基于層次聚類和社交網(wǎng)絡的貴州旅游發(fā)展文獻主題挖掘

楊秀璋，武帥，張苗，夏換，李娜，項美玉，趙紫如，竇悅琪

（1.貴州財經(jīng)大學信息學院，貴陽550025；2.貴州財經(jīng)大學，貴州省經(jīng)濟系統(tǒng)仿真重點實驗室，貴陽550025；3.貴州財經(jīng)大學大數(shù)據(jù)應用與經(jīng)濟學院，貴陽大數(shù)據(jù)金融學院，貴陽550025；4.中國船舶工業(yè)系統(tǒng)工程研究院，北京100094）

0 引言

貴州作為多民族融合、旅游景區(qū)頗多的省份，發(fā)展生態(tài)旅游行業(yè)尤為重要。該省平原較少，92.5%的面積均為山地和丘陵，為其發(fā)展生態(tài)旅游提供了得天獨厚的優(yōu)勢。旅游發(fā)展不僅能帶動地方經(jīng)濟的增長，也能拓寬當?shù)貙W者的研究領(lǐng)域。貴州省結(jié)合自身獨有的生態(tài)環(huán)境優(yōu)勢，提出“鄉(xiāng)村振興、大數(shù)據(jù)、大生態(tài)”新三大戰(zhàn)略行動，旅游發(fā)展和生態(tài)文明建設(shè)在貴州起著重要作用，這也體現(xiàn)了繼承和發(fā)展的統(tǒng)一。研究貴州旅游發(fā)展歷程及主題不僅能明確貴州省旅游業(yè)的發(fā)展規(guī)律，同時能推動地方經(jīng)濟發(fā)展，為現(xiàn)階段旅游發(fā)展提供可行的方向指引。

文獻作為學者進行學術(shù)研究的重要載體，記錄著相關(guān)研究領(lǐng)域的核心成果。通過文獻分析和文本挖掘能識別出研究領(lǐng)域的核心分類、學科主題，這已成為當下研究熱點，一定程度上反映該領(lǐng)域的前沿動態(tài)和研究水平。傳統(tǒng)的文獻計量方法通過對關(guān)鍵詞統(tǒng)計來確定研究熱點主題，或高被引論文的研究內(nèi)容作為重要參考。僅能從宏觀層面反映研究熱點，缺乏代表性，且不利于深層次挖掘潛在主題的關(guān)聯(lián)關(guān)系和演化趨勢，存在一定的片面性。

因此，本文將從主題挖掘和數(shù)據(jù)分析的角度研究貴州省旅游發(fā)展現(xiàn)狀，以中國知網(wǎng)貴州旅游發(fā)展相關(guān)的期刊文獻為語料，采用層次聚類和社交網(wǎng)絡方法進行深入的文本挖掘。接著，結(jié)合文獻計量分析貴州省旅游發(fā)展的核心主題，從而揭示其旅游發(fā)展的歷程。該方法有效彌補了傳統(tǒng)的文獻分析方法側(cè)重于統(tǒng)計，缺乏量化思維，很難系統(tǒng)發(fā)展研究領(lǐng)域的潛在和語義信息。實驗結(jié)果表明，本文的方法能有效挖掘出貴州旅游發(fā)展熱點主題的分布情況及網(wǎng)絡關(guān)系，并就現(xiàn)階段旅游商業(yè)發(fā)展提供可行的方向指引，具有一定的研究意義和實用價值。

1 相關(guān)研究現(xiàn)狀

1.1 文獻計量

文獻計量是一種運用數(shù)學模式、統(tǒng)計方法進行定量分析的一種文獻研究方式。隨著文獻數(shù)據(jù)庫的開放以及計算機技術(shù)的發(fā)展，文獻計量逐步與之接軌，越來越多的專家學者致力于文獻基礎(chǔ)研究。范少萍等人[1]結(jié)合文獻計量方法，利用密度和熱度開展核心主題識別研究，最終識別醫(yī)學文獻的主題演化路徑。楊秀璋等人[2]運用文獻計量的方法對中國知網(wǎng)有關(guān)清水江文化的文獻進行分析研究，挖掘出核心研究主題，一定程度上對推動清水江流域文化起到積極的作用。王卓玉[3]通過對WOS、CSSC、CNKI數(shù)據(jù)進行文獻計量統(tǒng)計研究出國內(nèi)外STEAM教育研究進度相對持平，主題相似，均集中于教育公平、學科整合、實踐教學、思維養(yǎng)成四大主題。

