论文部分内容阅读
研究前沿有显隐性之分,隐性前沿的识别能反映领域内新兴的、最具发展潜力的研究;显性前沿的识别能反映领域内的研究焦点及重难点,因而研究前沿的识别对于情报追踪、优化资源配置、规划国家发展蓝图、制定科技发展政策、提升国家竞争力等都具有重要的意义。 但目前文献计量学领域对于研究前沿的定义繁杂,多集中于对论文数据源进行分析,且结合两种引文分析法进行前沿识别的研究鲜见报道。因此,基于已有的理论基础和研究进展,首先界定了本文对于“研究前沿”的定义,并详细阐述了各种研究前沿的识别方法及其优缺点。在此基础上,本文研究了采用共被引分析法和耦合分析法对专利数据源进行研究前沿识别;同时,创新性地利用Zscore法概率融合模型对共被引相似度矩阵和耦合相似度矩阵进行融合,来进行研究前沿的识别。具体而言,先将所研究领域相关的专利按照技术生命周期划分为若干个连续的时间窗,再采用共被引分析、耦合分析以及融合分析三种方法,及基于原始观测值和基于余弦距离的两种相似度算法,建立若干个引文相似度矩阵,接着对矩阵进行社会网络分析,得到研究前沿簇,之后根据聚合簇中专利家族内容和共同CPC分类号,结合领域背景知识和专家指导进行簇类命名,得到识别结果,最后对三种方法获得的研究前沿进行比较和验证。 本研究选择了脑机接口领域对上述方法进行实证分析。将Innography数据库中6,243件相关专利按照技术生命周期划分为3个时间窗,即1986-1995年、1996-2005年和2006-2014年,最终建立了18个引文相似度矩阵,然后进行了研究前沿的识别。通过文献调研法对该结果进行验证,表明引文分析法和融合分析法均可识别领域的显性研究前沿。通过比较发现:在一段时间窗内进行研究前沿识别,耦合分析比共被引分析能找到更多的研究前沿;共被引分析和耦合分析识别结果所涵盖的专利家族号有30%左右的重合率;基于余弦距离的相似度矩阵比基于原始观测值的相似度矩阵所得前沿数量多;融合分析法比单个引文分析法所获研究前沿数量更多、更全面。融合分析结果的专利家族号有50%左右与单个引文分析的结果相同,其余是新识别出的专利家族号,经过融合可以很好地弥补单个引文分析法识别结果的缺漏,能够更全面地揭示领域的研究前沿。