基于知識(shí)圖譜的石斛研究可視化分析與構(gòu)建①

李石榮， 符茂勝， 周先存， 王成， 佘德勇

1.皖西學(xué)院 電子與信息工程學(xué)院，安徽 六安 237012； 2.霍山縣天下澤雨生物科技發(fā)展有限公司，安徽 六安 237200； 3.皖西學(xué)院 生物與制藥工程學(xué)院，安徽 六安 237012

特色植物資源以其獨(dú)特的藥用價(jià)值和商用價(jià)值而備受政府的關(guān)注，在國(guó)民經(jīng)濟(jì)中具有重要的作用．十九屆四中全會(huì)《決定》提出： 要強(qiáng)化提高人民健康水平的制度保障，堅(jiān)持以基層為重點(diǎn)、預(yù)防為主、防治結(jié)合、中西醫(yī)并重[1]．山區(qū)作為中藥材產(chǎn)業(yè)的重要基地，因其獨(dú)特的地理位置而擁有豐富的石斛、天麻等多種特色植物資源[2]．特色植物資源的研究與開(kāi)發(fā)可促進(jìn)山區(qū)的經(jīng)濟(jì)發(fā)展、增加就業(yè)崗位和提高國(guó)民收入．目前，對(duì)特色植物的研究成果較多，任剛等[3]對(duì)鐵皮石斛的葉子中所含的主要化學(xué)成分進(jìn)行了研究，并首次提取了若干化合物； 袁青松等[4]針對(duì)環(huán)境溫度、種子品種對(duì)天麻抽薹特性的影響進(jìn)行了相關(guān)的研究，得出烏天麻和紅天麻的種子在發(fā)育過(guò)程中抽薹生產(chǎn)的最佳溫度； 張宗源等[5]主要研究了組蛋白乙?；煞謱?duì)靈芝的生長(zhǎng)、多糖和酸生物合成等方面的影響，得出可通過(guò)人為調(diào)控靈芝生長(zhǎng)發(fā)育過(guò)程進(jìn)而影響靈芝酸生物合成組蛋白乙酰化．

石斛作為特色植物資源中一種名貴的中藥材而受到研究學(xué)者和機(jī)構(gòu)的廣泛關(guān)注．當(dāng)前對(duì)石斛的研究大部分僅限于氣候、土壤、地理位置或成分分析等內(nèi)容[6-8]，在信息化建設(shè)發(fā)展上相對(duì)滯后，如何利用智能化手段挖掘石斛資源潛在的數(shù)據(jù)信息，構(gòu)建“一張圖”綜合服務(wù)平臺(tái)，有利于優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)，便于政府和企業(yè)對(duì)石斛資源進(jìn)行優(yōu)化整合和決策管理，有利于促進(jìn)新時(shí)期地區(qū)產(chǎn)業(yè)的經(jīng)濟(jì)發(fā)展．隨著計(jì)算機(jī)網(wǎng)絡(luò)和大數(shù)據(jù)處理技術(shù)的不斷發(fā)展，近些年來(lái)，基于大數(shù)據(jù)的知識(shí)圖譜可視化分析得到了廣泛的研究和應(yīng)用[9-15]．將知識(shí)圖譜應(yīng)用于日常生活和行業(yè)發(fā)展是未來(lái)的發(fā)展趨勢(shì)．目前，知識(shí)圖譜可視化在智慧教育、智能醫(yī)療和智慧農(nóng)業(yè)等多個(gè)領(lǐng)域已經(jīng)實(shí)現(xiàn)了成功的應(yīng)用[16-22]．侯夢(mèng)薇等[16]指出醫(yī)學(xué)知識(shí)圖譜在臨床決策知識(shí)、語(yǔ)義檢索等醫(yī)療服務(wù)中具有重要的意義，通過(guò)集成術(shù)語(yǔ)構(gòu)建大規(guī)模的知識(shí)圖譜可解決醫(yī)療中存在的資源不足和需求矛盾等重要問(wèn)題．Chen等[18]提出了一種KnowEdu系統(tǒng)，利用神經(jīng)序列標(biāo)記算法提取教學(xué)概念，通過(guò)概率關(guān)聯(lián)規(guī)則挖掘教育領(lǐng)域的重要信息．陳曦等[19]指出基于課程知識(shí)圖譜的預(yù)測(cè)算法可降低預(yù)測(cè)誤差，獲得更好的學(xué)生成績(jī)預(yù)測(cè)效果．侯麗等[20]對(duì)我國(guó)農(nóng)業(yè)重金屬污染現(xiàn)狀進(jìn)行了知識(shí)圖譜可視化研究，為農(nóng)田污染的治理提供了智慧決策．杜師博等[21]對(duì)國(guó)內(nèi)景觀評(píng)價(jià)方法進(jìn)行了可視化分析，直觀地揭示了國(guó)內(nèi)景觀評(píng)價(jià)方法的發(fā)展現(xiàn)狀、研究熱點(diǎn)和動(dòng)態(tài)方向，為政府和商家提供了智慧性決策方案．王友發(fā)等[22]總結(jié)了近20年智能制造研究的熱點(diǎn)并對(duì)前沿進(jìn)行挖掘，提出了未來(lái)智能制造的可能發(fā)展方向．

