物流服務(wù)供應(yīng)鏈熱點(diǎn)主題可視化分析

張水旺 陳潛萍

摘? 要：為了探究以往物流服務(wù)供應(yīng)鏈研究的熱點(diǎn)主題以及學(xué)者們重點(diǎn)關(guān)注的主題，以及這些被關(guān)注的對象之間的聯(lián)系和強(qiáng)度，本文檢索了2010～2020年Web of Science中的相關(guān)論文數(shù)據(jù)，提取關(guān)鍵詞作為識別主題，運(yùn)用書目共現(xiàn)分析系統(tǒng)對關(guān)鍵詞進(jìn)行詞頻分析統(tǒng)計(jì)及矩陣生成、用SPSS軟件進(jìn)行聚類分析，最后運(yùn)用Ucinet中的Netdraw可視化軟件來進(jìn)行物流服務(wù)供應(yīng)鏈熱點(diǎn)主題的可視化分析。分析結(jié)果確定了物流服務(wù)供應(yīng)鏈研究的相關(guān)熱點(diǎn)主題為物流、可持續(xù)性、物流服務(wù)提供商、再制造、逆向物流、設(shè)施位置等，以及他們之間存在的關(guān)聯(lián)強(qiáng)度。

關(guān)鍵詞：物流服務(wù)供應(yīng)鏈;熱點(diǎn)主題;共詞分析;可視化

中圖分類號：F250? ? 文獻(xiàn)標(biāo)識碼：A

Abstract： In order to explore the past research hot topics of logistics service supply chain and scholars focus on the theme， the paper retrieval in 2010～2020 in Web of Science data， the relevant paper to extract the keywords as to identify the theme， using the bibliography co-occurrence analysis system to keywords analysis of word frequency statistics and matrix generation， cluster analysis， using SPSS software by using the software of the Ucinet Netdraw visualization for logistics service supply chain visualization analysis of hot topics. Based on the analysis results， the relevant hot topics of logistics service supply chain research are identified as logistics， sustainability， logistics service providers， remanufacturing， reverse logistics， facility location， etc.， as well as the strength of correlation among them.

Key words： logistics service supply chain; hot topic; co-word analysis; visualization

0? 引? 言

隨著互聯(lián)網(wǎng)經(jīng)濟(jì)的迅速發(fā)展，我國物流行業(yè)在快速發(fā)展的同時(shí)也面臨著新的挑戰(zhàn)，傳統(tǒng)物流模式已遠(yuǎn)遠(yuǎn)無法滿足物資快速運(yùn)輸?shù)男枨?。在這種瞬息萬變的市場需求下，為了促進(jìn)物流企業(yè)更好地適應(yīng)市場，對物流服務(wù)供應(yīng)鏈進(jìn)行優(yōu)化整合已是大勢所趨。近幾年，很多學(xué)者研究物流服務(wù)供應(yīng)鏈相關(guān)主題，取得了相應(yīng)的研究結(jié)果。然而，這些研究成果在主題上大多分散，缺乏有機(jī)聯(lián)系，影響了物流服務(wù)供應(yīng)鏈研究的進(jìn)一步深入，根據(jù)對閱讀的文獻(xiàn)進(jìn)行梳理分析，最后對研究的問題進(jìn)行深入分析，歸納出不同研究方向并作出評述，這種傳統(tǒng)定性研究方式存在著局限性。

主要依據(jù)Web of Science數(shù)據(jù)庫，對物流服務(wù)供應(yīng)鏈熱點(diǎn)主題在Web of Science核心合集里的論文進(jìn)行檢索。設(shè)置檢索式為：TS=logistics service supply chain & Language=English & Time=2010～2020。在此約束條件下，檢索到有效文獻(xiàn)有955篇，所有文獻(xiàn)的文本數(shù)據(jù)均以兩種格式輸出：純文本和UTF-8。經(jīng)過格式轉(zhuǎn)換、數(shù)據(jù)合并、數(shù)據(jù)清理、屬性規(guī)約與選擇等記錄、屬性處理，得到出版年和關(guān)鍵詞，作為規(guī)約保留后的屬性。

