基于復(fù)雜網(wǎng)絡(luò)的圖情檔學(xué)科文獻(xiàn)熱點(diǎn)挖掘

基金項(xiàng)目：教育部第二批產(chǎn)學(xué)研項(xiàng)目“‘雙一流’大學(xué)新工科人才的元認(rèn)知能力培養(yǎng)研究”（項(xiàng)目編號(hào)：202102654061）;重慶市社會(huì)科學(xué)規(guī)劃項(xiàng)年度青年項(xiàng)目“‘雙一流’背景下圖書館協(xié)同本科專業(yè)建設(shè)服務(wù)模式創(chuàng)新研究”（項(xiàng)目編號(hào)：2021NDQN72）。

作者簡(jiǎn)介：巫芯宇（1986-），女，館員，博士研究生，研究方向：文化育人、智慧服務(wù)、智慧教育、科普閱讀推廣、知識(shí)付費(fèi)、圖書館服務(wù)與管理等。

摘 要：[目的/意義]跨學(xué)科、跨領(lǐng)域研究已經(jīng)成為學(xué)術(shù)研究的趨勢(shì)，針對(duì)圖情檔學(xué)科的文獻(xiàn)熱點(diǎn)分析，有助于研究者快速掌握該領(lǐng)域的熱點(diǎn)問題和未來趨勢(shì)，也為跨領(lǐng)域融合提供理論參考。[方法/過程]以2016—2021年圖情檔學(xué)科文獻(xiàn)為研究對(duì)象，利用復(fù)雜網(wǎng)絡(luò)技術(shù)構(gòu)建文獻(xiàn)關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)，使用Gephi網(wǎng)絡(luò)分析及可視化工具對(duì)圖情檔學(xué)科文獻(xiàn)熱點(diǎn)進(jìn)行挖掘。[結(jié)果/結(jié)論]挖掘出圖書館學(xué)、情報(bào)學(xué)和檔案學(xué)的熱點(diǎn)研究主題后，從圖情檔一級(jí)學(xué)科的視角綜合分析現(xiàn)有文獻(xiàn)熱點(diǎn)的特征，試圖提出該學(xué)科下一步的學(xué)科熱點(diǎn)主題和研究方向，為后續(xù)研究者提供指引和參考。

關(guān)鍵詞：圖情檔學(xué)科;復(fù)雜網(wǎng)絡(luò);文獻(xiàn)熱點(diǎn)

DOI：10.3969/j.issn.1008-0821.2022.04.015

〔中圖分類號(hào)〕G251 〔文獻(xiàn)標(biāo)識(shí)碼〕A 〔文章編號(hào)〕1008-0821（2022）04-0168-10

Abstract：[Purpose/Significance]Interdisciplinary and interdisciplinary research has become the trend of academic research.The literature hot spot analysis of map，information and archives discipline helps researchers quickly grasp the hot issues and future trends in this field，and also provides theoretical reference for interdisciplinary integration.[Method/Process]Taking the subject literature of map and information archives from 2016 to 2021 as the research object，the literature keyword co-occurrence network was constructed by using complex network technology，and the hot spots of map and information archives were mined by using gephi network analysis and visualization tools.[Results/Conclusions]After excavating the hot research topics of Library Science，information science and archival science，the characteristics of the existing literature hot topics were analyzed from the perspective of the first-class discipline of graphics，information and archives，and the next literature hot topics and research direction of the discipline were put forward，so as to provide guidance and reference for subsequent researchers.

Key words：subject of library and information archives;complex network;literature hotspot

當(dāng)今互聯(lián)網(wǎng)背景下的信息技術(shù)革命顛覆了各行各業(yè)，教育領(lǐng)域尤為突出。由美國(guó)西姆學(xué)院提出的“新文科”概念，于2018年8月正式出現(xiàn)在我國(guó)中共中央發(fā)布的文件中。2019年，為了全面推進(jìn)“四新”（即新工科、新醫(yī)科、新文科、新農(nóng)科）建設(shè)，教育部、科技部等13個(gè)部門聯(lián)合啟動(dòng)了“六卓越一拔尖”計(jì)劃2.0[1]，至此“新文科”建設(shè)開始落地實(shí)施。2020年，在山東大學(xué)召開的新文科建設(shè)會(huì)議中發(fā)布了《新文科建設(shè)宣言》，全面部署新文科建設(shè)的相關(guān)工作[2]。“新文科”建設(shè)已成為我國(guó)今后高等教育所要著力推進(jìn)的核心工作，在此背景下，圖書情報(bào)與檔案管理（以下簡(jiǎn)稱圖情檔）學(xué)界的不少學(xué)者對(duì)圖書情報(bào)學(xué)科的發(fā)展趨勢(shì)進(jìn)行積極的探索。初景利[3]認(rèn)為，應(yīng)積極響應(yīng)新文科建設(shè)的戰(zhàn)略，強(qiáng)化圖情檔學(xué)科與其他學(xué)科的交叉融合，致力于實(shí)現(xiàn)圖情檔從“軟學(xué)科”到“硬學(xué)科”的再造。馬費(fèi)成等[4]提出要從關(guān)注社會(huì)需求、重視交叉融合、加強(qiáng)理論創(chuàng)新、堅(jiān)守人文傳統(tǒng)等方面來思考圖情檔學(xué)科未來發(fā)展?？缕絒5]認(rèn)為，圖情檔學(xué)科要迎合新文科建設(shè)的相關(guān)政策，努力打造出跨界融合的新文科建設(shè)模式?？梢姡瑘D情檔學(xué)科將在新文科建設(shè)征程中大有可為，提高圖情檔學(xué)科的科研水平，大力培育與其他學(xué)科交叉融合的新興學(xué)科，是當(dāng)前圖情檔學(xué)科建設(shè)所面臨的重要問題。