目前知識(shí)圖譜已經(jīng)在多個(gè)行業(yè)中實(shí)現(xiàn)了成功的研究和應(yīng)用，然而關(guān)于特色植物資源的圖譜應(yīng)用卻很少，尤其是關(guān)于石斛的知識(shí)圖譜可視化分析的研究文獻(xiàn)更少．石斛作為一種特色植物資源在國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展中具有重要的作用，本文基于CNKI數(shù)據(jù)庫(kù)中有關(guān)石斛的文獻(xiàn)，利用大數(shù)據(jù)技術(shù)對(duì)獲取的數(shù)據(jù)進(jìn)行知識(shí)抽取和融合，實(shí)現(xiàn)面向石斛的大數(shù)據(jù)知識(shí)圖譜可視化分析，可直觀地描述石斛資源政策、產(chǎn)業(yè)和研究方向的相關(guān)信息．實(shí)驗(yàn)選取了與石斛研究相關(guān)的作者、機(jī)構(gòu)和關(guān)鍵詞等內(nèi)容進(jìn)行了相應(yīng)的知識(shí)圖譜可視化分析，根據(jù)分析的結(jié)果并通過(guò)分詞和詞性標(biāo)注來(lái)進(jìn)行針對(duì)性的信息抽取，通過(guò)半監(jiān)督訓(xùn)練實(shí)現(xiàn)經(jīng)驗(yàn)數(shù)據(jù)打標(biāo)簽，最后將打標(biāo)整理好的數(shù)據(jù)存入數(shù)據(jù)庫(kù)并導(dǎo)入Neo4j平臺(tái)實(shí)現(xiàn)知識(shí)圖譜的構(gòu)建．實(shí)驗(yàn)結(jié)果表明： 近20年來(lái)有關(guān)石斛的文獻(xiàn)研究經(jīng)歷了“緩慢增長(zhǎng)、快速增長(zhǎng)和穩(wěn)定波動(dòng)”3個(gè)階段； 作者與機(jī)構(gòu)的聚類網(wǎng)呈現(xiàn)“一主網(wǎng)集中、多小網(wǎng)分散”的關(guān)系，有關(guān)石斛研究的大部分作者和機(jī)構(gòu)之間存在合作關(guān)系，石斛研究的科研單位主要與石斛生長(zhǎng)的地理位置有關(guān)，石斛研究的作者和機(jī)構(gòu)隨著時(shí)間的變化也會(huì)有所變動(dòng)； 關(guān)鍵詞共現(xiàn)和聚類分析結(jié)果顯示： 有關(guān)石斛研究的聚類關(guān)鍵詞可主要聚集為5大類，即糖尿病、多糖、石斛、遺傳穩(wěn)定性和數(shù)據(jù)挖掘．聚類糖尿病主要側(cè)重于石斛的中醫(yī)療效、免疫功能等內(nèi)容； 聚類多糖主要側(cè)重于石斛主要成分、采收期、提取工藝等內(nèi)容； 聚類石斛主要側(cè)重于石斛的種類、栽培技術(shù)、產(chǎn)業(yè)推廣等內(nèi)容； 聚類遺傳穩(wěn)定性主要側(cè)重于石斛的組織培養(yǎng)、遺傳基因、光合作用等內(nèi)容； 聚類數(shù)據(jù)挖掘主要側(cè)重于石斛的中醫(yī)傳承輔助平臺(tái)、用藥規(guī)律、關(guān)聯(lián)規(guī)則等內(nèi)容．關(guān)鍵詞聚類圖譜可視化結(jié)果分別從石斛的藥用、成分、屬性、遺傳性和智能數(shù)據(jù)分析方面對(duì)石斛研究進(jìn)行系統(tǒng)性的分析和展示，對(duì)熱點(diǎn)的分析也反映了近20年來(lái)研究機(jī)構(gòu)對(duì)石斛研究重點(diǎn)的遷移變化．根據(jù)石斛研究知識(shí)圖譜可視化分析的結(jié)果，利用Python網(wǎng)絡(luò)爬蟲(chóng)抓取知網(wǎng)摘要關(guān)鍵詞，根據(jù)分詞和詞性標(biāo)注建立信息抽取訓(xùn)練模型，通過(guò)經(jīng)驗(yàn)分析和半監(jiān)督訓(xùn)練對(duì)數(shù)據(jù)進(jìn)行打標(biāo)簽，最后將整理好的打標(biāo)數(shù)據(jù)存入數(shù)據(jù)庫(kù)并導(dǎo)入Noe4j平臺(tái)，實(shí)現(xiàn)具有石斛研究針對(duì)性的知識(shí)圖譜結(jié)果．本文不僅基于Citespace軟件實(shí)現(xiàn)了石斛研究知識(shí)圖譜可視化分析，而且根據(jù)分析的結(jié)果建立半監(jiān)督訓(xùn)練信息抽取模型，最終構(gòu)建了針對(duì)石斛研究的知識(shí)圖譜．

本文利用CNKI數(shù)據(jù)庫(kù)關(guān)于石斛研究的數(shù)據(jù)資源，結(jié)合Citespace軟件對(duì)石斛的研究動(dòng)態(tài)、機(jī)構(gòu)合作、摘要關(guān)鍵詞與熱點(diǎn)等內(nèi)容做圖譜分析，構(gòu)建了面向石斛資源研究的“一張圖”．得到的圖譜可以為有關(guān)石斛研究人員和機(jī)構(gòu)的研究方向提供參考性建議，為有關(guān)地方政府和商戶提供重要的決策信息和指導(dǎo)，對(duì)促進(jìn)石斛研究、提高石斛的產(chǎn)業(yè)化、帶動(dòng)地方經(jīng)濟(jì)的發(fā)展和提高國(guó)民收入具有重要的意義．

1 知識(shí)圖譜可視化分析與構(gòu)建原理

1.1 可視化分析

本文利用Citespace軟件對(duì)知網(wǎng)數(shù)據(jù)進(jìn)行可視化處理，流程圖如圖1所示．可視化過(guò)程主要分為4個(gè)步驟： 數(shù)據(jù)準(zhǔn)備、參數(shù)設(shè)置、聚類分析與圖譜分析．

圖1 可視化分析流程圖

1.1.1 數(shù)據(jù)準(zhǔn)備

從CNKI數(shù)據(jù)庫(kù)下載的數(shù)據(jù)并不能直接應(yīng)用于Citespace軟件進(jìn)行分析，可通過(guò)軟件自帶數(shù)據(jù)轉(zhuǎn)換功能，對(duì)數(shù)據(jù)進(jìn)行格式轉(zhuǎn)換．建立兩個(gè)文件夾，分別用于存儲(chǔ)原始數(shù)據(jù)和轉(zhuǎn)換數(shù)據(jù)．