每條記錄提取“出版年”，即PY屬性，對每年進(jìn)行統(tǒng)計(jì)，結(jié)果如表1所示，反映該領(lǐng)域論文年產(chǎn)出量隨著時(shí)間演進(jìn)呈增長趨勢，表明該領(lǐng)域一直受到學(xué)者關(guān)注且關(guān)注度有所提升。

1? 研究設(shè)計(jì)

本文旨在探究物流服務(wù)供應(yīng)鏈研究的熱點(diǎn)主題以及不同主題之間的關(guān)系，來確定學(xué)者們重點(diǎn)關(guān)注的對象，以及這些對象之間是否存在聯(lián)系，聯(lián)系強(qiáng)度如何?；诖?，設(shè)計(jì)研究角度：

主題識別[1-2]。關(guān)鍵詞是作者提供的用于表達(dá)單個(gè)論文主題內(nèi)容的檢索詞匯，本文提取“關(guān)鍵詞”字段對主題進(jìn)行識別，確立研究熱點(diǎn)與基本結(jié)構(gòu)。

分析方法。運(yùn)用書目共現(xiàn)分析系統(tǒng)對關(guān)鍵詞進(jìn)行詞頻分析統(tǒng)計(jì)及矩陣生成、用SPSS軟件進(jìn)行聚類分析，最后運(yùn)用Ucinet中的Netdraw可視化軟件來進(jìn)行物流服務(wù)供應(yīng)鏈熱點(diǎn)主題的可視化分析。詞頻分析是文獻(xiàn)計(jì)量過程中的定性手段，探測特定研究領(lǐng)域檢索到的文獻(xiàn)數(shù)據(jù)集內(nèi)不同關(guān)鍵詞出現(xiàn)的次數(shù)，比較頻次多少可以確定研究熱點(diǎn)，這種方法在一定程度上弱化了傳統(tǒng)文獻(xiàn)綜述方法對于定性總結(jié)的依賴，比較客觀準(zhǔn)確;共詞分析是一種通過統(tǒng)計(jì)文獻(xiàn)數(shù)據(jù)中詞匯或者短語共同出現(xiàn)頻次來揭示特定研究領(lǐng)域研究主題相互關(guān)系的方式，可分為篇內(nèi)共現(xiàn)和篇間共現(xiàn)，前者是詞匯短語在同一篇論文中的共現(xiàn)，后者則是在整個(gè)數(shù)據(jù)集中不同論文中的共現(xiàn)[3];聚類分析是在沒有先驗(yàn)知識支持的前提下進(jìn)行的定量操作，根據(jù)對象某一特征屬性的差異進(jìn)行分析與歸類[4];社會(huì)網(wǎng)絡(luò)分析是采用量化方式對社會(huì)網(wǎng)絡(luò)中各個(gè)對象之間關(guān)系的具象表示，可以直接呈現(xiàn)社會(huì)成員間關(guān)系[5]。

研究假設(shè)。采用“關(guān)鍵詞”確立主題是一種理想化的方式，必須基于一定前提假設(shè)。本文對于主題分析的假設(shè)來源于1989年Whittaker提出的共詞分析假設(shè)[6]，具體有以下幾點(diǎn)：（1）關(guān)鍵詞是由作者仔細(xì)斟酌的、認(rèn)真選擇的專業(yè)術(shù)語，且能夠反映文章內(nèi)容、作者思想、研究現(xiàn)狀。（2）同一篇文章中出現(xiàn)相應(yīng)的關(guān)鍵詞，可以假設(shè)認(rèn)為關(guān)鍵詞之間存有一定的關(guān)聯(lián)性。（3）關(guān)鍵詞被很多研究者選定并且在不同的研究主題中頻繁出現(xiàn)，則認(rèn)為在特定研究領(lǐng)域內(nèi)成對出現(xiàn)的關(guān)鍵詞之間的關(guān)系是富有意義的。（4）關(guān)鍵詞是否有受訓(xùn)經(jīng)歷的標(biāo)引者所使用，通過一個(gè)或者多個(gè)指標(biāo)反映與此相關(guān)的科學(xué)概念。