圖情檔學(xué)科要想適應(yīng)和契合新文科戰(zhàn)略部署，必須重新審視本學(xué)科現(xiàn)有的定位。圖情檔學(xué)科作為一級(jí)學(xué)科，在學(xué)科門類上隸屬于管理學(xué)，管理學(xué)既不是純粹的理科，也不是純粹的文科，本身具有很強(qiáng)的交叉學(xué)科性質(zhì)[3]。近年來，圖情檔學(xué)科在人工智能、數(shù)據(jù)科學(xué)、公共文化管理、信息學(xué)、數(shù)字人文等新興領(lǐng)域?qū)崿F(xiàn)了跨學(xué)科的融合發(fā)展，并積累了大量的學(xué)術(shù)成果。要想更好地迎接新文科建設(shè)下的挑戰(zhàn)，就需要對(duì)圖情檔學(xué)科既往的研究成果進(jìn)行綜合分析，挖掘出圖情檔學(xué)科研究熱點(diǎn)，既可為該領(lǐng)域及跨領(lǐng)域的研究者作出指引，也可提升圖情檔學(xué)科的學(xué)術(shù)科研水平。筆者分析現(xiàn)有的圖情檔學(xué)科的研究熱點(diǎn)文獻(xiàn)，發(fā)現(xiàn)研究成果不超過5篇，其中孫艷紅[6]、吳維芳[7]、柴歡等[8]都是對(duì)該學(xué)科領(lǐng)域內(nèi)科研立項(xiàng)的情況進(jìn)行統(tǒng)計(jì)分析，且多是通過簡(jiǎn)單的圖表和描述性文字來分析數(shù)據(jù)，對(duì)關(guān)鍵詞的統(tǒng)計(jì)和劃分也帶有很大的主觀能動(dòng)性，缺乏系統(tǒng)的文本處理方法和科學(xué)的關(guān)鍵詞提取技術(shù)。因考慮到科研立項(xiàng)情況并非能涵蓋所有的圖情檔學(xué)科研究熱點(diǎn)，為更好地幫助研究者快速掌握該領(lǐng)域內(nèi)全部的研究熱點(diǎn)，故以2016—2021年圖情檔學(xué)科文獻(xiàn)為研究對(duì)象，利用復(fù)雜網(wǎng)絡(luò)技術(shù)構(gòu)建文獻(xiàn)關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)，使用Gephi網(wǎng)絡(luò)分析及可視化工具挖掘圖情檔學(xué)科的熱點(diǎn)研究主題，從而揭示圖情檔學(xué)科熱點(diǎn)研究領(lǐng)域及各領(lǐng)域熱點(diǎn)研究主題。

1 相關(guān)研究

復(fù)雜網(wǎng)絡(luò)是對(duì)存在的網(wǎng)絡(luò)現(xiàn)象及其復(fù)雜性進(jìn)行解釋的學(xué)科[9]，因其以圖像化的方式再現(xiàn)系統(tǒng)中各大主體及其之間的關(guān)系而受到不少學(xué)者的關(guān)注。該理論已被應(yīng)用于文獻(xiàn)挖掘領(lǐng)域，其理論模型是由大量的節(jié)點(diǎn)和連接兩端節(jié)點(diǎn)的邊組成。熱點(diǎn)挖掘和識(shí)別是文獻(xiàn)分析研究的重要方法之一，其是指探析一個(gè)學(xué)科領(lǐng)域的研究熱點(diǎn)及其連接關(guān)系[10]。分析文獻(xiàn)本身就是一個(gè)復(fù)雜、多階段和耗時(shí)的過程，因此Feng L等[11]認(rèn)為，在系統(tǒng)分析文獻(xiàn)時(shí)要使用一定的文本挖掘技術(shù)和工具。關(guān)鍵詞是文獻(xiàn)文本挖掘中不可忽視的重要信息，是一篇文獻(xiàn)表達(dá)其主題的重要手段。通過對(duì)某一學(xué)科領(lǐng)域內(nèi)現(xiàn)有文獻(xiàn)的關(guān)鍵詞進(jìn)行集合性分析，可揭示所在學(xué)科領(lǐng)域的總體特征、研究熱點(diǎn)、研究主題及發(fā)展趨勢(shì)等特性。

國(guó)內(nèi)外學(xué)者基于復(fù)雜網(wǎng)絡(luò)挖掘文獻(xiàn)熱點(diǎn)展開了積極的探索。如Su X等[12]對(duì)數(shù)字圖書館文獻(xiàn)進(jìn)行關(guān)鍵詞的統(tǒng)計(jì)和聚類分析，基于復(fù)雜網(wǎng)絡(luò)原理將提取到的關(guān)鍵詞進(jìn)行兩兩不重復(fù)的、無序的組合后，統(tǒng)計(jì)出每一對(duì)關(guān)鍵詞出現(xiàn)的頻次，形成共現(xiàn)矩陣，最終結(jié)合復(fù)雜網(wǎng)絡(luò)中社區(qū)發(fā)現(xiàn)原理來挖掘不同的研究主題及主題之間的關(guān)系;Schossboeck J等[13]結(jié)合期刊內(nèi)容，使用文本挖掘、主題建模、k-means聚類、社會(huì)網(wǎng)絡(luò)分析和社區(qū)檢測(cè)等數(shù)據(jù)挖掘方法，分析某一期刊上發(fā)表過的所有論文，最后從期刊管理的角度對(duì)研究結(jié)果進(jìn)行深入地定性解釋;辛娟娟等[10]也運(yùn)用復(fù)雜網(wǎng)絡(luò)中社區(qū)識(shí)別技術(shù)對(duì)林業(yè)領(lǐng)域的文獻(xiàn)進(jìn)行挖掘，最終總結(jié)出八大主題研究領(lǐng)域;蔡婷婷等[14]基于復(fù)雜網(wǎng)絡(luò)理論對(duì)關(guān)鍵詞進(jìn)行分析，總結(jié)出危險(xiǎn)品運(yùn)輸領(lǐng)域公路運(yùn)輸、道路運(yùn)輸和層次分析法三大研究熱點(diǎn);徐小瑩等[15]基于網(wǎng)絡(luò)嵌入進(jìn)行大規(guī)模關(guān)鍵詞共詞分析，最終分析出近四年來圖情學(xué)科熱度的持續(xù)、增加和減退的研究主題。復(fù)雜網(wǎng)絡(luò)的理論和文獻(xiàn)熱點(diǎn)挖掘技術(shù)在圖情檔學(xué)科領(lǐng)域暫處于起步階段，研究成果較少，這也為本文的研究提供了理論和實(shí)踐上的價(jià)值。

2 研究思路與框架

本研究首先利用TF-IDF方法提取文獻(xiàn)語義表征，然后利用DBSCAN聚類算法發(fā)現(xiàn)研究主題較為集中的文獻(xiàn)簇，最后利用復(fù)雜網(wǎng)絡(luò)技術(shù)構(gòu)建文獻(xiàn)關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)，使用Gephi網(wǎng)絡(luò)分析及可視化工具挖掘圖情檔學(xué)科的熱點(diǎn)研究主題，研究思路與框架如圖1所示。

