情报学学科体系的再认识

[目的/意义] 整合各方观点,提出一个争议相对较小、能够被情报学界普遍接受的新的情报学学科体系论述,不仅有利于情报学学科的良序发展,而且有利于情报学学科地位的提升以及情报学知识体系的传承。[方法/过程] 论文在对已有关于情报学学科体系框架的学术成果进行述评的基础上,提出一个融合Information思维与Intelligence思维的情报学学科体系基本框架,将现有各情报学分支学科统一在一个框架之中。[结果/结论] 该框架由以下5部分组成：1）由情报学基础理论、情报学支撑理论、情报与情报学史、情报方法技术体系构成的情报学基础性知识体系;2）基于情报学基础性知识体系,与特定领域的情报问题结合,演化出的一组情报学分支学科;3）情报学与其他学科交叉融合而成的、以其他学科为主导的一组交叉型学科;4）每个情报学分支学科细分出的具有自身特色的理论、应用、技术、管理、实践、教育等方面的分支性知识体系;5）每个分支体系内包含的若干研究主题。     

基于时间序列分析的潜在学科交叉前沿主题识别研究

[目的/意义]识别学科交叉前沿主题并预测其发展趋势,有助于了解学科内部结构,挖掘领域重点部署方向,为未来创新性、突破性研究提供参考。[方法/过程]以美国国家自然科学基金项目及其产出论文分别作为前端、后端数据,首先,从三个维度测度项目学科交叉度,遴选领域学科交叉项目;其次,从主题关注度、新颖度等方面构建研究前沿主题识别指标体系,对学科交叉主题进行二次遴选,满足阈值的即为学科交叉前沿主题;再次,对比时间序列分析模型ARIMA和LSTM主题拟合效果并选择误差最小模型对学科交叉前沿主题进行趋势预测分析;最后,以生物科学领域为例对方法的有效性和可行性进行实例验证。[结果/结论]生物科学领域在纳米生物学技术、全球变化和海洋环境生物学、生物信息学及壶菌病与两栖动物多样性方面有较好发展前景。经专家咨询和已有研究对比分析,该方法可有效识别领域学科交叉前沿主题,并对其未来研究趋势走向有一定参考借鉴。     

基于Rao-Stirling指数和LDA模型的领域学科交叉主题识别——以纳米科技为例

【目的/意义】基于Rao-Stirling 指数和LDA模型进行领域学科交叉主题识别,并以纳米科技为例验证将 Rao-Stirling 指数和LDA模型用于领域学科交叉主题识别的有效性和适用性。【方法/过程】基于Rao-Stirling 指数 测度领域文献学科交叉程度,设定阈值发现高度学科交叉文献。基于LDA模型对筛选出的学科交叉文献进行主题 识别,发现学科交叉点和学科交叉研究主题。【结果/结论】基于Rao-Stirling 指数从引文的角度进行领域文献学科 交叉测度可以有效地发现与某领域相关的学科交叉文献,且有利于大数据集的学科交叉文献发现研究的实现。基 于LDA模型进行学科交叉主题识别可以有效地发现学科交叉主题。两方法的组合应用为发现某领域学科交叉主 题研究提供一种新视角。     

引文事件视域下学科关系演化分析

[目的/意义]为把握不同学科之间知识交叉融合程度,全面揭示跨学科知识交流的特征和规律。[方法/过程]文章深入引用内容层面,以引文事件为分析单位,构建了引文事件表示框架、定义了引文事件类型、分析了引文事件权重,然后在此基础上提出了一个囊括多维度的学科关系测度方法,并以经济学和社会学为实证分析对象,对两个学科在2000—2020年间的学科关系进行测度。[结果/结论]将研究结果分别与基于文献直引、引用主题分析以及专家评估法得到的结果进行比较,验证了基于引文事件分析的学科关系测度方法的适用性和可行性。     

创新生态系统领域学科多样性测度研究

[目的/意义]创新生态系统是近年兴起的热门领域,反映了学术研究前沿与趋势。对其学科多样性进行研究有助于激发学术思想碰撞,产生新见解,为科技政策制定与管理提供依据。[方法/过程]基于共类分析,以Web of Science数据库创新生态系统领域2002-2017年相关核心文献为目标,通过学科覆盖图,学科丰富度、均匀性、差异性和综合测度指标对比分析创新生态系统领域学科多样性特征。[结果/结论]创新生态系统领域整体学科多样性较强,主要集中于邻近领域或学科。且创新生态系统受其他领域的影响大于其本身对其他学科的影响。时序上,其学科多样性并无显著增强趋势,但总体上目标文献被引频率越高,学科多样性越强。     