如若上述假設(shè)是成立的，則通過關(guān)鍵詞探索文章以及學(xué)科領(lǐng)域的相關(guān)科學(xué)概念就可以接受。在研究假設(shè)基礎(chǔ)之上，確定熱點(diǎn)主題，探測熱點(diǎn)主題之間的關(guān)聯(lián)，并對可視化結(jié)果予以解讀[7]。

研究工具。為了研究的順利進(jìn)行，選用了BICOMB2.0書目共現(xiàn)分析系統(tǒng)、SPSS統(tǒng)計(jì)分析軟件、Ucinet社會(huì)網(wǎng)絡(luò)分析軟件中的Netdraw可視化軟件。其中，BICOMB2.0書目共現(xiàn)分析系統(tǒng)是由中國醫(yī)科大學(xué)醫(yī)學(xué)信息學(xué)系崔雷和沈陽市弘盛計(jì)算機(jī)技術(shù)有限公司協(xié)作開發(fā)，具有項(xiàng)目建立、數(shù)據(jù)提取、頻數(shù)統(tǒng)計(jì)以及矩陣生成，可以對數(shù)據(jù)進(jìn)行快速的讀取、準(zhǔn)確提取字段并歸類存儲(chǔ)、統(tǒng)計(jì)生成書目數(shù)據(jù)的共現(xiàn)矩陣，來滿足本研究共現(xiàn)的需要。SPSS軟件用來做聚類分析，可以用聚類樹圖顯性表示出關(guān)鍵詞間的相關(guān)關(guān)系。Ucinet社會(huì)網(wǎng)絡(luò)分析軟件具備綜合的使用功能，在擁有數(shù)據(jù)的基礎(chǔ)上，具有強(qiáng)大的矩陣代數(shù)和多元統(tǒng)計(jì)分析功能，同時(shí)軟件內(nèi)部聚集了Netdraw等數(shù)據(jù)可視化軟件，可以讓結(jié)果得到更好的呈現(xiàn)。

2? 結(jié)果分析

2.1? 熱點(diǎn)主題確定。運(yùn)用BICOMB2.0書目共現(xiàn)分析系統(tǒng)，將檢索提取后的數(shù)據(jù)導(dǎo)入進(jìn)去，根據(jù)關(guān)鍵詞字段（DE）進(jìn)行詞頻統(tǒng)計(jì)，累計(jì)頻次共有4 619次，平均每篇4.84個(gè)關(guān)鍵詞，符合每篇3～5個(gè)關(guān)鍵詞的經(jīng)驗(yàn)認(rèn)知，為了弱化檢索策略效應(yīng)，刪除頻次排在前兩位的supply chain management（85次，1.8402%），supply chain（80次，1.732%），這里僅給出TOP36的關(guān)鍵詞納入分析。依據(jù)普賴斯定律設(shè)定高頻閾值，得到計(jì)算公式為：

m=0.749? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（1）

其中：m為統(tǒng)計(jì)時(shí)段內(nèi)閾值;n是關(guān)鍵詞最高頻頻次。

統(tǒng)計(jì)結(jié)果顯示：2010～2020年期間，關(guān)鍵詞最高頻次為85次，根據(jù)公式（1）計(jì)算出選定的閾值為m=6.91，按照取整原則即選定頻次在7次及以上的36個(gè)關(guān)鍵詞。累計(jì)頻次489次，約占10.5855%，如表2所示。

