基于核心关键词的聚类分析 — —兼论共词聚类分析的不足

【目的/意义】反思共词分析中存在的问题,提出核心关键词人工聚类分析的研究方法。【方法/过程】梳理 了共词分析的一般方法和存在的问题,并以图书情报界阅读研究文献为例证实了共词聚类效果确实不是很理想。 提出了在计算机统计关键词频次之后,选择具备一定频次的表意性较强的核心关键词进行人工聚类分析的研究方 法。【结果/结论】实践证明这种研究方法能避免共词分析的弱点,有效揭示研究领域的主题结构。     

近十年国外图书情报学专业研究领域可视化分析——基于社会网络分析和战略坐标图

以Scopus数据库和Web of Science数据共同收录的图书情报学领域的38种期刊近10年所刊载的研究论文为数据源。利用共词聚类分析获得各个研究主题类团。基于关键词及其在文献中的共现情况,构建词共现关键词网络。并利用社会网络分析方法从网络中心性角度分析每个关键词在网络中的地位,以及它们之间的联系,揭示研究主题的结构特征。最后通过二维战略坐标图识别不同主题类团之间的演变趋势。     

基于共词分析的文本主题词聚类与主题发现

文本主题检测可以很好的挖掘海量信息中的关键因子,本文主要通过基于共词分析方法对文本主题词进行聚类从而发现当前的主题,首先通过停用词过滤和TF-IDF关键词提取技术提取出主题词串,然后构建共词矩阵,最后通过Bisecting K-means算法对主题词串进行聚类分析,从而发现主题。实验结果表明,该方法对热点主题提取有一定的效果。     

1991-2013年人工智能知识图谱研究

采用Cite Space软件对Web of Science数据库中以artificial intelligence(人工智能)为主题词的4735条记录进行可视化分析。通过绘制共引文献网络图谱,以关键节点为依据,分析了1991—2013年对人工智能领域发展起重要作用的3篇文献;通过绘制基于主题词的共词网络图谱,采用主题聚类的方法分析了人工智能学科的热点演进过程;采用突变检测算法分析了人工智能学科的前沿主题演进过程。     

共词分析法与文献被引次数结合研究专题领域的发展态势

本文选取消化性溃疡为研究对象，在PubMed数据库中下载相关文献，利用自编的程序处理所下载的数据，得到高频主题词共词矩阵；再用系统聚类法对主题词进行聚类分析，总结出该领域的研究热点；最后分析了各热点随时间变化的趋势以及与被引次数的关系。实验证明：高频主题词共词聚类分析及战略坐标都是研究学科热点的有力工具，与主题的被引次数结合使用，可能取得更好的效果。     

基于文献多属性加权的共词分析方法研究

【目的/意义】共词分析法是文献情报分析的重要方法，对促进学科领域等的研究和发展具有重要作用。针 对共词分析法中存在的文献层面和词层面“同量不同质”问题、高频孤立词问题等，提出一种基于文献多属性加权 的共词分析方法。【方法/过程】该方法利用文献发表时间、被引次数和下载量等属性来度量文献时效性和被关注 度，以表征文献层面的权重；利用文献标题和摘要等属性对文献关键词的差异性进行度量；综合文献权重和词差异 性权重对共词分析词频次及共词对频次进行加权处理，然后依据二者加权后的频次确定共词分析用词集合及构建 共词矩阵。【结果/结论】以CNKI数据库有关主题模型研究的核心期刊论文为数据源，对该领域的研究主题热点进 行分析，从共词分析用词选择和聚类分析等方面与一般共词分析法进行对比，验证了本文所提加权方法具有一定 的合理性和有效性。     

基于关键词共现频率的热点分析方法研究

关键词共现可以有效地反映学科领域的研究热点,为科学研究提供辅助支持。文章系统梳理基于共现频率的共词分析相关度算法、聚类算法、可视化方法等,评价现有聚类算法,并针对k-means聚类算法提出改进构想。     

数据挖掘和知识发现领域热点主题分析

利用词频分析、共词聚类分析、可视化等方法对Web of Science数据库1998～2009年间的数据挖掘和知识发现领域的研究文献进行分析,探讨该领域的研究热点主题及其间关联.     

基于文献计量学的知识管理学科发展态势分析

利用ISlwebofKnowledge信息平台和德温特分析软件对1997-2006年期间SCI和SSCI收录的知识管理文献进行分析与比较。应用共词聚类分析法对知识管理的关键词进行聚类．得到当前国内外研究的热点主题,并利用战略坐标进一步定量分析了各热点主题的发展阶段。     

基于共词分析法对近十年我国图情学研究热点的分析

采用共词分析法,利用聚类分析和战略坐标分析,分别绘制1998-2002年和2003-2007年间两阶段的聚类图和战略坐标图,对两阶段我国图情学科的热点研究领域和研究主题进行了较为详细的对比分析,得出近十年来我国图情学科的热点研究领域稳中有变,并具有新特征.