1.1.2 參數(shù)設(shè)置

Citespace軟件在建立項(xiàng)目過(guò)程中需要對(duì)參數(shù)進(jìn)行設(shè)置，主要參數(shù)為時(shí)間分割、節(jié)點(diǎn)閾值篩選、網(wǎng)絡(luò)精簡(jiǎn)、強(qiáng)度關(guān)聯(lián)．

1.1.2.1 時(shí)間分割

時(shí)間分割的主要功能是對(duì)分析的數(shù)據(jù)在時(shí)間段上進(jìn)行分割，確定時(shí)間跨度，分析石斛在各個(gè)時(shí)間段的主要研究熱度和變化趨勢(shì)．

1.1.2.2 節(jié)點(diǎn)閾值篩選

節(jié)點(diǎn)閾值篩選主要用于在設(shè)定的時(shí)間段內(nèi)提取所需對(duì)象的個(gè)數(shù)．閾值篩選包括在增加規(guī)模因子k的基礎(chǔ)上，通過(guò)g指數(shù)進(jìn)行排名修正實(shí)現(xiàn)對(duì)知識(shí)單元的抽?。綖?/p>

(1)

其中k為規(guī)模因子，分別取10，20，30，…依次進(jìn)行嘗試；ci為第i文獻(xiàn)被引用次數(shù)．

1.1.2.3 網(wǎng)絡(luò)精簡(jiǎn)

Citespace軟件中主要提供了兩種網(wǎng)絡(luò)精簡(jiǎn)算法，尋徑網(wǎng)絡(luò)(pathfinder network，PFNET)算法和最小生成樹(shù)(minimum spanning tree，MST)算法．

1.1.2.3.1 PFNET算法

PFNET網(wǎng)絡(luò)算法的主要結(jié)構(gòu)由兩個(gè)參數(shù)確定，基于閔氏距離的網(wǎng)絡(luò)節(jié)點(diǎn)路徑長(zhǎng)度r和滿足三角不等式的連接數(shù)量最大值q．當(dāng)r=2時(shí)，距離測(cè)度為歐氏距離．測(cè)度空間確定時(shí)，三角不等式的關(guān)系可定義為

(2)

式中，wij表示第i和j節(jié)點(diǎn)之間的連接權(quán)重，wnknk+1表示第nk和nk+1節(jié)點(diǎn)之間的連接權(quán)重，k=1，2，3，…．當(dāng)?shù)趇=n1和j=nk時(shí)，備選路徑將經(jīng)過(guò)所有節(jié)點(diǎn)，該網(wǎng)絡(luò)包含所有中間連線．若備選路線權(quán)重小于wij的值，那么等式不成立，第i和j節(jié)點(diǎn)之間的連接線將被刪除．q參數(shù)主要用于備選路線，取[2，N-1]內(nèi)任意整數(shù)，N為節(jié)點(diǎn)的個(gè)數(shù)．當(dāng)r→∞時(shí)，q=N-1，網(wǎng)絡(luò)可實(shí)現(xiàn)最大裁剪能力．

1.1.2.3.2 MST算法

最小生成樹(shù)算法的構(gòu)造是利用連通網(wǎng)構(gòu)造實(shí)現(xiàn)代價(jià)最小的生成樹(shù)．給定一個(gè)無(wú)向圖G=(V，E)，V和E分別表示數(shù)字頂點(diǎn)集和邊集，若存在邊集T為E的子集并且為無(wú)循環(huán)圖，同時(shí)滿足等式(2)且值最小，則T為滿足該條件的最小生成樹(shù)．

(3)

式中(i，j)表示頂點(diǎn)i和j連接的邊，w(i，j)表示(i，j)的權(quán)重．

無(wú)論是采用MST算法還是PFNET算法，目的都是希望對(duì)生成的網(wǎng)絡(luò)進(jìn)行裁剪，降低網(wǎng)絡(luò)的復(fù)雜性和提高圖譜的可讀性．與PFNET算法相比，MST算法得到的圖譜會(huì)更加簡(jiǎn)潔清晰，但丟失的節(jié)點(diǎn)信息更多．對(duì)于圖譜過(guò)于龐大和混亂時(shí)，需要選擇PFNET算法得到的修剪效果會(huì)更好．

1.1.2.4 強(qiáng)度關(guān)聯(lián)

Citespace軟件提供了網(wǎng)絡(luò)分布中用于計(jì)算連接強(qiáng)度的cosine算法，如公式(4)：

(4)

標(biāo)準(zhǔn)化后的數(shù)值在0～1之間，其中cij表示節(jié)點(diǎn)i和j共現(xiàn)次數(shù)，si表示節(jié)點(diǎn)i共現(xiàn)的頻次，sj表示節(jié)點(diǎn)j共現(xiàn)的頻次．

1.1.3 聚類分析

Citespace主要利用最大期望(EM)聚類算法對(duì)網(wǎng)絡(luò)節(jié)點(diǎn)進(jìn)行聚類處理．首先，將所有節(jié)點(diǎn)隨機(jī)地分配到K個(gè)聚類簇中； 其次，統(tǒng)計(jì)每個(gè)節(jié)點(diǎn)在K個(gè)聚類簇中的分布比例； 再次，求出模型所需的參數(shù)．輸入m個(gè)樣本觀察數(shù)據(jù)x=(x(1)，x(2)，…，x(m))，找到樣本的模型參數(shù)θ，極大化模型的對(duì)數(shù)似然函數(shù)為

(5)

由于觀察數(shù)據(jù)中存在未觀察到的隱含數(shù)據(jù)z=(z(1)，z(2)，…，z(m))，此時(shí)極大化模型的似然函數(shù)可變?yōu)?/p>

(6)

為求出模型參數(shù)，對(duì)式子進(jìn)行縮放可得

(7)

Qi(z(i))為未知的分布，根據(jù)詹森不等式，由上式可以得到

(8)

