基于CiteSpace5.5R2的時空大數(shù)據(jù)挖掘
——以中國知網(wǎng)地理信息系統(tǒng)學(xué)科文獻(xiàn)為例

田 靜，李 剛，張澳兵，譚 粵，雷盼榮

(1.黑龍江工程學(xué)院 測繪工程學(xué)院，哈爾濱 150050；2.長安大學(xué) 地質(zhì)工程與測繪學(xué)院, 西安 710054)

隨著我國北斗衛(wèi)星導(dǎo)航定位技術(shù)、天空地一體化、互聯(lián)網(wǎng)+和通信網(wǎng)絡(luò)等技術(shù)的不斷發(fā)展，地球表面上的特征、人和物都成為了可表征的地理時空大數(shù)據(jù)。隨著“大數(shù)據(jù)時代”的到來，從數(shù)量龐大的科研文獻(xiàn)中精簡知識體系、挖掘?qū)W科研究熱點、總結(jié)發(fā)展研究規(guī)律、追蹤學(xué)科研究動態(tài)，是研究地理信息系統(tǒng)發(fā)展趨勢的重要任務(wù)。在當(dāng)今大數(shù)據(jù)的時代背景下，不同于以往的基于人工設(shè)計或傳統(tǒng)方法獲取，文中以時空大數(shù)據(jù)挖掘技術(shù)對地理信息系統(tǒng)文獻(xiàn)“量化”(數(shù)據(jù)化)并進(jìn)行深入推理，采用文獻(xiàn)計量學(xué)、計算機(jī)可視化分析、定性和定量相結(jié)合的主要研究方法，并結(jié)合中國知網(wǎng)10 a間收錄的文獻(xiàn)數(shù)據(jù)，為地理信息系統(tǒng)的研究脈絡(luò)及前沿?zé)狳c的預(yù)測與分析奠定了良好的數(shù)據(jù)基礎(chǔ)[1]。

1 時空大數(shù)據(jù)挖掘技術(shù)

1.1 時空大數(shù)據(jù)技術(shù)概述

時空大數(shù)據(jù)的挖掘與分析是一個復(fù)雜的過程，根據(jù)現(xiàn)有的地理信息系統(tǒng)文獻(xiàn)數(shù)據(jù)類型，文中采用基于圖論鏈接關(guān)系的自動聚類算法，通過網(wǎng)絡(luò)收集與下載、編程爬取、預(yù)處理篩選重分類等時空大數(shù)據(jù)挖掘方法來獲得相應(yīng)的樣本文獻(xiàn)數(shù)據(jù)[2]。最后，通過對文獻(xiàn)年度發(fā)表數(shù)量變化趨勢進(jìn)行統(tǒng)計分析，利用關(guān)鍵詞、發(fā)文機(jī)構(gòu)、核心作者人物關(guān)系等指標(biāo)進(jìn)行科研合作網(wǎng)絡(luò)分析，并對上述分析結(jié)果進(jìn)行統(tǒng)計和整合[3]。同時，利用引文空間軟件的結(jié)構(gòu)性和時間性等特殊指標(biāo)，將原來的聚類生成時態(tài)視圖并加以分析，多方面展現(xiàn)不同聚類發(fā)展演變的時間脈絡(luò)和研究進(jìn)程。

1.2 分析表達(dá)與解釋

將2010—2020年10 a間中國知網(wǎng)收錄的以“地理信息系統(tǒng)”為主題的文獻(xiàn)作為樣本，提取出這些文獻(xiàn)的標(biāo)識符詳細(xì)信息(包含題名、作者、單位、文獻(xiàn)來源等相關(guān)數(shù)據(jù))。使用Excel,Python等工具對樣本文獻(xiàn)進(jìn)行分類、去重等數(shù)據(jù)預(yù)處理工作，將處理后的數(shù)據(jù)存入數(shù)據(jù)庫。隨后，運(yùn)用CiteSpace5.5R2、ArcGIS10.6軟件對文獻(xiàn)進(jìn)行聚類分析、共被引分析、科研合作網(wǎng)絡(luò)分析等操作，將分析結(jié)果使用時間線圖譜、地理信息空間地圖等可視化方式呈現(xiàn)并解讀。