可以看出，刪除排在最前面的兩位后，“物流”是頻次最高的一個(gè)，顯示物流服務(wù)供應(yīng)鏈這個(gè)熱點(diǎn)主題中物流受到廣泛關(guān)注，也能夠體現(xiàn)出物流服務(wù)供應(yīng)鏈中物流的重要性;頻次比較高的還有可持續(xù)性、逆向物流、物流服務(wù)供應(yīng)鏈、定價(jià)、再制造、博弈論、庫存管理。

2.2? 基于SPSS的系統(tǒng)聚類分析。聚類分析是對研究的數(shù)據(jù)進(jìn)行聚類處理，除統(tǒng)計(jì)功能外還能與其他方法配合對數(shù)據(jù)進(jìn)行預(yù)處理，這里選用層次聚類，是嵌套簇的集族，組織成一棵樹進(jìn)行分析。

根據(jù)上文計(jì)算結(jié)果，將頻次大于等于7次的數(shù)據(jù)導(dǎo)入書目共現(xiàn)分析系統(tǒng)，生成詞篇矩陣，然后對數(shù)據(jù)采用文本的方式導(dǎo)出，導(dǎo)入進(jìn)SPSS軟件對矩陣進(jìn)行聚類，選用組之間鏈接的聚類方法嘗試選擇平均距離算法、最大距離、最小距離等，比較之后選擇其中最合適的方法。生成聚類樹圖，如圖1所示。

首先找出聚類樹中各個(gè)類別的核心，然后逐層累加語義信息，根據(jù)聚類分析的相關(guān)原理，同一類內(nèi)找相同點(diǎn)，不同類間找相異處，由此總結(jié)歸納各個(gè)類別的含義[3]。最終得到物流服務(wù)供應(yīng)鏈研究領(lǐng)域的9個(gè)熱點(diǎn)研究簇：逆向物流與再制造、物流庫存、供應(yīng)鏈融資、環(huán)境可持續(xù)性、物流服務(wù)供應(yīng)鏈與優(yōu)化不確定性、物流服務(wù)定價(jià)與電子商務(wù)、可持續(xù)性與供應(yīng)鏈整合運(yùn)輸、第三方物流與庫存管理、工業(yè)4.0區(qū)塊鏈與供應(yīng)鏈設(shè)計(jì)。

2.3? 主題間關(guān)系確定。在整個(gè)數(shù)據(jù)集內(nèi)，關(guān)鍵詞和論文是一對多的關(guān)系，一個(gè)關(guān)鍵詞可以出現(xiàn)在很多篇論文中，但其基礎(chǔ)是詞與篇之間一對一的關(guān)系，正是基于一對一的關(guān)系，可以形成m*n詞篇矩陣，不同主題之間關(guān)系識別路徑，如圖2所示。

2.3.1? 構(gòu)建共詞矩陣。本文抽取36個(gè)關(guān)鍵詞與其所在955篇論文的對應(yīng)關(guān)系，形成36*955詞篇矩陣（0～1分布），列示出熱點(diǎn)關(guān)鍵詞與論文的所屬關(guān)系。文獻(xiàn)篇名不需顯名化，將其編碼取值為1～955，得到矩陣局部數(shù)據(jù)，如表3所示。

基于詞篇矩陣，若不同關(guān)鍵詞在同一論文中出現(xiàn)，則說明存在共現(xiàn)關(guān)系，記為1;否則認(rèn)定無共現(xiàn)關(guān)系，記為0，據(jù)此，生成一個(gè)鄰接矩陣，得到局部，如表4所示。

2.3.2? 共詞網(wǎng)絡(luò)個(gè)體屬性分析。對每個(gè)關(guān)鍵詞在共詞網(wǎng)絡(luò)中的影響力、重要性等方面通過一系列相應(yīng)的指標(biāo)進(jìn)行測量的過程叫做共詞網(wǎng)絡(luò)的個(gè)體屬性分析[8]。對于節(jié)點(diǎn)之間的相互連接這種社會(huì)網(wǎng)絡(luò)分析里，節(jié)點(diǎn)的中間中心度、點(diǎn)度中心度以及接近中心度等是分析的相關(guān)指標(biāo)[9]。