公式(6)中包含隱含數(shù)據(jù)的對(duì)數(shù)似然下界，通過(guò)去掉常數(shù)部分，可將極大化對(duì)數(shù)似然下界表示為

(9)

最后，將得到的每個(gè)詞分別分配給K聚類簇的概率，選取K個(gè)數(shù)值中最大值作為該詞所屬的聚類簇．

Citespace提供了從標(biāo)題、關(guān)鍵詞和摘要中提取聚類命名，提供的算法主要有潛語(yǔ)義索引算法、假設(shè)檢驗(yàn)算法和互信息算法，可提取研究術(shù)語(yǔ)并強(qiáng)調(diào)研究特征．

1.1.4 圖譜分析

選擇合適的研究術(shù)語(yǔ)、時(shí)間分割跨度、閾值、精簡(jiǎn)算法進(jìn)行可視化顯示，借助軟件提供的可視化工具選項(xiàng)對(duì)圖譜進(jìn)行美化，也可以利用提供的網(wǎng)絡(luò)計(jì)算功能對(duì)圖譜網(wǎng)絡(luò)進(jìn)行深度分析，最后對(duì)分析的結(jié)果進(jìn)行驗(yàn)證．

1.2 知識(shí)圖譜構(gòu)建

本文利用信息抽取技術(shù)、半監(jiān)督學(xué)習(xí)算法和Neo4j平臺(tái)等相結(jié)合方法對(duì)知網(wǎng)數(shù)據(jù)庫(kù)近20年的文獻(xiàn)作者、機(jī)構(gòu)、年份和關(guān)鍵詞等進(jìn)行處理，構(gòu)建針對(duì)石斛研究領(lǐng)域的知識(shí)圖譜．

1.2.1 信息抽取

知識(shí)圖譜的構(gòu)建離不開(kāi)對(duì)實(shí)體進(jìn)行識(shí)別，借助詞性標(biāo)簽，從有關(guān)石斛的摘要內(nèi)容中提取重要詞語(yǔ)．當(dāng)需要的關(guān)鍵詞語(yǔ)跨越多個(gè)詞語(yǔ)時(shí)，僅僅利用詞性標(biāo)簽是不夠的，需要解析句子中的詞語(yǔ)之間的依賴關(guān)系即依賴解析．如提取關(guān)鍵詞和修飾詞、提取復(fù)合詞、提取詞語(yǔ)之間的標(biāo)點(diǎn)符號(hào)等．圖譜實(shí)體之間的關(guān)系抽取也需要使用依賴解析，提取實(shí)體關(guān)系需要構(gòu)建實(shí)體與關(guān)系之間的架構(gòu)．

1.2.2 半監(jiān)督學(xué)習(xí)算法

半監(jiān)督學(xué)習(xí)充分將監(jiān)督學(xué)習(xí)和無(wú)監(jiān)督學(xué)習(xí)的優(yōu)勢(shì)相結(jié)合，通過(guò)少量的數(shù)據(jù)樣本對(duì)總體數(shù)據(jù)進(jìn)行訓(xùn)練，降低人工成本和提高工作效率．本文利用Bootstrapping算法對(duì)石斛研究關(guān)鍵詞語(yǔ)進(jìn)行關(guān)系抽取，對(duì)數(shù)據(jù)進(jìn)行訓(xùn)練后實(shí)現(xiàn)標(biāo)簽設(shè)置．主要步驟有：

1) 人工標(biāo)記少量石斛研究相關(guān)數(shù)據(jù)作為種子集并訓(xùn)練一個(gè)初始實(shí)體識(shí)別模型；

2) 設(shè)定條件概率閾值，將實(shí)體識(shí)別模型對(duì)未標(biāo)記數(shù)據(jù)進(jìn)行預(yù)測(cè)處理獲取數(shù)據(jù)關(guān)系標(biāo)簽和概率大小，當(dāng)輸出概率大于閾值時(shí)，將數(shù)據(jù)標(biāo)記為可靠數(shù)據(jù)并組成一個(gè)可靠集；

3) 當(dāng)該可靠集數(shù)據(jù)大于500條時(shí)，將可靠集與種子集合并成一個(gè)新的標(biāo)注數(shù)據(jù)集，重新訓(xùn)練獲取實(shí)體識(shí)別模型；

4) 重復(fù)上述步驟，直至結(jié)束．

1.2.3 Neo4j平臺(tái)顯示

選擇Neo4j作為知識(shí)圖譜構(gòu)建平臺(tái)，將提取的實(shí)體和關(guān)系進(jìn)行打標(biāo)簽并整理好，導(dǎo)入數(shù)據(jù)庫(kù)并在Neo4j平臺(tái)中顯示．

2 實(shí)驗(yàn)結(jié)果與分析

由于Citespace軟件對(duì)CNKI的數(shù)據(jù)分析功能有限，本實(shí)驗(yàn)就文獻(xiàn)的概況、作者與機(jī)構(gòu)分析、關(guān)鍵詞與熱點(diǎn)分析等幾個(gè)部分內(nèi)容作重點(diǎn)分析，最后利用半監(jiān)督模型訓(xùn)練后在Neo4j平臺(tái)構(gòu)建知識(shí)圖譜．

2.1 數(shù)據(jù)收集和處理

本文在中國(guó)知網(wǎng)下載了有關(guān)石斛的文獻(xiàn)，選取主體為“石斛”進(jìn)行檢索，時(shí)間、作者、單位等條件不限，初步統(tǒng)計(jì)文獻(xiàn)有9 024篇，刪除檢索結(jié)果中的新聞、會(huì)議通知和重復(fù)等內(nèi)容，最終獲得文獻(xiàn)共計(jì)5 729篇作為本次實(shí)驗(yàn)的基礎(chǔ)數(shù)據(jù)．