2.1 文獻(xiàn)采集

筆者以“圖情檔”“圖書情報(bào)檔案”“檔案”“檔案學(xué)”“圖書情報(bào)”“圖書館”“數(shù)字人文”“輿情”“用戶信息行為”等關(guān)鍵詞，在知網(wǎng)數(shù)據(jù)庫中以“主題”檢索方式進(jìn)行文獻(xiàn)檢索，文獻(xiàn)檢索范圍主要覆蓋2016—2021年上述關(guān)鍵詞的相關(guān)中文文獻(xiàn)。文獻(xiàn)采集的原則力求采集到的數(shù)據(jù)盡可能全面、無遺漏，具體操作時(shí)，這個(gè)問題就轉(zhuǎn)換為用于檢索的關(guān)鍵詞的設(shè)定盡可能全面。對(duì)于關(guān)鍵詞的評(píng)估主要根據(jù)：一是檢索結(jié)果中包含圖情檔學(xué)科相關(guān)學(xué)術(shù)期刊的中圖分類號(hào)G25、G35、G26、G27、N99等，或者包含《中國(guó)圖書館學(xué)報(bào)》《信息資源管理學(xué)報(bào)》《圖書情報(bào)知識(shí)》《圖書館論壇》等CSSCI、北大核心、中國(guó)科技核心類期刊;二是因?yàn)殛P(guān)鍵詞之間存在共詞關(guān)系，收集一定數(shù)量關(guān)鍵詞之后新增關(guān)鍵詞檢索，結(jié)果去重之后幾乎不再增加，就認(rèn)為新增的關(guān)鍵詞和已收集關(guān)鍵詞存在共詞關(guān)系，這一點(diǎn)在最終的分析中也能夠印證。PageRank排序最高的“文獻(xiàn)計(jì)量學(xué)”和“閱讀推廣”并沒有被用做關(guān)鍵詞去檢索文獻(xiàn)，因這兩個(gè)詞和本文所用到的多個(gè)關(guān)鍵詞都存在共詞關(guān)系，所在文獻(xiàn)一樣被收集到分析數(shù)據(jù)中。此外，本文的分析方法和結(jié)果也可以證明文獻(xiàn)采集階段所使用的關(guān)鍵詞是“完備”和“收斂”的，文獻(xiàn)的主題聚類和關(guān)鍵詞網(wǎng)絡(luò)關(guān)系分析分別使用的是TF-IDF和PageRank方法，這兩種主流的文本關(guān)鍵詞提取方法，底層原理不同，對(duì)于本文卻可通過共詞關(guān)系完美地解釋分析結(jié)果的統(tǒng)一性和合理性。經(jīng)過多次檢索，確定關(guān)鍵詞后，采用Python+Selenium自動(dòng)化測(cè)試框架編寫爬蟲代碼，從文獻(xiàn)檢索結(jié)果中獲取標(biāo)題、作者、關(guān)鍵詞、摘要、年份等數(shù)據(jù)，最終采集到文獻(xiàn)42 865篇。

2.2 數(shù)據(jù)預(yù)處理

由于采用上述不同關(guān)鍵詞分別檢索到的文獻(xiàn)存在重復(fù)，因此首先對(duì)文獻(xiàn)集進(jìn)行去重。并刪除會(huì)議通告、期刊介紹、選題指南等非研究型文獻(xiàn)，共剩余35 297篇。最后，根據(jù)中圖分類號(hào)規(guī)則[16]，圖情檔學(xué)科相關(guān)學(xué)術(shù)期刊的中圖分類號(hào)主要為G25、G35、G26、G27、N99等。此外，考慮到跨學(xué)科研究，保留D92、G40、G42、N94等相關(guān)文獻(xiàn)進(jìn)行分析，最終獲得文獻(xiàn)25 374篇。文獻(xiàn)的題目、摘要和關(guān)鍵詞這3項(xiàng)內(nèi)容基本能夠代表文獻(xiàn)的內(nèi)容，將這3個(gè)部分的文本內(nèi)容作為一個(gè)整體處理。這樣的處理方式主要是考慮到后面用TF-IDF方法對(duì)文本向量化時(shí)，同一個(gè)詞如果同時(shí)在這3個(gè)部分中多處出現(xiàn)，則比單獨(dú)的關(guān)鍵詞更能突顯文章主題。關(guān)鍵詞是表達(dá)文獻(xiàn)語義的重要手段，但常常也會(huì)存在表達(dá)偏差和表達(dá)不全，同時(shí)用文獻(xiàn)的題目、摘要和關(guān)鍵詞這3項(xiàng)內(nèi)容來表示文章語義是更為合適的選擇，Google Scholar、Aminer等學(xué)術(shù)搜索引擎同樣也是用這種處理方式來代表文章語義。

2.3 文獻(xiàn)向量化

TF-IDF（Term Frequency-Inverse Document Frequency）是一種用于信息檢索與數(shù)據(jù)挖掘的常用加權(quán)技術(shù)[17]。選取文章出現(xiàn)頻率高、有區(qū)分度的詞語來進(jìn)行文獻(xiàn)的分類。

1）TF是詞頻（Term Frequency）

詞頻（TF）表示詞條（關(guān)鍵字）在文本中出現(xiàn)的頻率。

TFw=在某一類中詞條w出現(xiàn)的次數(shù)該類中所有的詞條數(shù)目（1）

2）IDF是逆向文件頻率（Inverse Document Frequency）

逆向文件頻率（IDF）：總文本數(shù)除以包含該特定詞條的文檔數(shù)，得到的商再取對(duì)數(shù)。

IDF=log語料庫的文檔總數(shù)包含詞條w的文檔數(shù)+1（2）

分母之所以要加1，是為了避免分母為0。

3）TF-IDF實(shí)際上是：TF*IDF

通過特定文檔的高頻率詞條和該詞條在整體文檔中的低文件頻率，產(chǎn)生出高權(quán)重的TF-IDF。

TF-IDF=TF*IDF（3）

首先，對(duì)25 374篇文獻(xiàn)的題目、摘要和關(guān)鍵詞進(jìn)行中文分詞，結(jié)果作為全局語料字典，根據(jù)全局語料字典計(jì)算得到全局的IDF，然后，再將每一篇文獻(xiàn)的題目、摘要和關(guān)鍵詞作為一個(gè)整體計(jì)算TF，由此得到了每一個(gè)詞的TF-IDF。用長(zhǎng)度等于全局語料字典詞數(shù)量（55 973個(gè)）的向量來作為文獻(xiàn)的表征向量，對(duì)于特定的文獻(xiàn)，在其題目、摘要和關(guān)鍵詞內(nèi)容中出現(xiàn)過的詞，在全局語料對(duì)應(yīng)位置寫上TF-IDF值，在其他位置上就為0，這是一個(gè)巨大的稀疏向量（形狀：全局語料字典詞數(shù)*文獻(xiàn)數(shù)量）。