1.2 共詞網(wǎng)絡

聚類共詞網(wǎng)絡分析旨在利用文獻集中共同出現(xiàn)的、表征文獻主題的關(guān)鍵詞來反映文獻各主題之間的關(guān)聯(lián)，進而確定文獻主題的熱點[4]。當兩個關(guān)鍵詞經(jīng)常同時出現(xiàn)在某一篇文獻中，說明它們之間存在一定的關(guān)聯(lián)，共現(xiàn)次數(shù)越多，則兩者的關(guān)系越緊密。石道元[5]通過對近十年CSSCI教育信息化數(shù)據(jù)構(gòu)建共詞網(wǎng)絡，分析出當前研究熱點。DAI Zongming[6]對傳統(tǒng)的共詞網(wǎng)絡進行了一定程度上的優(yōu)化，通過構(gòu)建二分興趣網(wǎng)絡（BNOI），從而將F值提升至93.2%。蔣明敏[7]通過構(gòu)建機構(gòu)合作共現(xiàn)網(wǎng)絡，確認核心中點為中國財政科學研究院和東北財經(jīng)大學會計學院。

1.3 社交網(wǎng)絡

部分學者運用社交網(wǎng)絡方法結(jié)合計量統(tǒng)計的方法進行文本主題挖掘。Lee W H[8]構(gòu)建了信息安全領(lǐng)域的關(guān)鍵詞共現(xiàn)網(wǎng)絡，利用社交網(wǎng)絡分析中的中心性指標發(fā)現(xiàn)當前的研究熱點，其認為中心性指標中的度、中間中心性和接近中心性這3項指標不但可以用于發(fā)現(xiàn)某一學科領(lǐng)域中當前的研究熱點，而且還能夠用來識別未來的發(fā)展趨勢[9]。王晰巍[10]運用Canopy和K-means算法進行聚類后，再進行社交網(wǎng)絡分析，提升社區(qū)發(fā)現(xiàn)效果。

2 主題挖掘框架

本文旨在對中國知網(wǎng)（CNKI）中“貴州旅游”的期刊文獻進行文獻計量統(tǒng)計研究，結(jié)合層次聚類和社交網(wǎng)絡方法深度挖掘中國知網(wǎng)所收錄有關(guān)“貴州旅游”的1565篇期刊文獻。分別從文獻計量統(tǒng)計分析、主題挖掘兩角度挖掘潛在核心研究主題。

2.1 研究總體框架

本文對中國知網(wǎng)數(shù)據(jù)庫中“貴州旅游”相關(guān)期刊文獻進行分析研究，研究框架圖如圖1所示。主要涉及4個部分，分別是：貴州旅游文獻數(shù)據(jù)采集、數(shù)據(jù)預處理、宏觀層面的文獻計量分析、微觀層面的主題挖掘研究。具體研究步驟如下：

圖1 貴州旅游文獻研究框架

（1）調(diào)用Python環(huán)境下的XPath自定義爬蟲，抓取CNKI數(shù)據(jù)庫中貴州旅游相關(guān)的期刊文獻。將其存于指定CSV文件中，并對存儲好的數(shù)據(jù)進行數(shù)據(jù)清洗，剔除無關(guān)數(shù)據(jù)（期刊廣告和期刊報告），共整理出貴州旅游相關(guān)文獻1565篇。

（2）對整理后的文獻數(shù)據(jù)進行數(shù)據(jù)預處理操作，主要包括中文分詞、去停用詞、殘缺值剔除以及異常值處理。

（3）對預處理后的數(shù)據(jù)進行文獻計量統(tǒng)計分析，結(jié)合時間分布、學科分類、期刊機構(gòu)以發(fā)文機構(gòu)進行有效的文獻分析。