本文是基于石斛的知識(shí)圖譜可視化分析，主要就研究領(lǐng)域的作者、機(jī)構(gòu)、關(guān)鍵詞等核心內(nèi)容進(jìn)行分析與篩選，展示石斛在不同階段研究關(guān)注的熱點(diǎn)、發(fā)展動(dòng)態(tài)等，揭示未來(lái)的石斛發(fā)展趨勢(shì)．

2.2 文獻(xiàn)基礎(chǔ)分析

不同年份關(guān)于石斛研究的文獻(xiàn)數(shù)量可以反映出該領(lǐng)域研究的熱點(diǎn)和趨勢(shì)，從圖2中可以看出有關(guān)石斛近20年研究文獻(xiàn)的變化趨勢(shì)，有關(guān)石斛的研究經(jīng)歷了3個(gè)階段： 緩慢增長(zhǎng)、快速增長(zhǎng)和穩(wěn)定波動(dòng)．

緩慢增長(zhǎng)階段： 2001-2011年，有關(guān)石斛的研究文獻(xiàn)在10年內(nèi)從約100篇穩(wěn)步增長(zhǎng)到約400篇，石斛瀕危問(wèn)題得到了較好的解決，關(guān)于石斛的商業(yè)化生產(chǎn)仍處于起步階段，關(guān)于石斛的研究、種植和銷售等方面引起了廣大研究學(xué)者和政府部門人員的關(guān)注[23]．

快速增長(zhǎng)階段： 2012-2015年，石斛的研究文獻(xiàn)在這個(gè)時(shí)間段內(nèi)實(shí)現(xiàn)了快速增長(zhǎng)，2015年達(dá)到了約800篇，關(guān)于石斛的研究和商業(yè)化處于快速發(fā)展時(shí)期，期間如鐵皮石斛、霍山石斛等品種在中藥研究、品種培育和商業(yè)推廣等方面取得了眾多成果[24-25]．

穩(wěn)定波動(dòng)階段： 2016-2019年，石斛的研究文獻(xiàn)在這個(gè)期間處于緩慢增長(zhǎng)和波動(dòng)階段，關(guān)于石斛的研究和商業(yè)化基本上處于成熟階段，石斛未來(lái)的研究朝向多元化和智能化發(fā)展[26]．

文獻(xiàn)的來(lái)源期刊可直接反映石斛研究的熱點(diǎn)，如圖3所示，有關(guān)石斛研究的文獻(xiàn)期刊主要為與中藥材和農(nóng)業(yè)發(fā)展相關(guān)的期刊．

圖2 石斛相關(guān)文獻(xiàn)發(fā)表量年度趨勢(shì)

圖3 石斛研究文獻(xiàn)期刊分布

2.3 作者與研究機(jī)構(gòu)分析

作者是研究石斛的主體，作者之間的聯(lián)系可以觀察出在石斛研究過(guò)程中的合作交流情況，運(yùn)用Citespace軟件可以獲得關(guān)于石斛研究的作者圖譜原圖、MST圖譜和PFNET圖譜．如圖4-圖6所示，原圖譜、MST圖譜和PFNET圖譜的節(jié)點(diǎn)均為799個(gè)，連線分別為1 419，710和1 105個(gè)，網(wǎng)絡(luò)密度分別為0.004 5，0.002 2和0.003 5．與原圖譜相比，MST圖譜和PFNET圖譜更加清晰簡(jiǎn)捷，但部分節(jié)點(diǎn)信息會(huì)被省略，與PFNET圖譜相比，MST圖譜丟失了更多的結(jié)構(gòu)信息．

圖4 作者圖譜原圖

圖5 MST作者圖譜

圖6 PFNET作者圖譜

統(tǒng)計(jì)核心作者的發(fā)文數(shù)量，有關(guān)石斛研究的發(fā)文量大于20篇的作者共有42人，從圖5-圖6中可以看出作者之間的關(guān)系主要分為幾大聚類關(guān)系，大部分作者之間存在一種合作研究關(guān)系．表1展示了石斛研究的主要作者，從圖5-圖6圖譜中可以發(fā)現(xiàn)，這些作者在整個(gè)石斛的研究過(guò)程中起到重要的作用．其中陳乃富、魏剛、郭順星等作者組成了一張較大的研究關(guān)系網(wǎng)，而宋希強(qiáng)、李澤生等作者各自組成了較小的研究關(guān)系網(wǎng)，石斛研究領(lǐng)域作者關(guān)系網(wǎng)呈現(xiàn)的是“大網(wǎng)集中，多網(wǎng)分散”的趨勢(shì)．表2給出的是作者在不同時(shí)間段對(duì)石斛研究的主要內(nèi)容變化，體現(xiàn)石斛研究演變趨勢(shì)．

表1 石斛研究部分核心作者發(fā)文量統(tǒng)計(jì)表

表2 作者石斛研究主要內(nèi)容變化

機(jī)構(gòu)是石斛研究的主要平臺(tái)，石斛研究的主要機(jī)構(gòu)包括科研院校、研究所和企業(yè)等．圖7為MST算法處理的機(jī)構(gòu)知識(shí)圖譜，可以發(fā)現(xiàn)有關(guān)石斛的研究基本上為科研院校和研究所，其中郭順星研究員所在的中國(guó)醫(yī)學(xué)科學(xué)院北京協(xié)和醫(yī)學(xué)院藥用植物研究所、魏剛研究員所在的廣州中醫(yī)藥大學(xué)和陳乃富教授所在的皖西學(xué)院生物與制藥工程學(xué)院等單位均為石斛主要的研究和發(fā)文機(jī)構(gòu)，圖譜結(jié)果可以看出研究機(jī)構(gòu)之間的合作關(guān)系強(qiáng)度．從圖譜結(jié)果的側(cè)面分析可以得出，廣州中醫(yī)藥大學(xué)發(fā)文數(shù)量最高達(dá)到了189篇，其余包括皖西學(xué)院在內(nèi)的9家研究機(jī)構(gòu)發(fā)文量也突破了100篇，體現(xiàn)了這些高校和科研院所對(duì)石斛研究的深度．