2.4 PCA降維

雖然通過TF-IDF方法得到了在25 374篇文獻(xiàn)的空間內(nèi)以文獻(xiàn)為單位的一個(gè)表征，但是這樣的表征是高度稀疏的，直接作為下游機(jī)器學(xué)習(xí)模型的輸入效果很差，因此引入PCA方法來解決這個(gè)問題。

PCA是常用的提取數(shù)據(jù)的手段，其功能為提取主成分（主要信息），摒棄冗余信息（次要信息），從而得到壓縮后的數(shù)據(jù)，實(shí)現(xiàn)維度的下降。其設(shè)想通過投影矩陣將高維信息轉(zhuǎn)換到另一個(gè)坐標(biāo)系下，并通過平移將數(shù)據(jù)均值變?yōu)榱?。PCA認(rèn)為，在變換過后的數(shù)據(jù)中，在某一維度上，數(shù)據(jù)分布得更分散，則認(rèn)為對(duì)數(shù)據(jù)點(diǎn)分布情況的解釋力就更強(qiáng)。故在PCA中，通過方差來衡量數(shù)據(jù)樣本在各個(gè)方向上投影的分布情況，進(jìn)而對(duì)有效的低維方向進(jìn)行選擇。KernelPCA是PCA的一個(gè)改進(jìn)版，它將非線性可分的數(shù)據(jù)轉(zhuǎn)換到一個(gè)適合對(duì)齊進(jìn)行線性分類的新的低維子空間上，該P(yáng)CA可以通過非線性映射將數(shù)據(jù)轉(zhuǎn)換到高維空間里，在高維空間中使用PCA將其映射到另一個(gè)低維空間中，并通過線性分類器對(duì)樣本進(jìn)行劃分。

筆者同時(shí)嘗試了PCA和KernelPCA方法將文獻(xiàn)表征向量的長(zhǎng)度從55 973維壓縮到50維，使表征矩陣不再稀疏。

2.5 文本聚類

DBSCAN是一種基于密度的聚類算法[18]。使用DBSCAN算法對(duì)25 374篇文獻(xiàn)聚類，同時(shí)使用Cosine余弦距離作為距離度量，挖掘熱點(diǎn)并過濾掉研究主題不是很集中的文獻(xiàn)和噪聲數(shù)據(jù)，將聚類的最小數(shù)量適量放大。嘗試了多組搜索半徑和最小樣本數(shù)的組合，實(shí)驗(yàn)效果較好的是：使用PCA方法降維時(shí)，搜索半徑設(shè)為0.05，最小樣本數(shù)設(shè)為50。

通過實(shí)驗(yàn)，共聚得11個(gè)類簇：0類簇包含文獻(xiàn)126篇，主題為圖書館學(xué);1類簇包含文獻(xiàn)127篇，主題為目錄學(xué)，文獻(xiàn)編目;2類簇包含文獻(xiàn)318篇，主題為圖書館服務(wù)，閱讀推廣;3類簇包含文獻(xiàn)114篇，主題為數(shù)字人文和信息技術(shù)與圖情檔學(xué)科的交叉研究;4類簇包含文獻(xiàn)407篇，主題為文獻(xiàn)計(jì)量;5類簇包含文獻(xiàn)198篇，主題為檔案管理模式和制度;6類簇包含文獻(xiàn)160篇，主題為檔案服務(wù);7類簇包含文獻(xiàn)54篇，主題為檔案學(xué)理論研究;8類簇包含文獻(xiàn)52篇，主題為圖書館服務(wù)體系研究;9類簇包含文獻(xiàn)62篇，主題為圖書館發(fā)展研究;10類簇包含文獻(xiàn)95篇，主題為新媒體平臺(tái)和高校輿情;未聚類23 671篇，通過深入分析發(fā)現(xiàn)，未聚類的文獻(xiàn)存在3類情況：第一類是研究主題較為籠統(tǒng)寬泛，方向比較大，沒有立足于一個(gè)非常具體的研究點(diǎn)，比較典型的是綜述類文獻(xiàn);第二類是研究主題雖然明確，但不具備數(shù)量上的集中性，屬于小眾研究方向，比如“音樂院校圖書館口述歷史資源建設(shè)路徑探索”（《四川戲劇》2021）這樣冷門的跨學(xué)科的研究方向;第三類是噪聲數(shù)據(jù)，經(jīng)過數(shù)據(jù)預(yù)處理之后，仍然還會(huì)存在一部分噪聲數(shù)據(jù)，比如“扎實(shí)求進(jìn)，推動(dòng)發(fā)展——北京市檔案館傳達(dá)全國(guó)檔案局長(zhǎng)館長(zhǎng)會(huì)議精神”（《北京檔案》2021），這種新聞簡(jiǎn)報(bào)類數(shù)據(jù)存在于知網(wǎng)的檢索結(jié)果中，但在數(shù)據(jù)預(yù)處理時(shí)無法用單一的規(guī)則過濾，這一步借助無法聚類達(dá)到過濾的效果，消除了噪音數(shù)據(jù)對(duì)后續(xù)分析的影響。需要說明的是，聚類的平衡和效果，是經(jīng)過多次實(shí)驗(yàn)比較之后得到的，將聚類的最小樣本數(shù)設(shè)為50，從實(shí)驗(yàn)效果和數(shù)量占比上來講也是很合理的，最小樣本數(shù)設(shè)為100時(shí)，聚類結(jié)果是7類，而最小樣本數(shù)設(shè)為40時(shí)，聚類結(jié)果就增加到23類;另外50篇大概占文獻(xiàn)數(shù)量（25 376篇）的2%，一個(gè)研究主題雖然具有一定的數(shù)量，但卻不超過總數(shù)的2%，應(yīng)該也只能算很小眾的研究主題，上述兩點(diǎn)證明當(dāng)前聚類結(jié)果是平衡合理的。此外，從全景圖（圖3）和局部圖（圖4）可以看出，紫色的點(diǎn)是未聚類的文獻(xiàn)，散布在各處，藍(lán)色、綠色、黃色的點(diǎn)都是聚成類的文獻(xiàn)，而且相當(dāng)集中，各類之間邊界清晰，說明聚類效果較好。