（4）對預處理后的數(shù)據(jù)進行主題挖掘研究，包括共詞網(wǎng)絡分析、層次聚類分析、社交網(wǎng)絡分析和主題演化分析，從而識別貴州旅游核心主題及各主題間的關(guān)聯(lián)關(guān)系。

2.2 數(shù)據(jù)采集

本文旨在挖掘中國知網(wǎng)數(shù)據(jù)庫中有關(guān)“貴州旅游”的期刊文獻，通過調(diào)用Python環(huán)境下的XPath自定義爬蟲。在中國知網(wǎng)數(shù)據(jù)庫開源供下載頁面，設(shè)定關(guān)鍵詞“貴州旅游”進行相關(guān)文獻數(shù)據(jù)檢索，將檢索文獻數(shù)據(jù)運用XPath自定義爬蟲進行采集，再結(jié)合正則表達式提取和過濾文獻數(shù)據(jù)，最終將分類好的數(shù)據(jù)存于CSV本地文件中。

2.3 數(shù)據(jù)預處理

由于CNKI數(shù)據(jù)庫中所采集的數(shù)據(jù)不僅僅只包含期刊文獻，還包含相關(guān)宣傳公告、專欄會議以及活動報告。因此，需對此類文獻信息進行剔除，同時對摘要、作者、關(guān)鍵詞缺失的期刊文獻數(shù)據(jù)進行再判斷，是否為期刊文獻論文。對清洗好的數(shù)據(jù)進行預處理，包括中文分詞、去停用詞、殘缺值剔除以及異常值處理，最終獲得較好的半結(jié)構(gòu)化數(shù)據(jù)，便于后續(xù)對“貴州旅游”相關(guān)數(shù)據(jù)進行數(shù)據(jù)分析。

2.4 層次聚類

層次聚類分析是利用相似性算法發(fā)現(xiàn)高頻關(guān)鍵詞間親疏程度并進行自動分類的技術(shù)。本文首先將貴州旅游文獻關(guān)鍵詞的共現(xiàn)矩陣轉(zhuǎn)換為相異矩陣，接著使用Python層次聚類分析，簇間距離采用Ward方法統(tǒng)計，最終計算出各主題的樹狀圖。

3 貴州旅游文獻計量分析

本文對預處理后的1565篇“貴州旅游”相關(guān)的期刊論文進行文獻計量分析。分析結(jié)果結(jié)合ECharts可視化技術(shù)進行可視化呈現(xiàn)。文獻計量分析主要包括結(jié)合論文發(fā)表時間的時間線統(tǒng)計；結(jié)合論文涉及學科門類的學科統(tǒng)計；結(jié)合論文發(fā)表期刊的熱門期刊統(tǒng)計；結(jié)合論文作者單位的核心發(fā)文單位統(tǒng)計。

3.1 文獻時間跨度分析

本文調(diào)用Python環(huán)境下ECharts模塊對“貴州旅游”相關(guān)文獻進行統(tǒng)計分析，繪制出如圖2所示的時間統(tǒng)計分析圖。其中，2000年以前論文發(fā)表相對較少，共計86篇，歸于2001年進行統(tǒng)計分析研究。

圖2 貴州旅游主題文獻發(fā)文趨勢

由圖2可以觀測出，“貴州旅游”主題期刊文獻年度發(fā)文量總體呈逐年遞增的趨勢，部分年份存在波動情況。2016年，“貴州旅游”相關(guān)文獻發(fā)表最多，共計135篇；其次是2017年發(fā)表的127篇和2012年發(fā)表的122篇。

3.2 學科統(tǒng)計分析

學科門類統(tǒng)計分析能有效挖掘出該領(lǐng)域的學科關(guān)聯(lián)情況，能有效結(jié)合各學科的優(yōu)勢實現(xiàn)產(chǎn)業(yè)和行業(yè)優(yōu)化，從而更好地推動該領(lǐng)域發(fā)展。本文結(jié)合學科門類統(tǒng)計分析，得出表1所示的學科分類表。

