017， 61（12）：106-112.

11.劉嶠，李楊，段宏，等.知識(shí)圖譜構(gòu)建技術(shù)綜述[J].計(jì)算機(jī)研究與發(fā)展，2016，53（3）：582-600.

12.宋宇，真溱，湯珊紅.科學(xué)圖譜簡(jiǎn)介：過去、現(xiàn)在和未來[J].情報(bào)理論與實(shí)踐，2015，38（07）：145.

13.孫曉寧，閆勵(lì)，張強(qiáng).科學(xué)知識(shí)圖譜在學(xué)科可視化研究中的應(yīng)用[J].圖書館，2014（5）：87-91.

[作者單位系中國(guó)科技出版?zhèn)髅焦煞萦邢薰尽１疚南?018 年文化產(chǎn)業(yè)發(fā)展專項(xiàng)資金重大項(xiàng)目（XW20180097）階段性成果]