本文中的共詞網(wǎng)絡(luò)的個(gè)體屬性分析的分析指標(biāo)選用節(jié)點(diǎn)的點(diǎn)度中心度對個(gè)體屬性進(jìn)行相關(guān)分析。一個(gè)節(jié)點(diǎn)與其他節(jié)點(diǎn)聯(lián)系越緊密直接，這個(gè)節(jié)點(diǎn)反映的數(shù)值就越大，連接的頻次較低的，數(shù)值相對較小。

物流服務(wù)供應(yīng)鏈熱點(diǎn)主題共詞網(wǎng)絡(luò)的節(jié)點(diǎn)為關(guān)鍵詞，節(jié)點(diǎn)之間的關(guān)聯(lián)即為兩關(guān)鍵詞的共現(xiàn)，節(jié)點(diǎn)的點(diǎn)度中心度為某關(guān)鍵詞與其他關(guān)鍵詞共現(xiàn)的次數(shù)[10]。從分析結(jié)果看，物流服務(wù)供應(yīng)鏈熱點(diǎn)主題關(guān)鍵詞的平均點(diǎn)度中心度為5.389，表明每個(gè)關(guān)鍵詞與其他關(guān)鍵詞共現(xiàn)的平均次數(shù)為5.389次。表5為位于前11名的物流服務(wù)供應(yīng)鏈熱點(diǎn)主題關(guān)鍵詞點(diǎn)度中心度值分析結(jié)果。數(shù)值Degree列表示的是絕對點(diǎn)度中心度，數(shù)值Nrmdegree列表示的是相對點(diǎn)度中心度。中心度在社會(huì)網(wǎng)絡(luò)分析中有一定的權(quán)威性，被認(rèn)為是地位與權(quán)力的代表，是牽引網(wǎng)絡(luò)發(fā)展的關(guān)鍵指標(biāo)因素，中心度高的位于網(wǎng)絡(luò)中心的點(diǎn)是對整體影響最為顯著的[11]。

上述分析可知，物流服務(wù)供應(yīng)鏈熱點(diǎn)主題研究的核心研究內(nèi)容有物流、可持續(xù)性、物流服務(wù)提供商、再制造、逆向物流、設(shè)施位置等，局部數(shù)據(jù)如表5所示。

2.3.3? 整體網(wǎng)絡(luò)可視化。為了更加生動(dòng)形象的表現(xiàn)出最終效果，本文采用網(wǎng)絡(luò)可視圖的方式展現(xiàn)，對物流服務(wù)供應(yīng)鏈熱點(diǎn)主題采用Ucinet軟件進(jìn)行可視化，數(shù)據(jù)導(dǎo)入后運(yùn)用軟件內(nèi)集成的Netdraw可視化軟件進(jìn)行相關(guān)操作，來得到物流服務(wù)供應(yīng)鏈熱點(diǎn)主題網(wǎng)絡(luò)圖，如圖3所示，每個(gè)節(jié)點(diǎn)代表一個(gè)研究熱點(diǎn)，根據(jù)節(jié)點(diǎn)的中間中心度值設(shè)置節(jié)點(diǎn)的大小，節(jié)點(diǎn)越大，表明節(jié)點(diǎn)的中間中心度值越大;節(jié)點(diǎn)間的連線表示兩研究熱點(diǎn)之間具有共現(xiàn)關(guān)系。

通過網(wǎng)絡(luò)密度的計(jì)算，反映節(jié)點(diǎn)之間的關(guān)聯(lián)度：

C=1-≈0.154? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（2）

公式（2）中，V=439，表示鄰接矩陣對角線上方0的個(gè)數(shù);N=36，表示的是節(jié)點(diǎn)數(shù)，最后通過上式計(jì)算后，得到相應(yīng)的網(wǎng)絡(luò)密度[12]。