CiteSpace5.5R2軟件(引文空間)是一款應(yīng)用于科學(xué)文獻(xiàn)中分析和可視化科學(xué)發(fā)展新動態(tài)及新趨勢的Java程序[4]。結(jié)合中國知網(wǎng)收錄的數(shù)據(jù)，借助于科學(xué)知識圖譜相關(guān)的研究方法對其進(jìn)行文獻(xiàn)計量化分析。首先，確定研究領(lǐng)域并收集該領(lǐng)域內(nèi)的關(guān)鍵詞及專業(yè)知識、術(shù)語、常識等相關(guān)數(shù)據(jù)；其次，通過該軟件提取樣本數(shù)據(jù)中有關(guān)研究領(lǐng)域的前沿術(shù)語、熱點關(guān)鍵詞等，建立合理的圖譜分析解讀機(jī)制[5]；最后，利用計算機(jī)算法對樣本數(shù)據(jù)進(jìn)行時區(qū)分割、科研合作網(wǎng)絡(luò)分析，選擇恰當(dāng)?shù)拈撝?，進(jìn)行數(shù)據(jù)的可視化表達(dá),具體軟件使用流程如圖1所示。

圖1 CiteSpace5.5R2軟件使用流程

2 數(shù)據(jù)獲取

文中所述的文獻(xiàn)數(shù)據(jù)是由中國知網(wǎng)(CNKI)提供的。首頁勾選“學(xué)術(shù)期刊”，通過“高級檢索”功能，將搜索需要用到的主題限定為“地理信息系統(tǒng)”，將發(fā)表時間限定在 2010—2020年，精確匹配檢索，最后在其檢索數(shù)據(jù)中篩選出“中文核心期刊和 CSSCI 來源期刊”，以便對這10 a間地理信息系統(tǒng)領(lǐng)域研究發(fā)展情況進(jìn)行更好的統(tǒng)計分析，得到2 914條結(jié)果。使用Excel和Python篩選出恰當(dāng)?shù)臄?shù)據(jù),最終得到2 821篇與文中有關(guān)的學(xué)術(shù)論著。

2.1 研究對象界定

文中地理信息系統(tǒng)文獻(xiàn)數(shù)據(jù)研究用于分析該學(xué)科在單一主題的不同發(fā)展階段的演變趨勢。在時空大數(shù)據(jù)挖掘的基礎(chǔ)上，通過定性、定量或定性定量相結(jié)合的方法來架構(gòu)不同關(guān)鍵詞之間的關(guān)聯(lián)，在此基礎(chǔ)上對地理信息系統(tǒng)的發(fā)展趨勢進(jìn)行探討[6]。

2.2 數(shù)據(jù)建庫

為了能夠快捷、高效并安全地處理、管理大量的文獻(xiàn)數(shù)據(jù)，使用MySQL數(shù)據(jù)庫存儲處理后的文獻(xiàn)數(shù)據(jù)。最后將所有文獻(xiàn)數(shù)據(jù)導(dǎo)入CNKI數(shù)據(jù)表中，完成數(shù)據(jù)的前期準(zhǔn)備。CiteSpace5.5R2軟件將可視化圖譜中的節(jié)點和連線存儲為.net文件，從而可以利用Pajek或UCINET進(jìn)行知識網(wǎng)絡(luò)圖譜的繪制[7]。

3 數(shù)據(jù)挖掘與分析

為了滿足研究需要，在進(jìn)行數(shù)據(jù)分析前，需要對存在缺失值和重復(fù)值的數(shù)據(jù)進(jìn)行剔除。最后將所有數(shù)據(jù)按照發(fā)布時間進(jìn)行重排序，并添加新的列索引，按照行號建立唯一值索引。