“貴州旅游”主題期刊論文學科分類最多的為“經(jīng)濟類”，共計1268篇；其次是“文化、科學、教育、體育類”共計118篇；之后是“藝術(shù)類”共計37篇。表1可以看出“貴州旅游”類期刊論文主要以“經(jīng)濟類”的“旅游經(jīng)濟”和“綠色經(jīng)濟”為主。

表1 貴州旅游主題文獻的學科分類

3.3 熱門期刊統(tǒng)計分析

本文對CNKI數(shù)據(jù)庫中“貴州旅游”主題的期刊論文進行計量統(tǒng)計分析，其結(jié)果可作為“貴州旅游”研究的重要參考文獻依據(jù)，最終統(tǒng)計出發(fā)表“貴州旅游”主題的前十名期刊，如表2所示。

表2 貴州旅游主題文獻的Top10期刊

其中，“貴州旅游”主題發(fā)文最多的期刊為《當代貴州》，共計發(fā)文130篇；其次是《旅游縱覽(下半月)》，共計發(fā)文77篇；再者是《貴州民族研究》，共計發(fā)文64篇。

3.4 發(fā)文機構(gòu)統(tǒng)計分析

國內(nèi)發(fā)文機構(gòu)主要以高校、科研院所以及事業(yè)單位為主。本文對抓取的1565篇有關(guān)“貴州旅游”期刊論文的第一作者所屬單位進行計量統(tǒng)計分析，繪制出如表3所示“貴州旅游”核心發(fā)文機構(gòu)前十名。

表3 貴州旅游主題文獻的Top10發(fā)文單位

從表3可以看出前十名機構(gòu)中，大部分機構(gòu)為高校，還有《當代貴州》雜志社。發(fā)文最多的機構(gòu)為“貴州師范大學”，共計發(fā)文174篇；其次為“貴州大學”，共計發(fā)文153篇；再者為“貴州財經(jīng)大學”，共計發(fā)文113篇。由表可知，貴州省本地的高校機構(gòu)長期致力于“貴州旅游”發(fā)展研究，提供著可行的建議，積極推動著當?shù)芈糜螛I(yè)的發(fā)展。

4 貴州旅游文獻主題挖掘研究

主題關(guān)鍵詞旨在反映論文的研究主題或熱點話題。想要深度挖掘“貴州旅游”相關(guān)文獻，應優(yōu)先考慮研究其主題詞。本文通過構(gòu)建共詞網(wǎng)絡挖掘主題詞間共現(xiàn)關(guān)系，再結(jié)合層次聚類和社交網(wǎng)絡分析方法深度挖掘主題詞間的關(guān)系，進一步發(fā)現(xiàn)潛在主題詞聯(lián)系，從而為貴州省的旅游商業(yè)發(fā)展提供可行的學術(shù)參考。

4.1 高頻主題詞統(tǒng)計分析

在中國知網(wǎng)數(shù)據(jù)庫關(guān)于“貴州旅游”主題的1565篇期刊文獻中，共涉及2773個核心主題詞，這些核心主題詞的詞頻數(shù)為5956次，平均每個主題詞出現(xiàn)2.15次。本文統(tǒng)計出如表4所示“貴州旅游”期刊文獻的錢60個核心主題詞。由表4可知，“貴州”出現(xiàn)次數(shù)最多，共計307次；“旅游業(yè)”（119次）、“鄉(xiāng)村旅游”（102次）、“旅游”（97次）、“旅游資源”（85次）、“旅游開發(fā)”（76次）等主題詞的出現(xiàn)次數(shù)均在50次以上，一定程度上可作為“貴州旅游”研究領(lǐng)域的熱點主題。

表4 貴州旅游主題文獻的Top60主題詞

4.2 共詞網(wǎng)絡主題挖掘

共詞分析法旨在利用文獻集中共同出現(xiàn)的、表征文獻主題的關(guān)鍵詞來反映文獻各主題之間的關(guān)聯(lián)，進而確定文獻主題的熱點。當兩個關(guān)鍵詞經(jīng)常同時出現(xiàn)在某一篇文獻中，說明它們之間存在一定的關(guān)聯(lián)，共現(xiàn)次數(shù)越多，則兩者的關(guān)系越緊密。