2.6 構(gòu)建關(guān)鍵詞網(wǎng)絡(luò)

上一步聚成類的11個(gè)類簇共1 713篇文獻(xiàn)，共有關(guān)鍵詞6 872個(gè)，去重后還有3 873個(gè)，一篇文獻(xiàn)中同時(shí)出現(xiàn)兩個(gè)關(guān)鍵詞就可以形成一個(gè)二元關(guān)系，共7 517 503個(gè)二元組關(guān)系，去重后合并權(quán)重轉(zhuǎn)化為三元組關(guān)系9 910個(gè)。本文基于復(fù)雜網(wǎng)絡(luò)理論和Gephi可視化技術(shù)，統(tǒng)計(jì)不同關(guān)鍵詞在文獻(xiàn)集的每篇文獻(xiàn)中同時(shí)出現(xiàn)的共現(xiàn)頻次，構(gòu)建關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)。由于每篇文獻(xiàn)的多個(gè)關(guān)鍵詞之間都是并列的，并不存在邏輯上必須的先后順序，因此，關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)是一種無向網(wǎng)絡(luò)。

3 研究結(jié)果與分析

復(fù)雜網(wǎng)絡(luò)分析中，節(jié)點(diǎn)度、聚類系數(shù)和平均路徑長(zhǎng)度這3個(gè)基本概念可以很好地反映一個(gè)網(wǎng)絡(luò)的基本特征。另外，衡量網(wǎng)絡(luò)小世界結(jié)構(gòu)的程度可以用小世界商值，即將當(dāng)前網(wǎng)絡(luò)的聚類系數(shù)C、平均路徑長(zhǎng)度L與同規(guī)模隨機(jī)網(wǎng)絡(luò)的聚類系數(shù)C和平均路徑長(zhǎng)度L進(jìn)行比較運(yùn)算，如果符合式（4），則該網(wǎng)絡(luò)具有小世界結(jié)構(gòu)傾向[19]：

3.1 圖情檔學(xué)科綜合分析

根據(jù)Gephi來對(duì)關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)的網(wǎng)絡(luò)特性進(jìn)行統(tǒng)計(jì)分析，結(jié)果如表1所示。

按照宋靖華等[19]研究方法，構(gòu)建另一個(gè)相同規(guī)模、相同密度的隨機(jī)網(wǎng)絡(luò)，計(jì)算該隨機(jī)網(wǎng)絡(luò)的特征參數(shù)，結(jié)果如表2所示。

用式（4）可得：

2.125大于1，說明圖情檔學(xué)科關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)具有較明顯的小世界特性[20]。

利用Gephi社區(qū)探測(cè)方法進(jìn)一步挖掘得到該網(wǎng)絡(luò)的9個(gè)大社區(qū)和數(shù)個(gè)小社區(qū)，網(wǎng)絡(luò)模塊度Q值為0.799。通過OpenOrd算法進(jìn)行750次迭代（其他參數(shù)為默認(rèn)值）后得到關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)可視化圖形，如圖5所示。

3.2 熱點(diǎn)關(guān)鍵詞分析

計(jì)算節(jié)點(diǎn)的加權(quán)度、Betweenness Centrality、Eigenvector Centrality和PageRank值，并按降序排列，如表3所示?？梢钥闯觯墨I(xiàn)計(jì)量學(xué)、閱讀推廣、圖書館、數(shù)字人文、檔案學(xué)、知識(shí)圖譜、可視化、網(wǎng)絡(luò)輿情是熱度較高的關(guān)鍵詞。

3.3 熱點(diǎn)關(guān)鍵詞關(guān)聯(lián)分析

根據(jù)社區(qū)發(fā)現(xiàn)結(jié)果，對(duì)節(jié)點(diǎn)上色和布局，通過k-核心算法過濾掉處于邊緣位置的點(diǎn)，以發(fā)現(xiàn)熱點(diǎn)關(guān)鍵詞之間的關(guān)聯(lián)關(guān)系，如圖6和圖7所示。

設(shè)定k等于8過濾，發(fā)現(xiàn)熱點(diǎn)研究方向：文獻(xiàn)計(jì)量學(xué)分別和知識(shí)圖譜、圖書情報(bào)、研究熱點(diǎn)、可視化分析以及推拿為代表的一類醫(yī)學(xué)方向;檔案專業(yè)和圖書情報(bào)專業(yè);明清檔案和檔案文獻(xiàn);網(wǎng)絡(luò)輿情和主流媒體、微信公眾平臺(tái);檔案工作和檔案數(shù)字化。進(jìn)一步提高k值，設(shè)定k等于12過濾，發(fā)現(xiàn)：文獻(xiàn)計(jì)量學(xué)和醫(yī)學(xué)的交叉研究很多;網(wǎng)絡(luò)輿情涉及涉軍、高利貸、山東和一些媒體;檔案工作的幾個(gè)方向和內(nèi)容。

4 研究結(jié)果

4.1 圖情檔學(xué)科的熱點(diǎn)研究主題

本文基于復(fù)雜網(wǎng)絡(luò)技術(shù)，通過構(gòu)建關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)，以2016—2021年圖情檔學(xué)科文獻(xiàn)為研究對(duì)象，使用Gephi網(wǎng)絡(luò)分析及可視化工具挖掘圖情檔學(xué)科的熱點(diǎn)研究主題。

1）圖書館領(lǐng)域的研究熱點(diǎn)最為聚集，文獻(xiàn)核心主題以大數(shù)據(jù)、高校和公共圖書館、知識(shí)服務(wù)、人工智能、閱讀推廣、數(shù)字人文為主?？傮w來說，圖書館領(lǐng)域文獻(xiàn)熱點(diǎn)可分為圖書館實(shí)證研究和圖書館學(xué)科研究。圖書館實(shí)證研究是指對(duì)高校、公共等特定類型圖書館的實(shí)證問題研究;圖書館學(xué)科研究主要是指對(duì)圖書館學(xué)科的研究熱點(diǎn)、專業(yè)建設(shè)或人才培養(yǎng)等方面的研究。