圖7 研究機(jī)構(gòu)知識(shí)圖譜

由于作者是研究機(jī)構(gòu)的主體，基于時(shí)序的作者知識(shí)圖譜可視化分析可直接反映出研究機(jī)構(gòu)在石斛領(lǐng)域的變化情況．圖8給出的是通過(guò)聚類得到的近20年來(lái)機(jī)構(gòu)基于時(shí)序的知識(shí)圖譜可視化圖．聚類結(jié)果主要是通過(guò)對(duì)關(guān)鍵詞進(jìn)行聚類分析獲取，每個(gè)聚類結(jié)果中包含多個(gè)關(guān)鍵詞，不影響作者的時(shí)序圖譜．時(shí)序圖譜可以看出研究機(jī)構(gòu)對(duì)石斛研究的參考文獻(xiàn)從什么時(shí)間開(kāi)始出現(xiàn)、聚類結(jié)果對(duì)應(yīng)的研究機(jī)構(gòu)所出成果從哪些年份開(kāi)始增多以及聚類結(jié)果在哪些年份關(guān)注度開(kāi)始降低等內(nèi)容．從圖8中可以看出，郭順星、陳曉梅等所在的中國(guó)醫(yī)學(xué)科學(xué)院北京協(xié)和醫(yī)學(xué)院藥用植物研究所從2000年開(kāi)始就已對(duì)石斛的栽培生長(zhǎng)、主要成分和基因分析等內(nèi)容進(jìn)行了研究并持續(xù)至今，在石斛研究領(lǐng)域具有一定的廣度和深度； 羅建平、劉詠等所在的合肥工業(yè)大學(xué)生物與食品工程學(xué)院主要從2005年開(kāi)始對(duì)霍山石斛的原球莖、多糖等進(jìn)行了研究； 陳乃富、韓邦興等所在的皖西學(xué)院主要從2009年開(kāi)始對(duì)霍山石斛的生長(zhǎng)栽培、遺傳性和藥用性等進(jìn)行了研究； 李澤生、李桂琳等所在的云南省德宏熱帶農(nóng)業(yè)科學(xué)研究所主要從2011年開(kāi)始對(duì)石斛的生長(zhǎng)、產(chǎn)業(yè)化等內(nèi)容進(jìn)行了研究．

圖8 研究機(jī)構(gòu)主體知識(shí)圖譜時(shí)序圖

圖9展示了近20年來(lái)根據(jù)時(shí)間段對(duì)石斛研究的主要研究院所關(guān)聯(lián)強(qiáng)度顯示圖．可以發(fā)現(xiàn)廣西壯族自治區(qū)農(nóng)科院花卉研究所和云南農(nóng)業(yè)大學(xué)園林園藝學(xué)院是最早開(kāi)始研究石斛的研究所和高校，這與廣西、云南地理環(huán)境和盛產(chǎn)石斛有關(guān)，但持續(xù)時(shí)間僅到2007年．聯(lián)系最強(qiáng)的前三個(gè)單位是安徽農(nóng)業(yè)大學(xué)生命科學(xué)學(xué)院、貴州師范大學(xué)生命科學(xué)學(xué)院和皖西學(xué)院生物與制藥工程學(xué)院，這與貴州金釵石斛和安徽霍山石斛的藥用價(jià)值高和近些年得到政府和科研院所的重視有關(guān)．時(shí)間最近的兩個(gè)單位為皖西學(xué)院生物與制藥工程學(xué)院和浙江工業(yè)大學(xué)，這也體現(xiàn)了近幾年來(lái)這兩個(gè)單位對(duì)石斛的研究成果較多．

圖9 石斛研究機(jī)構(gòu)關(guān)聯(lián)強(qiáng)度圖

多數(shù)石斛的生長(zhǎng)與地理位置具有較強(qiáng)的關(guān)系．表3為我國(guó)主要的幾種石斛與地理位置、生長(zhǎng)環(huán)境關(guān)系統(tǒng)計(jì)表．表3中可以看出球花石斛、霍山石斛和鐵皮石斛等不同品種所在的生長(zhǎng)地區(qū)有所差異，主要與不同品種石斛對(duì)生長(zhǎng)環(huán)境的要求各不相同有關(guān)，這與圖7、圖9所示的研究機(jī)構(gòu)知識(shí)圖譜和關(guān)聯(lián)強(qiáng)度圖相契合．石斛研究機(jī)構(gòu)主要以云南、安徽、廣西、四川和貴州等少數(shù)省份為主，部分經(jīng)濟(jì)發(fā)達(dá)地區(qū)如北京、廣州等城市的少數(shù)研究機(jī)構(gòu)在石斛研究領(lǐng)域也有所涉及．

表3 石斛種類與地理位置統(tǒng)計(jì)表

2.4 關(guān)鍵詞與熱點(diǎn)分析

2.4.1 關(guān)鍵詞共現(xiàn)分析

圖10 石斛研究關(guān)鍵詞共現(xiàn)圖譜原圖

關(guān)鍵詞是表達(dá)文獻(xiàn)核心內(nèi)容的重要信息，也是研究該領(lǐng)域重點(diǎn)的提煉，在一定程度上可以反映該領(lǐng)域的研究發(fā)展方向和研究的方法技術(shù)．運(yùn)用Citespace軟件可以生成有關(guān)石斛研究的關(guān)鍵詞共現(xiàn)知識(shí)圖譜，如圖10-圖12所示，分別為圖譜原圖、MST圖譜和PFNET圖譜．由于圖譜中的關(guān)鍵詞較多，得到的原圖圖譜比較龐大和混亂，MST算法和PFNET算法可解決這個(gè)問(wèn)題．如圖11所示，MST圖譜可以展示有關(guān)石斛研究的核心關(guān)鍵詞，其中鐵皮石斛、多糖、組織培養(yǎng)等是石斛研究的重要關(guān)鍵詞，關(guān)鍵詞部分主要涉及到石斛的品種、培育生長(zhǎng)、成分提取與分析、藥用價(jià)值和產(chǎn)業(yè)化等內(nèi)容．石斛的品種主要分為鐵皮石斛、霍山石斛和金釵石斛等，其中鐵皮石斛需要生長(zhǎng)在海拔較高的山谷和樹(shù)木上，霍山石斛需要生長(zhǎng)在海拔較高的懸崖峭壁石縫中或古樹(shù)上； 鐵皮石斛的花、莖、葉均可入藥，而金釵石斛只有莖可以入藥； 石斛中的多糖可用于治療糖尿病，其中霍山石斛的藥用滋陰功能較其他兩種石斛更強(qiáng)； 霍山石斛由于需要野生栽培，故其產(chǎn)業(yè)化推廣應(yīng)用最差．