2.4? 研究熱點(diǎn)。通過上述分析，可知近10年主要有以下幾個(gè)研究熱點(diǎn)：“物流”、“可持續(xù)性”、“物流服務(wù)提供商”、“再制造”、“逆向物流”、“設(shè)施位置”等，對于物流服務(wù)供應(yīng)鏈的研究并不是單一的，有很多因素影響其發(fā)展，不斷形成更好的物流服務(wù)。

“物流服務(wù)供應(yīng)鏈”與“可持續(xù)性”：隨著可持續(xù)發(fā)展的理念逐漸深入人心，企業(yè)也開始研究自己的供應(yīng)鏈，以期使之可持續(xù)發(fā)展。在物流服務(wù)供應(yīng)鏈的過程中融入可持續(xù)發(fā)展的理念，以求達(dá)到經(jīng)濟(jì)效益、社會(huì)效益和環(huán)境效益的協(xié)調(diào)優(yōu)化，從而最終實(shí)現(xiàn)供應(yīng)鏈的可持續(xù)性發(fā)展。

“物流服務(wù)供應(yīng)鏈”與“物流服務(wù)提供商”：現(xiàn)有的物流服務(wù)提供商存在一定的缺陷問題，比如說企業(yè)規(guī)模層次不齊，沒有相對好的服務(wù)質(zhì)量，不能讓消費(fèi)者滿意等，因此在供應(yīng)鏈發(fā)展中，要通過系統(tǒng)科學(xué)的供應(yīng)商評估方法，選擇與企業(yè)長期發(fā)展目標(biāo)相一致的物流服務(wù)供應(yīng)商[13]。

“再制造”與“逆向物流”：再制造有助于緩解經(jīng)濟(jì)發(fā)展中面臨的資源短缺、污染嚴(yán)重的問題，是一種新型的制造方式也是實(shí)現(xiàn)循環(huán)經(jīng)濟(jì)的一種有效方式，在再制造過程中的逆向物流以再制造生產(chǎn)為目的，是再制造的生命線。

“物流服務(wù)供應(yīng)鏈”與“設(shè)施位置”：設(shè)施選址在物流服務(wù)中是一個(gè)重要的環(huán)節(jié)，在物流服務(wù)供應(yīng)鏈中，選址的好壞直接影響到服務(wù)方式、服務(wù)質(zhì)量、服務(wù)效率、服務(wù)成本等，從而影響到利潤和市場競爭力，甚至決定了企業(yè)的命運(yùn)。

3? 結(jié)? 論

本文依據(jù)關(guān)鍵詞知識單元對物流服務(wù)供應(yīng)鏈研究的主題進(jìn)行識別，并結(jié)合相應(yīng)數(shù)據(jù)對可視化結(jié)果進(jìn)行分析研究[14]。

首先，檢索得到36個(gè)高頻關(guān)鍵詞，如可持續(xù)性、逆向物流、再制造、博弈論、設(shè)施位置、庫存管理等，經(jīng)過SPSS聚類分析后形成9個(gè)研究熱點(diǎn)簇：逆向物流與再制造、物流庫存、供應(yīng)鏈融資、環(huán)境可持續(xù)性、物流服務(wù)供應(yīng)鏈與優(yōu)化不確定性、物流服務(wù)定價(jià)與電子商務(wù)、可持續(xù)性與供應(yīng)鏈整合運(yùn)輸、第三方物流與庫存管理、工業(yè)4.0區(qū)塊鏈與供應(yīng)鏈設(shè)計(jì)。聚類分析出過往研究熱點(diǎn)主題以及研究應(yīng)關(guān)注的重點(diǎn)。

然后，列出詞篇矩陣和鄰接矩陣，得到點(diǎn)度中心度，可以得出物流、可持續(xù)性、物流服務(wù)提供商、再制造、逆向物流、設(shè)施位置等詞是物流服務(wù)供應(yīng)鏈熱點(diǎn)主題研究的核心研究內(nèi)容。利用可視化技術(shù)得出熱點(diǎn)主題網(wǎng)絡(luò)可視圖進(jìn)行分析，可以看出物流服務(wù)供應(yīng)鏈研究還存在很大的進(jìn)步空間。