2）情報(bào)學(xué)領(lǐng)域主題可分為以文獻(xiàn)計(jì)量、學(xué)術(shù)評(píng)價(jià)為主的情報(bào)學(xué)應(yīng)用和大數(shù)據(jù)環(huán)境下情報(bào)學(xué)及情報(bào)學(xué)科建設(shè)兩類。前者主要是使用Citespace、社會(huì)網(wǎng)絡(luò)分析、共詞分析等方法對(duì)各學(xué)科進(jìn)行分析，數(shù)據(jù)顯示主要應(yīng)用于醫(yī)學(xué)、計(jì)算機(jī)科學(xué)、教育等學(xué)科的熱點(diǎn)分析及其他相關(guān)研究。后者主要是基于大數(shù)據(jù)、數(shù)據(jù)科學(xué)等數(shù)據(jù)技術(shù)對(duì)情報(bào)學(xué)的學(xué)科建設(shè)、人才培養(yǎng)、學(xué)科理論等學(xué)科發(fā)展問題進(jìn)行研究。

3）檔案領(lǐng)域文獻(xiàn)熱點(diǎn)集中在檔案數(shù)字化、檔案館業(yè)務(wù)、檔案學(xué)科研究及檔案局業(yè)務(wù)等相關(guān)主題上。檔案數(shù)字化包括檔案信息化、電子文件、電子檔案、大數(shù)據(jù)、區(qū)塊鏈、單套制、云計(jì)算、雙套制、數(shù)據(jù)庫、人工智能等;檔案館業(yè)務(wù)包括檔案資源、檔案利用、檔案服務(wù)、檔案文化、檔案編研、檔案展覽、檔案庫房、社交媒體、檔案開放、城市記憶、公眾參與等;檔案學(xué)科研究包括知識(shí)圖譜、文獻(xiàn)計(jì)量、數(shù)字人文、檔案教育、檔案學(xué)研究、可視化、Citespace、人才培養(yǎng)、高等教育、研究熱點(diǎn)等;檔案局業(yè)務(wù)包括檔案法、民生檔案、檔案安全、公共服務(wù)、檔案工作人員、十三五、疫情防控、檔案業(yè)務(wù)指導(dǎo)、檔案宣傳、縣級(jí)檔案、鄉(xiāng)村振興、檔案管理隊(duì)伍等。

4.2 熱點(diǎn)研究主題的特征

1）文獻(xiàn)計(jì)量學(xué)研究成果較多。文獻(xiàn)計(jì)量學(xué)作為圖情檔學(xué)科的一個(gè)重要議題，經(jīng)過多年發(fā)展已經(jīng)成為該學(xué)科開展自身研究的一個(gè)重要方法，交叉程度不斷加深。圖情檔文獻(xiàn)熱點(diǎn)關(guān)鍵詞包括文獻(xiàn)計(jì)量學(xué)、文獻(xiàn)計(jì)量、引文分析、聚類分析、共詞分析等，現(xiàn)主研人工智能的學(xué)者也把人工智能中流行數(shù)據(jù)可視化研究方法引入到文獻(xiàn)計(jì)量學(xué)研究中。文獻(xiàn)計(jì)量學(xué)不僅能解決傳統(tǒng)的學(xué)科問題，還能為人工智能的研究提供理論知識(shí)和參考經(jīng)驗(yàn)。

2）圖情檔學(xué)科與信息技術(shù)緊密結(jié)合。人工智能時(shí)代的來臨，可視化、知識(shí)圖譜、聚類分析和社會(huì)網(wǎng)絡(luò)分析等許多具有代表性的技術(shù)和方法也影響著圖情檔學(xué)科的發(fā)展和研究。從表3可看出，可視化分析和Citespace等關(guān)鍵詞在各種指標(biāo)排序中都占有重要地位，圖情檔學(xué)科各領(lǐng)域研究均對(duì)可視化技術(shù)和工具有巨大的需求，國(guó)內(nèi)被使用最多的是Citespace。以Citespace、Hist Cite為代表的可視化工具，對(duì)用戶來說存在一定的使用門檻，未來，誰可以更好地掌握可視化技術(shù)和工具誰就將在圖情檔學(xué)科研究中占得先機(jī)。

3）圖書館資源建設(shè)和服務(wù)研究熱度高，是近5年來我國(guó)圖情檔學(xué)科主要研究主題。從表3可看出，高校和公共圖書館、數(shù)字圖書館、閱讀推廣等與圖書館有關(guān)的關(guān)鍵詞高居前位。根據(jù)閱讀推廣關(guān)鍵詞被劃分的社區(qū)分析發(fā)現(xiàn)，除圖書館、社會(huì)共享這一類傳統(tǒng)的研究話題外，數(shù)字圖書館、新媒體、互聯(lián)網(wǎng)+等新技術(shù)模式的關(guān)鍵詞也占據(jù)重要地位，以“讀者為中心”的圖書館服務(wù)也成為研究熱點(diǎn)，包括認(rèn)知差距、用戶圖像、信息素養(yǎng)、閱讀推廣和智慧化服務(wù)等主題。

4）跨領(lǐng)域、跨學(xué)科研究成為趨勢(shì)。對(duì)當(dāng)前圖情檔學(xué)科的研究熱點(diǎn)挖掘后發(fā)現(xiàn)，圖情檔學(xué)科與其他學(xué)科的跨學(xué)科研究主要集中在“利用文獻(xiàn)計(jì)量方法對(duì)某學(xué)科文獻(xiàn)熱點(diǎn)進(jìn)行挖掘”和“數(shù)據(jù)技術(shù)、數(shù)字技術(shù)等和圖情檔學(xué)科的融合”兩方面?！靶挛目啤苯ㄔO(shè)也要求圖情檔領(lǐng)域能盡快打通學(xué)科壁壘，打造跨學(xué)科的復(fù)合型創(chuàng)新人才。根據(jù)研究分析顯示部分圖書館管理引入物流行業(yè)中的智能倉儲(chǔ)技術(shù)，對(duì)圖書館管理工作的優(yōu)化起到推動(dòng)作用。而圖書館理論與在線教育融合研究這塊研究很少，根據(jù)后疫情時(shí)代的需要，這些都具有很好的研究?jī)r(jià)值，值得學(xué)者們持續(xù)關(guān)注和深入研究。