圖11 石斛研究關(guān)鍵詞共現(xiàn)MST圖譜

圖12 石斛研究關(guān)鍵詞共現(xiàn)PFNET圖譜

2.4.2 關(guān)鍵詞聚類分析

Citespace軟件中關(guān)于關(guān)鍵詞聚類時(shí)間線的可視化視圖可用于描繪聚類時(shí)間的關(guān)系以及聚類中文獻(xiàn)的歷史跨度．如圖13所示，有關(guān)石斛研究的關(guān)鍵詞聚類大體分為11類，本文重點(diǎn)分析糖尿病、多糖、石斛、遺傳穩(wěn)定性和數(shù)據(jù)挖掘5大聚類．

從聚類結(jié)果來(lái)看，聚類結(jié)構(gòu)較顯著(聚類模塊值為0.58)，聚類較合理(聚類平均輪廓值為0.52)．下面著重分析實(shí)驗(yàn)得到的5個(gè)聚類．

圖13 關(guān)鍵詞知識(shí)圖譜時(shí)序圖

1) 糖尿?。饕獌?nèi)容有作用機(jī)制、降糖降脂、大鼠模型、免疫、脂多糖、抗炎等．可以看出從2000年開(kāi)始研究石斛中所含的重要成分對(duì)糖尿病的作用機(jī)制，到2004年左右開(kāi)始通過(guò)對(duì)糖尿病模型大鼠進(jìn)行實(shí)驗(yàn)，2007年開(kāi)始提出了中醫(yī)藥療法，2012年開(kāi)始研究石斛對(duì)降低人體血糖、抗炎和提高免疫力均有一定的療效，2017年開(kāi)始提出西洋參、靈芝等中藥對(duì)改善糖尿病具有一定的效果．

2) 多糖．主要內(nèi)容有含量測(cè)定、采收期、提取工藝、原球莖等．2000年開(kāi)始研究石斛多糖含量測(cè)定技術(shù)和成分提取方法，2005年開(kāi)始研究石斛多糖抗氧化性能對(duì)抗衰老的作用，2015年開(kāi)始研究石斛活性多糖對(duì)提高人體白細(xì)胞數(shù)量和提高免疫力等功效，2018年開(kāi)始研究并提出鐵皮石斛花中含有的多糖具有抗脂質(zhì)過(guò)氧化作用和提高人體免疫力．

3) 石斛．主要內(nèi)容有鐵皮石斛、產(chǎn)品質(zhì)量、栽培技術(shù)、采收加工、產(chǎn)業(yè)開(kāi)發(fā)等．該部分為類別涵蓋最多的一類聚類，該聚類合并了鐵皮石斛和霍山石斛等聚類關(guān)鍵詞，并首先對(duì)石斛的品種進(jìn)行分類，對(duì)比不同品種石斛的品質(zhì)質(zhì)量； 其次對(duì)不同石斛的栽培技術(shù)進(jìn)行研究，實(shí)現(xiàn)人工產(chǎn)業(yè)化栽培并進(jìn)行專業(yè)的采收加工； 最后實(shí)現(xiàn)石斛產(chǎn)品的產(chǎn)業(yè)化推廣，推動(dòng)地方經(jīng)濟(jì)建設(shè)的發(fā)展．

4) 遺傳穩(wěn)定性．主要內(nèi)容有組織培養(yǎng)、可控環(huán)境、遺傳多樣性、光合作用、篩選、適應(yīng)性等內(nèi)容．主要研究石斛在不同條件下遺傳穩(wěn)定性及蒴果之間的差異及有關(guān)遺傳穩(wěn)定性的問(wèn)題．

5) 數(shù)據(jù)挖掘．主要內(nèi)容有中醫(yī)傳承輔助平臺(tái)、用藥規(guī)律、關(guān)聯(lián)規(guī)則、因子分析等．關(guān)于石斛數(shù)據(jù)挖掘的主要時(shí)間節(jié)點(diǎn)在2016年國(guó)務(wù)院發(fā)布《中國(guó)的中醫(yī)藥》白皮書后，強(qiáng)調(diào)要著力推動(dòng)中醫(yī)藥發(fā)展，實(shí)現(xiàn)中醫(yī)藥健康養(yǎng)生文化的創(chuàng)新性．主要利用臨床數(shù)據(jù)信息的基礎(chǔ)數(shù)據(jù)庫(kù)對(duì)石斛在藥物進(jìn)行描述性分析和系統(tǒng)聚類分析時(shí)，分析石斛在臨床治療上的療效．

圖13所示的關(guān)鍵詞共現(xiàn)時(shí)間線聚類圖譜中包含1 500多個(gè)節(jié)點(diǎn)和3 500多條連接線，圖譜可視性較弱，為提高圖譜可視性，可通過(guò)提高(c，cc，ccv)參數(shù)，得到如圖14所示的圖譜．