從對現(xiàn)有的數(shù)據(jù)分析可以看出，當(dāng)前學(xué)者對物流服務(wù)供應(yīng)鏈研究不具備完整性，還有很大的研究空間，數(shù)據(jù)相對較少，因此，應(yīng)豐富相關(guān)研究工具，綜合運(yùn)用多種分析方法，多視角多維度剖析物流服務(wù)供應(yīng)鏈領(lǐng)域相關(guān)問題，得到更好的研究結(jié)果。

參考文獻(xiàn)：

[1] 宋凱，朱彥君. 專利前沿技術(shù)主題識別及趨勢預(yù)測方法——以人工智能領(lǐng)域?yàn)槔齕J]. 情報(bào)雜志，2021，40（1）：33-38.

[2] 唐恒，邱悅文. 多源信息視角下的多指標(biāo)新興技術(shù)主題識別研究——以智能網(wǎng)聯(lián)汽車領(lǐng)域?yàn)槔齕J]. 情報(bào)雜志，2021，40（3）：81

-88.

[3] 郭春俠，葉繼元. 基于共詞分析的國外圖書情報(bào)學(xué)研究熱點(diǎn)[J]. 圖書情報(bào)工作，2011，55（20）：19-22.

[4] 王小華，徐寧，諶志群. 基于共詞分析的文本主題詞聚類與主題發(fā)現(xiàn)[J]. 情報(bào)科學(xué)，2011，29（11）：1621-1624.

[5] 劉竟，王慧，徐桂芬. 基于共詞網(wǎng)絡(luò)的我國搜索引擎研究熱點(diǎn)可視化[J]. 情報(bào)科學(xué)，2012，30（4）：604-608.

[6]? Whieeaker J. Creativity and Conformity in science： Titles， Keywords and Co-word Analysis[J]. Social Studies of Science， 1989，19：473-496.

[7] 丁晟春，俞灃洋，李真. 網(wǎng)絡(luò)輿情潛在熱點(diǎn)主題識別研究[J]. 數(shù)據(jù)分析與知識發(fā)現(xiàn)，2020，4（Z1）：29-38.

[8] 趙一鳴，呂鵬輝. 學(xué)科知識網(wǎng)絡(luò)研究（Ⅲ）共詞網(wǎng)絡(luò)的結(jié)構(gòu)、特征與演化[J]. 情報(bào)學(xué)報(bào)，2014，33（4）：358-366.

[9] 周萌，陳果. 科技文本中術(shù)語細(xì)粒度共現(xiàn)關(guān)系抽取與可視化分析[J]. 情報(bào)科學(xué)，2019，37（3）：81-87.

[10] 王曰芬，王一山，楊潔. 基于社區(qū)發(fā)現(xiàn)和關(guān)鍵節(jié)點(diǎn)識別的網(wǎng)絡(luò)輿情主題發(fā)現(xiàn)與實(shí)證分析[J]. 圖書與情報(bào)，2020（5）：48-58.

[11] 張俊飛，畢志升，吳小玲. “教學(xué)評價(jià)”研究熱點(diǎn)與主題可視化分析[J]. 中國教育信息化，2018（1）：17-21.

[12]? Ray Reagans， Ezra W Zuckerman. Networks， Diversity， and Productivity： The Social Capital of Corporate R&D Teams[J]. Organization Science， 2001，12（4）：502-517.

[13]? Shoja A， Molla-Ahzadeh-Zavardehi S， Niroomand S. Adaptive meta-heuristic algorithms for flexible supply chain network design problem with different delivery modes[J]. Computer & Industrial Engineering， 2019（7）：221-225.

[14] 白志鵬，李全喜，張浩維. 供應(yīng)鏈管理研究熱點(diǎn)主題可視化分析——以SCI為數(shù)據(jù)源[J]. 情報(bào)科學(xué)，2020，38（10）：18-22，73.