基于文献计量视角的全球物流科技领域发展研究

[目的/意义]分析全球物流科技领域的学术产出和分布情况,有助于把握物流科技领域的发展动向,为相关科研人员提供借鉴。[方法/过程]采用文献计量分析、社会网络分析和可视化分析工具,搜集Web of Science数据库物流科技领域的文献数据,从论文年度数量、研究力量、研究主题角度分析全球物流科技领域的发展态势。[结果/结论]通过结果可知,中国大陆物流领域的年度论文量增长迅速,学术实力和影响力不断提升;学术交流与合作促进物流学术领域的发展,香港理工大学已形成成熟的研究团队,Govindan Kannan、Gunasekaran Angappa是近几年最具潜力的学者;可持续性(Sustainability)相关研究是物流学术领域的研究热点和趋势。     

基于关联规则挖掘的多学科知识融合研究——以新冠肺炎研究领域为例

[目的/意义]挖掘高强度关联学科，揭示多学科知识融合规律，有助于更好地把握和推动多学科知识融合。[方法/过程]从Web of Science核心集获取新冠肺炎主题论文，采用Apriori算法挖掘参考文献所属学科的频繁项集和强关联规则，揭示知识融合特征。以一项强关联规则为例，结合关键词聚类分析，识别该学科组合在知识融合后形成的热门主题。[结果/结论]新冠肺炎研究的知识来源非常广泛，跨学科知识融合十分普遍，关联规则挖掘提供了一种识别和预测强关联学科组合及其知识融合趋势的新方案。     

基于隐含空间模型降维和LDA模型的学科主题识别研究

[目的/意义]现有学科研究主题的梳理多为领域专家的定性分析和学科学者的文献梳理,一定程度会由于研究思维的局限性和获取知识的片面性造成学科研究主题误判,为有效避免漏判误判现象的发生,提出识别模型。[方法/过程]首先,运用传统LDA模型分析主题特征词;其次,结合上下文语义信息进行中文分词,形成学科主题词库;最后,结合隐含位置聚类算法发现潜在社区,提高主题识别效果。[结果/结论]提出的方法一定程度上优化了主题挖掘算法在识别短文本主题的效果,消除主观意愿。由计算机自行分类并实现科学研究前沿主题的预测,揭示前沿领域的研究热点,为致力于研究前沿学科的新兴学者提供参考价值。     

学科研究热点识别新视角：主题动能——以图书情报领域为例

[目的/意义]从研究主题的知识生产与扩散两方面识别学科研究热点,有利于明确学科重点,把握学科发展动向,为预测未来研究趋势提供研究基础。[方法/过程]提出主题动能概念,基于研究主题的生产与扩散指标构建主题动能模型,综合分析某时间段某主题的研究质量(横向热度)与速度(纵向变化),识别学科研究热点;并根据多时间段的动能变化情况划分不同类型的研究热点,描述其动态变化。[结果/结论]选择图书情报领域2017—2021年研究文献与引证文献为例进行实证分析,发现主题动能模型能够有效识别当前阶段的学科研究热点;选择2012—2016年和2017—2021年两个时间段的相关数据分析主题动能变化,能够划分学科“前沿型”“稳定型”“衰退型”三种类型研究热点,实现对学科研究的动态描述。     

基于政务微博的自然灾害知识图谱构建——以森林火灾为例

[目的/意义]利用政务微博信息构建自然灾害知识图谱,旨在为相关部门加强自然灾害事件的管理提供知识层面的参考价值。[方法/过程]以森林火灾事件为例,选取政务微博信息资源,首先使用LDA主题模型划分微博资源主题;其次构建自然灾害知识图谱的模式层和数据层,包括本体构建、实体抽取、关系抽取和数据融合等环节;最后使用Neo4j图数据库实现自然灾害知识图谱的存储与检索,实现自然灾害信息的组织与可视化。[结果/结论]构建了基于主题划分的自然灾害知识图谱,实现了自然灾害信息的主题知识关联与规范化处理,对提升政府部门防范与管理自然灾害的科学决策水平具有积极作用。     