為了更好地分析“貴州旅游”研究的主題，采用共詞網(wǎng)絡法分析，并構(gòu)建關(guān)鍵詞共現(xiàn)矩陣。如公式(1)所示，當兩個關(guān)鍵詞同時出現(xiàn)在一篇文獻中，則認為共現(xiàn)并構(gòu)建關(guān)聯(lián)邊，其邊所對應的權(quán)重加1；反之，兩個關(guān)鍵詞不存在共現(xiàn)關(guān)系，其權(quán)重為0。

經(jīng)過之前的統(tǒng)計分析，共發(fā)現(xiàn)2773個主題關(guān)鍵詞，在此構(gòu)建2773×2773的共詞矩陣，接著進行共現(xiàn)網(wǎng)絡計算，得出8637組（頻次非零）共現(xiàn)主題詞組，其共現(xiàn)頻次為9616次，平均每組共現(xiàn)主題詞組出現(xiàn)1.14次。統(tǒng)計出如表5所示“貴州旅游”主題期刊文獻共現(xiàn)主題詞組前30名。由表可知，“<貴州,旅游資源>”主題詞組共現(xiàn)頻次最高，其值為33次；出現(xiàn)次數(shù)在15次以上的兩兩主題詞組還包括“<貴州,鄉(xiāng)村旅游>”（31次）、“<貴州,旅游>”（29次）、“<貴州,對策>”（15次）、“<貴州,可持續(xù)發(fā)展>”（15次）。它們在一定程度上也反映了“貴州旅游”文獻的研究熱點和關(guān)聯(lián)。

表5 貴州旅游主題文獻的Top30共現(xiàn)主題詞組

4.3 社交網(wǎng)絡分析主題挖掘

針對已構(gòu)建的關(guān)鍵詞共現(xiàn)矩陣，利用Gephi繪制貴州旅游文獻的核心關(guān)鍵詞共現(xiàn)關(guān)系圖譜。為了更加精準地識別該領(lǐng)域文獻的關(guān)鍵詞及主題，本文過濾了較為單一的共現(xiàn)關(guān)系，結(jié)合普萊斯定律對節(jié)點進行篩選，設(shè)置共現(xiàn)閾值為5，共挖掘出36個核心節(jié)點和45條關(guān)鍵共現(xiàn)關(guān)系。通過計算該社交網(wǎng)絡的模塊化為0.214，符合模塊化效果。平均路徑長度2.451，平均聚類系數(shù)0.506，平均度2.5，平均加權(quán)度23。最終繪制出圖3所示“貴州旅游”主題詞社交網(wǎng)絡圖。

由圖3可知“貴州旅游”主題詞共分為4個部分。以主題詞“貴州”為核心的部分占大部分，涉及“鄉(xiāng)村旅游”“旅游產(chǎn)業(yè)”“旅游開發(fā)”“可持續(xù)發(fā)展”等領(lǐng)域；以主題詞“旅游業(yè)”為核心的部分，涉及“旅游產(chǎn)業(yè)發(fā)展”“旅游大省”“旅游者”“戶外運動”“山地旅游”等；以主題詞“旅游資源”為核心的部分，涉及“旅游開發(fā)”“喀斯特”等；以主題詞“民族村寨”為核心的部分，涉及“西江苗寨”“旅游扶貧”等。這些領(lǐng)域一定程度上也反映了貴州省旅游業(yè)的主題演化趨勢及各個時期旅游發(fā)展的熱點關(guān)系，從民族村寨旅游到生態(tài)旅游，從鄉(xiāng)村旅游到鄉(xiāng)村振興。

圖3 貴州旅游主題文獻的社交網(wǎng)絡

4.4 層次聚類主題挖掘

文本聚類旨在根據(jù)文檔內(nèi)容的相似性，將無標簽的文檔集進行自動歸類。在將文檔集劃分為若干類過程中，盡可能地使得同類文檔的內(nèi)容相似性較大，不同類文檔的內(nèi)容相似性較小。常見的方法包括基于層次、基于劃分、基于密度和基于網(wǎng)絡的文本聚類方法。