3.1 論文發(fā)表時間趨勢分析

關(guān)于地理信息系統(tǒng)領(lǐng)域文獻(xiàn)發(fā)表時間與發(fā)文量之間的關(guān)系，如圖2所示。由圖可知，自 2011 年以來，地理信息系統(tǒng)領(lǐng)域的發(fā)文量總體呈緩慢下降趨勢，論文整體的發(fā)表數(shù)量不斷減少。另外，從整體刊載數(shù)量上看，最能反映地理信息系統(tǒng)前沿的核心文獻(xiàn)研發(fā)數(shù)量與全部文獻(xiàn)相比非常的不樂觀，表明我國對于地理信息系統(tǒng)的學(xué)術(shù)研究較少，重視程度不夠。這與該領(lǐng)域內(nèi)的研究人群相對分散、人員數(shù)量匱乏是直接相關(guān)聯(lián)的，期望能有更多的研究人員以新的研究理論、研究視角進(jìn)一步對地理信息系統(tǒng)學(xué)科做出高標(biāo)準(zhǔn)、高水平、高質(zhì)量的研究成果。

圖2 發(fā)文量年度變化趨勢圖(2010—2020年)

3.2 合作作者網(wǎng)絡(luò)分析

運(yùn)行 CiteSpace5.5R2軟件，時間切片是1 a，結(jié)點類型選擇作者，TOP N=50，其他參數(shù)為默認(rèn)設(shè)置。以 2010—2020年的時間跨度分析，排序方法主要是按照類團(tuán)當(dāng)中組織成員的人數(shù)，結(jié)點越大表明該作者科研成果的信息控制和輸出能力越強(qiáng)，如圖3所示。

圖3 樣本文獻(xiàn)作者關(guān)系網(wǎng)絡(luò)圖譜

在作者合作網(wǎng)絡(luò)分析的基礎(chǔ)上，過濾篩選前9個大小的網(wǎng)絡(luò)合作類團(tuán)，調(diào)圖繪制得到圖4作者間研究關(guān)鍵詞聚類分類。

圖4 作者間研究關(guān)鍵詞聚類分類

以上大數(shù)據(jù)表明，通過與多位學(xué)者合作，尤其是通過各大高校之間的強(qiáng)強(qiáng)聯(lián)合，能夠產(chǎn)生極其龐大的影響力，也能創(chuàng)造出非凡的學(xué)術(shù)成果。因此，我國地理信息系統(tǒng)研究學(xué)者需要加強(qiáng)對地理信息系統(tǒng)領(lǐng)域多學(xué)科、多中心、跨領(lǐng)域的合作研究與開發(fā)，逐漸建立起以核心作者為學(xué)術(shù)共同體或中堅力量的共現(xiàn)網(wǎng)絡(luò)，科研能力較強(qiáng)的學(xué)術(shù)機(jī)構(gòu)要加強(qiáng)對相對弱的機(jī)構(gòu)的合作指導(dǎo)并帶動其發(fā)展。

3.3 研究機(jī)構(gòu)共現(xiàn)分析

研究機(jī)構(gòu)是針對某研究領(lǐng)域不斷發(fā)展的重要載體，對促進(jìn)學(xué)術(shù)交流、成果共享、資源互補(bǔ)等起著重要的導(dǎo)向作用。運(yùn)用CiteSpace5.5R2軟件的LLR算法篩選過濾，可以直觀地了解到機(jī)構(gòu)對地理信息系統(tǒng)研究領(lǐng)域的重視程度和影響力的分布情況，繪圖調(diào)整得到圖 5 機(jī)構(gòu)網(wǎng)絡(luò)共現(xiàn)圖譜[8]。