国内外图情领域的知识扩散特征研究

[目的/意义]知识经济时代,知识扩散的路径研究是掌握知识发展动向、把握新机遇的重要途径。摸清知识扩散的规律与机制,有助于准确预测知识扩散的未来动向,推动知识的共享与发展。[方法/过程]以CNKI和Web of Science两个数据源近五年的图情学科研究型文献为例,采用文献计量的分析方法,结合SATI分析软件,从知识扩散的广度、速度、强度三个指标,以及知识扩散的主题演化方面,比较分析我国图情学者在国际和国内平台的知识扩散特征差异。[结果/结论]国内和国外图情学科的知识扩散广度在逐渐增加,但国外的增速更加明显;国内图情学科的知识扩散速度明显高于国外;国内向本学科的知识渗透率最高,在50%以上,国外更多渗透于其他学科,且与环境科学的交叉融合在逐年加深。     

基于机器学习算法的研究热点趋势预测模型对比与分析——BP神经网络、支持向量机与LSTM模型

[目的/意义]细粒度分析学科领域热点主题发展脉络并对利用机器学习算法对未来发展趋势进行准确预测研究。[方法/过程]提出一种基于机器学习算法的研究热点趋势预测方法与分析框架，以基因工程领域为例利用主题概率模型识别WOS核心集中论文摘要数据研究热点主题并进行主题演化关联构建，然后选取BP神经网络、支持向量机及LSTM模型等3种典型机器学习算法进行预测分析，最后利用RE指标和精准度指标评价机器学习算法预测效果并对基因工程领域在医药卫生、农业食品等方面研究趋势进行分析。[结果/结论]实验表明基于LSTM模型对热点主题未来发展趋势预测准确度最高，支持向量机预测效果次之，BP神经网络预测效果较差且预测稳定性不足，同时结合专家咨询和文献调研表明本文方法可快速识别基因领域研究主题及发展趋势，可为我国学科领域大势研判和架构调整提供决策支持和参考。     

基于大规模开放学术图谱的研究前沿分析框架

[目的/意义]受开放科学运动影响所形成的各类大规模开放学术图谱,作为一种高质量、良结构化的科研领域大数据集,为研究前沿分析创造了新的研究条件。在该数据下构建研究前沿分析的思路与框架,将有效实现数据驱动的知识发现,辅助科技情报分析和决策。[方法/过程]对研究前沿及其分析方法进行了文献回顾,并探讨了研究前沿分析面临的主要问题。进一步,对开放学术图谱进行了调研,进而构建了基于大规模开放学术图谱进行研究前沿分析的总体框架。[结果/结论]所构建的研究前沿分析框架,提出了基于大规模开放学术图谱进行研究前沿分析的详细步骤,能够基于开放学术图谱实现对研究主题的全面、快速、准确分析,为实现研究前沿的跨时空动态分析、多尺度演化分析及多因素多维分析提供可供参考的思路。     

基于期刊学科分类的学科交叉特征识别方法——以生物医学工程领域为例

【目的】 针对当前我国在学科交叉特征研究中的不足,建立一套规则、结构清晰的学科交叉特征识别方法。【方法】 以Web of Science数据库收录的生物医学工程领域论文所属期刊的学科分类为数据基础,通过引入中介中心性、度中心性、信息熵指标,利用学科共现分析方法,结合Bibexcel、Ucinet社会网络分析软件建立学科关联网络图谱,识别生物医学工程领域学科交叉的结构演化特征,验证了其在学科交叉特征识别中的可行性。【结果】 分析生物医学工程领域的学科交叉特征,得出该领域的亲缘学科,结果表明“生物医学工程”研究领域的信息熵随着时间的演进而增大,说明该领域的学科交叉程度愈加深入。【结论】 实验结果与实际情况较为一致,验证了学科交叉特征识别方法的可靠性。     

国际知识产权研究的学科交叉特征分析 ——基于期刊学科分类的视角

借助科学计量学方法和信息可视化工具进行学科交叉特征研究,以国际知识产权论文所属期刊学科分类(Web of Science Category)为数据基础,借助信息可视化工具CiteSpace3.1.R3,通过期刊学科领域共现分析,绘制学科交叉共现图谱,展示了国际知识产权研究领域的学科交叉特征及其发展态势、展示了各个时期主导学科的重点研究方向、学科领域间的关联程度、揭示其核心领域及相邻领域。     