4.3 熱點(diǎn)主題的研究方向

當(dāng)前，圖情檔學(xué)科建設(shè)面臨著新環(huán)境、新理念、新資源和新模式。新環(huán)境指學(xué)科建設(shè)所面臨的新社會(huì)和教育環(huán)境，包含一系列的國(guó)家戰(zhàn)略措施，例如“十四五規(guī)劃”“雙一流建設(shè)”“新文科建設(shè)”等。新環(huán)境給圖情檔學(xué)科發(fā)展提出了新要求，“十四五規(guī)劃”要求發(fā)展檔案事業(yè)，深入推進(jìn)全民閱讀;“雙一流建設(shè)”要求學(xué)科建設(shè)要結(jié)合產(chǎn)業(yè)需要，優(yōu)化學(xué)術(shù)組織、學(xué)術(shù)評(píng)價(jià)機(jī)制等;“新文科建設(shè)”提出利用好新技術(shù)，實(shí)現(xiàn)學(xué)科間的跨界融合。新理念指內(nèi)涵式、高質(zhì)量的發(fā)展理念。新資源強(qiáng)調(diào)不僅要重視文字、音像、圖像等傳統(tǒng)資源，還要在學(xué)科建設(shè)中進(jìn)行數(shù)據(jù)資源的使用和管理。新模式是指圖情檔學(xué)科要?jiǎng)?chuàng)新其模式來契合當(dāng)前的社會(huì)環(huán)境和教育理念，構(gòu)建圖書館學(xué)、情報(bào)學(xué)、檔案學(xué)的人才培養(yǎng)模式。據(jù)此，筆者提出圖情檔學(xué)科下一步的熱點(diǎn)主題和研究方向。

1）解讀政策導(dǎo)向，契合國(guó)家戰(zhàn)略。通過對(duì)當(dāng)前圖情檔學(xué)科的研究熱點(diǎn)挖掘可發(fā)現(xiàn)，除高校圖書館主題熱點(diǎn)出現(xiàn)“雙一流”高頻詞外，“新文科”“產(chǎn)業(yè)”等詞均未作為該領(lǐng)域高頻關(guān)鍵詞出現(xiàn)。如何更好地解讀政策導(dǎo)向，引領(lǐng)學(xué)科發(fā)展，是在教、學(xué)、研中都需深入思考的問題。如檔案學(xué)研究開始涉及基層社會(huì)治理和惠民生，與中國(guó)共產(chǎn)黨十八屆三中全會(huì)正式提出社會(huì)治理的命題有直接關(guān)系，這將會(huì)是圖情檔學(xué)科研究的一個(gè)熱點(diǎn)方向。

2）基于數(shù)據(jù)資源進(jìn)行學(xué)科轉(zhuǎn)型。對(duì)2016—2021年的圖情檔學(xué)科研究熱點(diǎn)挖掘后發(fā)現(xiàn)，近期圖情檔學(xué)科議題大多圍繞著“數(shù)據(jù)”進(jìn)行，現(xiàn)有的研究主要是基于大數(shù)據(jù)、數(shù)據(jù)科學(xué)等數(shù)據(jù)技術(shù)對(duì)情報(bào)學(xué)的學(xué)科建設(shè)、人才培養(yǎng)、學(xué)科理論等學(xué)科發(fā)展問題進(jìn)行研究。數(shù)據(jù)資源作為圖書情報(bào)學(xué)科建設(shè)的驅(qū)動(dòng)力，也要與圖書館學(xué)和檔案學(xué)進(jìn)行交叉融合。當(dāng)前，數(shù)據(jù)科學(xué)、數(shù)據(jù)驅(qū)動(dòng)和大數(shù)據(jù)研究相對(duì)較少，可作為未來研究的關(guān)注點(diǎn)之一，尤其是在雙一流及新文科建設(shè)背景下，更容易獲得社科基金或自然基金的支持。圖情檔學(xué)科轉(zhuǎn)型要利用好數(shù)據(jù)科學(xué)等技術(shù)或方式，在追求科學(xué)、真實(shí)數(shù)據(jù)的同時(shí)，保留圖情檔自身的學(xué)科特色和內(nèi)涵。

3）基于數(shù)字人文視角，進(jìn)行跨學(xué)科融合。筆者對(duì)近5年圖情檔學(xué)科文獻(xiàn)熱點(diǎn)挖掘后發(fā)現(xiàn)，圖情檔學(xué)科建設(shè)與人工智能、數(shù)據(jù)科學(xué)、公共文化管理、數(shù)字人文等新興領(lǐng)域?qū)崿F(xiàn)跨學(xué)科的融合發(fā)展，并積累大量的學(xué)術(shù)成果。數(shù)字人文作為圖情檔的核心學(xué)科，其內(nèi)涵是借助計(jì)算技術(shù)等手段來處理文本數(shù)據(jù)。圖情檔學(xué)科研究應(yīng)當(dāng)借助文本挖掘、語言處理等信息技術(shù)，對(duì)人文數(shù)據(jù)進(jìn)行綜合分析，實(shí)現(xiàn)跨學(xué)科、跨領(lǐng)域的交流和研究，致力于構(gòu)建圖情檔領(lǐng)域的新型研究模式。

4）開展公共文化服務(wù)，傳承傳統(tǒng)文化。公共文化服務(wù)一貫是我國(guó)圖情檔研究領(lǐng)域的熱點(diǎn)，公共圖書館、高校圖書館和檔案館都以向用戶開展均等、高質(zhì)量的文化活動(dòng)為己任。當(dāng)前受疫情的影響，圖書館及檔案領(lǐng)域的應(yīng)急管理和突發(fā)公共事件相關(guān)研究熱度較高。大數(shù)據(jù)時(shí)代，承擔(dān)傳承社會(huì)記憶職能的圖書館和檔案館的載體形式發(fā)生較大的改變，除傳統(tǒng)的法治、企業(yè)、家族等檔案，現(xiàn)檔案學(xué)的研究模式開始由紙質(zhì)向電子化轉(zhuǎn)變。信息技術(shù)的發(fā)展要求檔案學(xué)要進(jìn)行跨學(xué)科、跨領(lǐng)域融合，檔案學(xué)與社會(huì)記憶的交叉融合的研究值得廣大學(xué)者關(guān)注。同樣，有關(guān)古籍保護(hù)學(xué)科建設(shè)問題也是圖情檔學(xué)科的重要議題。