圖14 關(guān)鍵詞知識(shí)圖譜簡(jiǎn)化時(shí)序圖

簡(jiǎn)化圖譜的節(jié)點(diǎn)和連接線降低為237個(gè)和462條，簡(jiǎn)化后的圖譜聚類結(jié)果與原圖譜相似，可以看出聚類的結(jié)果重點(diǎn)圍繞石斛的品種、成分、生長(zhǎng)、癥狀治療、遺傳特性和數(shù)據(jù)挖掘等重點(diǎn)內(nèi)容．與圖13相比，圖14中可以更清晰地看出每個(gè)聚類開(kāi)始出現(xiàn)的時(shí)間、哪些年份聚類成果開(kāi)始增多以及哪些年份關(guān)注度開(kāi)始降低等內(nèi)容，圖譜隱藏的信息更多．

2.4.3 熱點(diǎn)分析

熱點(diǎn)可以反映出一段時(shí)間內(nèi)科研院所對(duì)該領(lǐng)域研究的動(dòng)態(tài)變化過(guò)程．如圖15所示，運(yùn)用Citespace軟件可以生成有關(guān)石斛研究的熱點(diǎn)可視化圖，共有26個(gè)突變型關(guān)鍵詞，強(qiáng)度在5.124 5到18.254 4之間，年度在2000-2019年．

從圖15中可以看出，石斛研究的起點(diǎn)較早、時(shí)間的跨度較長(zhǎng)，有關(guān)石斛的研究熱點(diǎn)數(shù)量較多、強(qiáng)度較突出，雖然部分核心研究熱點(diǎn)未能展示出來(lái)，但從側(cè)面可以看出石斛領(lǐng)域研究和產(chǎn)業(yè)化的發(fā)展歷程．首先，有關(guān)石斛研究出現(xiàn)最早的熱點(diǎn)為DNA指紋圖譜和多糖，主要研究石斛的特征和所含主要成分； 其次是石斛的品種和培育，主要是對(duì)石斛進(jìn)行更深層次的研究，將石斛納入中醫(yī)藥領(lǐng)域； 再次是石斛產(chǎn)業(yè)的需求分析，將石斛進(jìn)一步推廣應(yīng)用，帶動(dòng)就業(yè)和經(jīng)濟(jì)發(fā)展； 最后著重就市場(chǎng)上研究和應(yīng)用價(jià)值較高的鐵皮石斛進(jìn)行深度研究，提取的多糖可以用于提高人體免疫力和降低血糖．

2.5 知識(shí)圖譜構(gòu)建結(jié)果

基于半監(jiān)督訓(xùn)練的知識(shí)圖譜構(gòu)建可以彌補(bǔ)Citespace軟件的缺點(diǎn)，它可以根據(jù)石斛研究的特點(diǎn)構(gòu)建針對(duì)性的實(shí)體關(guān)系抽取模型．圖16為基于半監(jiān)督學(xué)習(xí)訓(xùn)練模型并在Neo4j平臺(tái)中構(gòu)建的知識(shí)圖譜顯示結(jié)果．圖中選取了作者、發(fā)表期刊、關(guān)鍵詞、研究單位、2018年5種實(shí)體進(jìn)行訓(xùn)練，可以清晰地看出5種實(shí)體之間的關(guān)系．鐵皮石斛、多糖、免疫調(diào)節(jié)等關(guān)鍵詞內(nèi)容是2018年的主要研究對(duì)象，每個(gè)研究對(duì)象對(duì)應(yīng)的作者、期刊和研究單位可以在圖中清晰地顯示．通過(guò)可視化結(jié)果分析、半監(jiān)督訓(xùn)練模型來(lái)進(jìn)行實(shí)體識(shí)別和數(shù)據(jù)打標(biāo)，構(gòu)建的圖譜可以較好地展示石斛領(lǐng)域的研究關(guān)系網(wǎng)．

圖16 基于半監(jiān)督訓(xùn)練的知識(shí)圖譜構(gòu)建圖

3 總結(jié)

本文主要通過(guò)Citespace軟件對(duì)知網(wǎng)有關(guān)石斛文獻(xiàn)的摘要和關(guān)鍵詞數(shù)據(jù)進(jìn)行知識(shí)圖譜可視化分析，并基于半監(jiān)督訓(xùn)練實(shí)現(xiàn)石斛領(lǐng)域的知識(shí)圖譜構(gòu)建．結(jié)果表明，有關(guān)石斛的研究呈現(xiàn)了“緩慢增長(zhǎng)、快速增長(zhǎng)和緩慢波動(dòng)”的過(guò)程，有關(guān)石斛的研究趨于成熟化并傾向于專業(yè)化； 研究文獻(xiàn)來(lái)源分布廣泛，具有較強(qiáng)的專業(yè)性和地方性特色； 通過(guò)作者與機(jī)構(gòu)的聚類圖譜可以發(fā)現(xiàn)，有關(guān)石斛研究的大部分作者和機(jī)構(gòu)具有相互合作關(guān)系，呈現(xiàn)較強(qiáng)關(guān)聯(lián)性，研究的科研單位更多與地理位置有關(guān)，少數(shù)發(fā)達(dá)地區(qū)城市有關(guān)研究機(jī)構(gòu)在石斛領(lǐng)域也有所涉及； 通過(guò)關(guān)鍵詞和熱點(diǎn)的聚類分析發(fā)現(xiàn)整個(gè)石斛產(chǎn)業(yè)的發(fā)展變化趨勢(shì)，分別從石斛的醫(yī)療效果、成分分析與提取、產(chǎn)業(yè)化推廣、遺傳分析和數(shù)據(jù)挖掘等聚類部分較好地看出了石斛研究的核心方向．構(gòu)建的知識(shí)圖譜可以通過(guò)半監(jiān)督學(xué)習(xí)對(duì)實(shí)體進(jìn)行知識(shí)抽取和打標(biāo)，實(shí)現(xiàn)針對(duì)性的石斛研究知識(shí)圖譜可視化．由于訓(xùn)練和打標(biāo)過(guò)程中需要人工選取實(shí)體和確定關(guān)系，工作量較大，下一步研究將嘗試結(jié)合自然語(yǔ)言處理、神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)等算法實(shí)現(xiàn)實(shí)體抽取和圖譜構(gòu)建．