由圖5可知，節(jié)點最大的3個機(jī)構(gòu)分別是中國科學(xué)院大學(xué)(包括地理科學(xué)與資源研究所、研究生院)、武漢大學(xué)測繪遙感信息工程國家重點實驗室和南京師范大學(xué)虛擬地理環(huán)境教育部重點實驗室[4]。整理了發(fā)文量位于第一位的機(jī)構(gòu)與其他機(jī)構(gòu)的合作群落及其發(fā)文量年度趨勢圖，如圖6、圖7所示。

圖5 機(jī)構(gòu)網(wǎng)絡(luò)共現(xiàn)圖譜

圖6 機(jī)構(gòu)合作網(wǎng)絡(luò)圖譜(以2010—2020年間中國科學(xué)院大學(xué)為例)

圖7 發(fā)文量年度趨勢圖(以2010—2020年間中國科學(xué)院大學(xué)為例)

3.4 關(guān)鍵詞共現(xiàn)分析

關(guān)鍵詞共現(xiàn)是提取該文獻(xiàn)所能表達(dá)其核心內(nèi)容的關(guān)鍵詞或主題詞詞頻的多少分布，用于研究該領(lǐng)域的研究熱點，判斷其發(fā)展動向[9]。利用CiteSpace5.5R2軟件，通過結(jié)果輸出可以看到包含節(jié)點479個和連線數(shù)302條，過濾器篩選引文數(shù)量最多的前20個，可視化至明顯的結(jié)構(gòu)后生成圖譜并進(jìn)行網(wǎng)絡(luò)剪裁，調(diào)整圖譜得到圖8。

圖8 關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)圖譜

3.5 關(guān)鍵詞聚類分析

在關(guān)鍵詞共現(xiàn)圖譜的基礎(chǔ)上，根據(jù)CiteSpace5.5R2軟件中默認(rèn)的算法自動聚類，選取 LLR 算法，其他參數(shù)設(shè)置與機(jī)構(gòu)參數(shù)保持一致，調(diào)整圖譜[10]。文中通過合并整理展示前7位關(guān)鍵詞，間接反映了我國地理信息系統(tǒng)領(lǐng)域內(nèi)的研究前沿的熱點,如表1所示。

表1 關(guān)鍵詞聚類與合并(前7位)

3.6 突顯率與時態(tài)演進(jìn)分析

突發(fā)性探測是指1個變量的值在短時間內(nèi)激增，突然變成熱點，被學(xué)術(shù)界所關(guān)注，可以理解為“百度指數(shù)”[11]。文中選擇前24個的項目，并按照“開始年份”“爆發(fā)強(qiáng)度”因素降序排列，通過調(diào)整默認(rèn)的伽馬值取值范圍，得到表2。由于突顯率具有延續(xù)性，因此如果該點在 2020 年也是紅色的，該點有能力在未來幾年繼續(xù)成為前沿的研究熱點，也是廣大學(xué)者值得關(guān)注的一個技術(shù)分支，例如建筑信息模型(BIM)、地理環(huán)境、時空分布、空間自相關(guān)等。

表2 關(guān)鍵詞突顯率(前24位)

利用Timeline View功能進(jìn)行時態(tài)分析，合理調(diào)整坐標(biāo)軸的行間距，展示前10個聚類，調(diào)整圖幅得到圖9，即TOP10關(guān)鍵詞研究熱點時間線圖譜，使其更加清晰地展現(xiàn)出地理信息系統(tǒng)領(lǐng)域研究熱點的發(fā)展歷程。如圖9所示，交叉線最多的是地理信息系統(tǒng)和遙感，說明這兩個結(jié)點經(jīng)常與其他研究方向有交流合作的研究。

圖9 TOP10關(guān)鍵詞研究熱點時間線圖譜

3.7 熱力分析

文中用ArcGIS10.6軟件中的熱力分析工具統(tǒng)計的數(shù)據(jù)密度來直觀表現(xiàn)并驗證文獻(xiàn)研究的空間熱力分布[12]。首先，在數(shù)據(jù)庫中找到符合實驗主題的點數(shù)據(jù)，從其屬性表中設(shè)置符合成圖風(fēng)格的屬性，之后將基于該屬性進(jìn)行熱力分析。檢核分析結(jié)果，如圖10所示是樣本數(shù)據(jù)熱力分析的結(jié)果，疏密有致，符合預(yù)期。