本文通過Python的cluster.hierarch算法實現(xiàn)層次聚類，最終繪制如圖4所示的主題詞層次聚類圖。其橫向坐標軸表示各類別間的距離，縱向坐標軸表示各高頻關(guān)鍵詞。由圖可知，貴州省的旅游文獻主要包括“紅色旅游”“民族旅游”“鄉(xiāng)村旅游”“山地旅游”“全域旅游”“旅游扶貧”等主題詞。

圖4 貴州旅游主題文獻的層次聚類

整個旅游業(yè)的主題演化趨勢如下：

（1）最早以“紅色旅游”和“民族旅游”主題為主，包括“遵義會址”“西江千戶苗寨”“黃果樹瀑布”等著名景區(qū)吸引了大量的游客，與之關(guān)聯(lián)的主題詞包括“對策”“旅游產(chǎn)業(yè)”“發(fā)展”“民族村寨”等。

（2）隨著貴州提出“大生態(tài)”“大旅游”等戰(zhàn)略，并且“縣縣通高速”帶來了良好的交通便利，貴州逐漸以“生態(tài)旅游”和“全域旅游”主題為主，相關(guān)的主題詞包括“卡斯特”“生態(tài)文明建設(shè)”“可持續(xù)發(fā)展”等。

（3）隨著“鄉(xiāng)村振興、大數(shù)據(jù)、大生態(tài)”新三大戰(zhàn)略行動在貴州省的實施，旅游發(fā)展和生態(tài)文明建設(shè)在貴州起著重要作用，該時期出現(xiàn)以“鄉(xiāng)村旅游”和“旅游扶貧”為主題，相關(guān)的核心主題詞包括“鄉(xiāng)村振興”“旅游發(fā)展”“旅游產(chǎn)業(yè)發(fā)展”等。

5 結(jié)語

期刊文獻作為研究成果的重要載體，對其系統(tǒng)分析研究，能夠有效明確貴州旅游的研究分類、研究群體以及核心研究主題，從而揭示貴州旅游戰(zhàn)略發(fā)展過程。本文通過對中國知網(wǎng)數(shù)據(jù)庫有關(guān)“貴州旅游”主題的期刊文獻計量統(tǒng)計分析，得出“貴州旅游”主題期刊論文學科分類最多的為“經(jīng)濟類”，且以“旅游經(jīng)濟”為主。熱門期刊包括《當代貴州》（130篇）、《旅游縱覽（下半月）》（77篇）、《貴州民族研究》（64篇）。核心研究機構(gòu)包括“貴州師范大學”（174篇）、“貴州大學”（153篇）、“貴州財經(jīng)大學”（113篇）。

同時運用層次聚類和社交網(wǎng)絡分析算法對CNKI數(shù)據(jù)庫中1565篇“貴州旅游”期刊文獻進行主題挖掘。研究結(jié)果表明，“貴州旅游”主題詞共分為4個部分，以主題詞“貴州”為核心的部分占大部分，涉及“鄉(xiāng)村旅游”“旅游產(chǎn)業(yè)”“旅游開發(fā)”“可持續(xù)發(fā)展”等領(lǐng)域；以主題詞“旅游業(yè)”為核心的部分，涉及“旅游產(chǎn)業(yè)發(fā)展”“旅游大省”“旅游者”“戶外運動”“山地旅游”；以主題詞“旅游資源”為核心的部分，涉及“旅游開發(fā)”“喀斯特”；以主題詞“民族村寨”為核心的部分，涉及“西江苗寨”“旅游扶貧”。同時，結(jié)合層次聚類挖掘出貴州省旅游發(fā)展經(jīng)歷了“紅色旅游”和“民族旅游”、“生態(tài)旅游”和“全域旅游”、“鄉(xiāng)村旅游”和“旅游扶貧”為主題各個階段。

綜上，本文研究將為貴州旅游發(fā)展提供幫助，該方法能夠有效挖掘出貴州旅游發(fā)展熱點主題的分布情況及網(wǎng)絡關(guān)系，并就現(xiàn)階段旅游業(yè)發(fā)展提供切實可行的潛在發(fā)展方向指引，具有一定的研究意義和實用價值。