5 結(jié) 語

本文基于復(fù)雜網(wǎng)絡(luò)技術(shù)，通過構(gòu)建關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)，以2016—2021年圖情檔學(xué)科文獻(xiàn)為研究對(duì)象，文本處理上使用TF-IDF加權(quán)技術(shù)來分類文獻(xiàn)，并嘗試PCA和KernelPCA方法壓縮文獻(xiàn)表征向量，最終運(yùn)用DBSCAN算法將文獻(xiàn)聚類。文本處理后使用Gephi網(wǎng)絡(luò)分析及可視化工具挖掘出圖書館學(xué)、情報(bào)學(xué)和檔案學(xué)的熱點(diǎn)研究主題。最終，從圖情檔一級(jí)學(xué)科的視角綜合分析現(xiàn)有文獻(xiàn)熱點(diǎn)的特征，試圖提出該學(xué)科下一步的文獻(xiàn)熱點(diǎn)主題和研究方向，為后續(xù)研究者提供指引和參考。期望本研究可以讓該領(lǐng)域研究者在了解研究熱點(diǎn)的基礎(chǔ)上確定好自己的研究方向，也能為新研究者或跨領(lǐng)域研究者快速了解圖情檔學(xué)科、為跨領(lǐng)域融合提供參考。

參考文獻(xiàn)

[1]中華人民共和國(guó)教育部.“六卓越一拔尖”計(jì)劃2.0啟動(dòng)大會(huì)召開，掀起高教質(zhì)量革命，助力打造質(zhì)量中國(guó)[EB/OL].http：//www.moe.gov.cn/jyb_xwfb/gzdt_gzdt/moe_1485/201904/t20190429_380009.html，2021-03-18.

[2]澎湃新聞.新文科建設(shè)工作會(huì)在山東大學(xué)召開：《新文科建設(shè)宣言》發(fā)布[EB/OL].https：//www.sohu.com/a/429260355_260616，2021-10-18.

[3]初景利.“新文科”呼喚圖情檔成為“硬”學(xué)科[J].圖書與情報(bào)，2020，（6）：1-3.

[4]馬費(fèi)成，李志元.新文科背景下我國(guó)圖書情報(bào)學(xué)科的發(fā)展前景[J].中國(guó)圖書館學(xué)報(bào)，2020，46（6）：4-15.

[5]柯平.新圖情檔——新文科建設(shè)中的圖書情報(bào)與檔案管理一級(jí)學(xué)科發(fā)展[J].情報(bào)資料工作，2021，42（1）：15-20.

[6]孫艷紅.國(guó)家基金項(xiàng)目視域下圖情檔學(xué)科研究現(xiàn)狀、熱點(diǎn)及趨勢(shì)分析[J].圖書館工作與研究，2021，（3）：93-101.

[7]吳維芳.基于文本可視化挖掘圖情檔前沿研究熱點(diǎn)——來自國(guó)家社科基金2017—2019年圖情檔立項(xiàng)數(shù)據(jù)[J].機(jī)電兵船檔案，2020，（3）：26-28.

[8]柴歡，阮建海.基于2013—2017年國(guó)家基金項(xiàng)目的“圖書館、情報(bào)與檔案管理”學(xué)科研究現(xiàn)狀分析[J].情報(bào)科學(xué)，2019，37（8）：163-169.

[9]呂莉媛.基于復(fù)雜網(wǎng)絡(luò)的圖書館數(shù)字資源整合[J].情報(bào)科學(xué)，2009，27（12）：1811-1815.

[10]辛娟娟，曹佳.基于復(fù)雜網(wǎng)絡(luò)的文獻(xiàn)熱點(diǎn)挖掘及可視化[J].計(jì)算機(jī)工程與應(yīng)用，2016，52（12）：261-264，270.

[11]Feng L，Chiam Y K，Lo S K.Text-Mining Techniques and Tools for Systematic Literature Reviews：A Systematic Literature Review[C]//2017 24th Asia-Pacific Software Engineering Conference（APSEC）.IEEE Computer Society，2017.

[12]Su X，Xia L.Topic Analysis of Digital Library Research from 2000 to 2009 in China：Based on the Statistical Data of Key Words Released By CSSCI[J].Journal of Library Science in China，2011，37（4）：60-69.

[13]Schossboeck J，Edelmann N，Rizun N，et al.Scholarly Research and Publications Over Time：Identifying Trends for an Open Access Journal by Applying Data-Mining Methods[J].Septentrio Conference Series，2020，4.

[14]蔡婷婷，劉祥偉.基于復(fù)雜網(wǎng)絡(luò)的危險(xiǎn)品運(yùn)輸領(lǐng)域研究熱點(diǎn)的實(shí)證分析[J].延邊大學(xué)學(xué)報(bào)：自然科學(xué)版，2020，46（3）：226-232.

[15]徐小瑩，李輝.圖書情報(bào)學(xué)科熱點(diǎn)挖掘——基于網(wǎng)絡(luò)嵌入的大規(guī)模關(guān)鍵詞共詞分析[J].新世紀(jì)圖書館，2021，（4）：88-96.

[16]楊愛青，馬秀峰，張風(fēng)燕，等.g指數(shù)在共詞分析主題詞選取中的應(yīng)用研究[J].情報(bào)雜志，2012，31（2）：52-55，74.

[17]趙忠偉，程齊凱.信息檢索領(lǐng)域主題研究——基于SIGIR郵件列表和會(huì)議論文的比較研究[J].數(shù)字圖書館論壇，2017，（6）：46-52.

[18]王光，林國(guó)宇.改進(jìn)的自適應(yīng)參數(shù)DBSCAN聚類算法[J].計(jì)算機(jī)工程與應(yīng)用，2020，56（14）：45-51.

[19]宋靖華，龔賢典.基于復(fù)雜網(wǎng)絡(luò)分析的社區(qū)空間網(wǎng)絡(luò)評(píng)價(jià)與優(yōu)化[C]//高等學(xué)校建筑學(xué)專業(yè)教學(xué)指導(dǎo)分委員會(huì)建筑數(shù)字技術(shù)教學(xué)工作委員會(huì).數(shù)智營(yíng)造：2020年全國(guó)建筑院系建筑數(shù)字技術(shù)教學(xué)與研究學(xué)術(shù)研討會(huì)論文集.高等學(xué)校建筑學(xué)專業(yè)教學(xué)指導(dǎo)分委員會(huì)建筑數(shù)字技術(shù)教學(xué)工作委員會(huì)：全國(guó)高校建筑學(xué)學(xué)科專業(yè)指導(dǎo)委員會(huì)建筑數(shù)字技術(shù)教學(xué)工作委員會(huì)，2020：39-45.

[20]Watts D J，Strogatz S H.Collective Dynamics of‘Small-World’Networks[J].Nature，1998，393（6684）：440-442.

（責(zé)任編輯：郭沫含）