我国直升机研究领域的学科交叉特征分析

[目的/意义]《中国制造2025》计划中提出推进干支线飞机、直升机、无人机和通用飞机产业化。分析我国直升机研究中的学科交叉现象,对我国直升机的科学研究与产业化提供参考。[方法/过程]从直升机研究中论文的自身学科属性与关键词两个角度出发,对直升机研究的学科交叉进行分析。通过关联网络的绘制,分析多个学科交叉下学科共现,关键词与学科共现,得到直升机研究中学科交叉的主题与特征。[结果/结论]我国直升机研究呈现多学科互相交叉但交叉程度不同的特点,不同学科在直升机研究中占据不同地位,且学科与关键词共现也体现了学科之间存在交叉关系,控制理论与方法是直升机研究中的关键。     

基于知识图谱的标准文献多维知识发现研究

[目的/意义]我国经济迈入高质量发展阶段,标准文献在新发展格局中起着基础引领作用。基于知识图谱进行标准文献多维知识发现,能够创新标准文献的资源利用方式,提高利用效率。[方法/过程]结合标准文献内容结构特征和标准文献情报需求,提炼多维知识发现需求。通过对标准文献编写规范、标准文献元数据、标准文献内容等进行系统化的分析,完善和构建标准文献本体模型,最后选取版权领域进行知识发现实例探索。[结果/结论]面向用户情报需求,提出了“标准文献—机构—人员—术语—结构—内容”六维知识发现框架,并聚焦标准文献的通用内容与结构,构建了“元数据—结构—内容”3层标准文献本体模型,包含15个概念、21个对象属性,可一定程度上支撑六维知识发现,包括关联标准文献、潜在机构人员合作关系、术语不一致发现、结构重用、内容关联发现等应用。文章提出的3层标准文献本体模型拓展并细化了标准文献实体类型,基于知识图谱的多维知识发现框架能够为标准文献开发利用提供新方向。     

基于CiteSpace的知识付费研究热点及趋势研究

[目的/意义]旨在为我国知识付费研究提供主题参考。[方法/过程]基于知识流动性特征,对知识付费的内涵进行了界定;以CNKI和Web of Science来源期刊中与知识付费相关的527篇论文作为研究对象,应用文献计量法对文献的发展特征进行了描述并借助CiteSpace V绘制知识图谱,对知识付费相关研究的研究热点及研究趋势进行分析。[结果/结论]我国知识付费领域的研究仍然处于文献爆炸增长的起步阶段,主要研究热点集中在数字出版、知识付费理论、知识付费平台、用户付费行为与意愿四个方面。用户视角下的知识付费平台服务评价指标体系和知识付费服务的测度问题是两个有待进一步探讨的研究点。     

基于多数据源融合的医疗知识图谱框架构建研究

[目的/意义]随着大数据和人工智能时代的来临，基于数据驱动的医疗辅助决策以及医疗健康知识挖掘受到人们的极大关注。医疗知识图谱是医疗信息分析和知识服务的基础，在医疗人工智能和医疗信息检索中发挥着重要作用。[方法/过程]本文以医疗领域的实际应用需求为出发点，从医疗大数据获取、医疗实体及关系标注、医疗实体识别、医疗实体链接、医疗实体关系挖掘、中文医疗知识图谱表示和存储等关键技术入手，提出了多数据源融合的医疗知识图谱构建的理论框架。[结果/结论]面向医疗领域的知识图谱构建是一项非常重要的基础任务，同时也是人工智能领域的重要发展方向。     

学科交叉视域下国际舆论场突发公共卫生事件网络舆情传播研究综述

[目的/意义]新冠肺炎持续蔓延的国际舆论场波谲云诡，如何把握舆情传播规律进而提升国际传播力与话语权，是新时代情报学理论研究与实践探索面临的重大问题。[方法/过程]以Web of Science和CNKI数据库为来源，辅以文献分析方法进行主题挖掘和观点提炼后，遵循“行为特征层—传播机理层—实践应用层”逻辑思路，述评国际舆论场突发公共卫生事件网络舆情传播研究主题并提出未来展望。[结果/结论](1)该研究涉及情报科学、信息科学、系统科学、传播学等多个学科，是一项学科交叉融合、支撑共建的系统性工程；(2)现有文献主要聚焦传播群体行为、舆情传播机制、国际传播力提升3个主题进行研究；(3)未来可尝试不同学科之间跨界组合，围绕舆情画像塑造、传播规律探析、传播策略应用等视角展开探索。