圖10 熱力分析

4 結(jié)束語

利用CiteSpace5.5R2和ArcGIS10.6軟件，對中國知網(wǎng)中2010—2020年以地理信息系統(tǒng)為主題的樣本文獻(xiàn)作上述分析，得出如下結(jié)論與建議：

1)采用的基于圖論鏈接關(guān)系的自動聚類算法，彌補(bǔ)了傳統(tǒng)的聚類算法，如K均值算法、EM算法等都是建立在凸球形的樣本空間上，在樣本空間不為凸時，算法會出現(xiàn)局部最優(yōu)這一缺陷[13]。

2)地理信息系統(tǒng)與新興技術(shù)的結(jié)合始終是一個熱點話題,我國地理信息系統(tǒng)已經(jīng)應(yīng)用到不同的領(lǐng)域解決相關(guān)的問題,其內(nèi)涵和外延正在不斷變化[14]。這10 a間的應(yīng)用研究表明地理信息系統(tǒng)領(lǐng)域在社會發(fā)展建設(shè)中依然有著很好的前瞻性和借鑒性。但近幾年來特別是在地理信息系統(tǒng)領(lǐng)域,研究有走向衰弱的趨勢。

3)地理信息技術(shù)呈現(xiàn)一些新的發(fā)展趨勢：一是多類型公開產(chǎn)品的在線服務(wù)。二是從數(shù)據(jù)服務(wù)到知識服務(wù)。隨著大數(shù)據(jù)、數(shù)據(jù)庫、人工智能等軟件技術(shù)的成熟運(yùn)用，以及相應(yīng)的硬件技術(shù)的發(fā)展,我國已逐漸認(rèn)識到深度挖掘時空大數(shù)據(jù)、提取地理空間知識的重要性,相繼推出了面向空間數(shù)據(jù)整合與分析的服務(wù)平臺。需要不斷溫故知新、創(chuàng)新思路,要充分關(guān)注以學(xué)科為核心的信息技術(shù)變化與更新。在當(dāng)前大數(shù)據(jù)時代背景下,旨在通過時空數(shù)據(jù)建立起將地理信息、測繪和通信服務(wù)融合為一體的共享系統(tǒng),實現(xiàn)立足于數(shù)據(jù)驅(qū)動的技術(shù)科學(xué)發(fā)現(xiàn)和決策支撐平臺。

4)近5 a內(nèi),“研究所、技術(shù)研究中心、重點實驗室”等機(jī)構(gòu)在我國高校的地理信息系統(tǒng)領(lǐng)域內(nèi)具有較強(qiáng)的科學(xué)研究和輸出能力。通過人才引進(jìn)等渠道，有針對性地選擇和進(jìn)行人才引入,將自己所在高校的人員，進(jìn)行有目標(biāo)性的培養(yǎng)和派遣到其相應(yīng)的知名學(xué)者或機(jī)構(gòu)下，實現(xiàn)交流和學(xué)習(xí)的整體性融合推進(jìn),以此來進(jìn)一步促使我國大學(xué)生對地理信息系統(tǒng)領(lǐng)域研究的整體性推進(jìn)。

5)文中研究主要針對10 a間中國知網(wǎng)收錄的地理信息系統(tǒng)相關(guān)文獻(xiàn)進(jìn)行發(fā)展趨勢的分析和預(yù)測，拘于樣本數(shù)據(jù)的有限性，缺少除中文核心外其他文獻(xiàn)數(shù)據(jù)的支撐，未能建立起全面的發(fā)展脈絡(luò)分析和預(yù)測模型。由此發(fā)現(xiàn)，文中結(jié)論適用于近10 a來的發(fā)展情況，但不適用于橫向?qū)Ρ?，因此有待于進(jìn)一步的深入研究。