论文部分内容阅读
摘要：在现代科技的推动下，人们追求更严密更有效的参考数据。citespace软件在提供具体、有力的数据方面有十分重要的作用，如领域研究热点或突显词。通过结合可视化分析的发展以及可视化为文献分析所带来的便捷，阐述现代技术citespace对信息检索的影响。本文运用citespace分析3100篇关于“可视化分析”文献，希望可以推动可视化分析的发展，完善可视化的功能。
关键词：文献分析;网络发展;数据挖掘
引言
信息检索是一种在进行论文或其他文章写作时，进行的必要的文献参考，通过在知网、web of science等网站上获取所需信息或数据，使文章获得更有力的支撑或补足缺失的信息。
在现代化科学技术的快速发展与时代的进步下，人们对可视化的研究在不断深入，进而对有关信息检索的研究也在不断增长。目前，国内对可视化分析的研究群体在不断扩展，人们对信息检索可视化研究的范围也在不断扩大。这种高效且便捷的方法无疑在以后的信息检索中占据更重要的位置，随着逐渐完善系统功能，在将来或能根据用户的设定习惯，优先筛选出符合条件信息，更方便清晰的操作环境也会需要改进的，用citespace对在CNKI检索出的关于“可视化分析”的为例探讨。
通过在知网上对相关主题文献进行检索，发现从2010年开始，关于citespace的文献信息逐渐增加，可见人们对于可视化的数据分析越来越重视，应用越来越广泛。Citespace是由陈超美团队研发的，在Java语言运行环境下的可视化分析软件，本文基于5.3.R4版本，对从CNKI数据库检索到的文献进行分析，得到该领域重要研究机构、主要研究作者、研究热点及研究演化路径，并用图谱加以展示。
1文献分析与知识图谱
1.1文献时间及数量分布
根据在CNKI上检索2010年——2018年间，主题关于“可视化分析”，得出的3100个文献数据，通过数据分析，可知2010年有94篇文章发表，从2010年开始，发表数量呈指数增长，到2018年已有808篇。在2014年到2018年间，是可视化分析的研究的快速增长期，也说明了数据的可视化分析在工作中越来越重要，学界逐渐对该领域有更高的关注。
1.2文献的机构分析
在citespace的运行界面中，把Node types设置成Institution，实现对文献的研究机构的分布情况。得到知识图谱如图 1
在图谱中，各节点表示其研究机构，节点间的连线表示各机构间的合作情况，节点的大小代表了机构发文量的多少。从图上看出，共59个节点，提出发文不足3次与无效的研究机构，节点连线仅为17条，可以说明该领域的研究有许多的机构参与，但各机构的联系与合作不足，还多处于独立研究。图中的圆形节点越大表示关键词出现的次数越多，出现频次较多的关键词一定程度上可以代表相关研究热点。
对频次进行整理排序，发文量第一的武汉大学信息管理学院为26篇，第二名陕西师范大学教育学院是23篇。远高于后面的学院，两家机构都保持着每年的持续发文，是该领域的研究主力。
1.3文献的作者分析
在Node types 中設置为Author，再次运行citespace，得到对可视化分析作者的知识图谱（表2）。从图谱得知，作者之间的网络关系散乱，之间没有过多联系，中心作者与其他合作者至多有5条连线，说明领域内作者之间的合作较少，且多是两人之间的小型合作模式，大多数作者也都是单独研究。通过对比分析剔除无效作者，统计出前十发文数的作者，由表1看出，唐云芝发文数18篇，在该领域十分突出，熊华军、田金徽、何晓萍、赵蓉英、祁占勇分别有9篇的发文数，且都是在近几年发表，说明对于可视化分析的研究正在逐步发展，在今后会有更卓越成绩。
1.4=文献的关键词分析
通过关键词的分析，可以直观的看出文章的主要信息或热点词汇，通过文献关键词，可以快速了解文章主题与观点。下面从关键词的共现分析和聚类分析进行数据列举，探讨关键词在文献中的重要作用。
1.4.1关键词共现分析
在citespace界面，将Node Types选择keyword，时间选择2010年到2018年，跨度为1，采用pathfinder算法，点击run，开始运算，生成“可视化分析”的关键词共现知识图谱如图2。
图谱中的一个加号图形代表一个关键词，颜色深浅代表发表文献的时间，节点的范围越大代表发表的文献越多，越外层的颜色越浅，代表年份越近。各节点之前有连线，代表关键词之间有共现，粗细代表共现频率系数。图谱共163个节点，185条连线，密度为0.014。从图中可直观看出，“可视化分析”、“知识图谱”、“citespace”、“可视化”、“研究热点”，这五个关键词的体积较大且位于中心位置，相互之间有所关联。且从节点、连线、密度的数据表明，可视化分析的研究领域已经有所发展，并且受到广泛关注有一定规模，其研究网络也相互之间有关联，使文献具有多样性。
通过罗列关键词频率，可以分析目前该研究领域的热点情况，数据包括关键词名称、出现频次、中心度、年份。分别代表了关键词在文献出现的总次数，关键词之间的信息流的数量对网络体系的相关程度。有必要从频次和中心度两方面来进行数据对比，保留了排行前十的数据分别了解（表2与表3）。
从表2与表3可看出，排名前十的频率和中心度的关键词，存在很高的相似度，如：可视化分析、可视化、citespace、研究热点、研究前沿。说明研究热点集中在这几个类信息上，有着重要的主导作用。但从年份上看出大都集中在2011-2014年，近年的研究有些像其他方向发展，说明人们已经对可视化有了初步了解并且向其他领域开拓新的发现。
1.4.2关键词聚类分析 利用关键词检索结果进行聚类分析，在上续步骤之后点击clustering开始自动聚类，对共引网络是连接关系而非节点属性的聚类。左上方的网络签名包括了模块化和平均轮廓。Modularity和Silhouette是网络模块化中的两个重要数据，模块值Modularity是用来衡量一个网络能在多大程度上被拆分成相互独立的模块，当数值在0到1之间，数值越大，表示网络中模块越独立，本网络中Q=0.90，其独立性较高;平均轮廓值Silhouette用来测量聚类本质的不确定性，当数值在-1到1之间，值越接近1，则表示模块越独立（一般大于0.5），S=0.537，说明该网络的聚类结构基本合理。
本次研究从标题中抽取名词短语作为聚类标签，此次共得出13个聚类标签：“热点”、“文献计量学”、“sati”、“热点领域”、“文献计量分析”、“计量分析”、“gis”、“知识基础”、“高校图书馆”、“数据分析”、“pajek”、“共词可视化”、“继电保护”，这13个标签，他们代表了先阶段研究人员对可视化分析问题研究的重点。
在关键词图谱基础上，选择clusters——Summarization of Clusters，得出关键词共现网络聚类表（表4）。大致可以把可视化分析的研究内容分为两类：（1）可视化分析自身的服务内容：标识词包括热点、前沿、研究主题、研究现状、数据挖掘、共现分析等，主要是对可视化分析可以提供的服务来展开的，也是可视化软件的基础认识，首先要对功能有所了解，才能正确的对要分析的内容分模块进行。（2）可视化分析的研究方向：细胞趋化运动、人力资源管理、人工智能、女性分析、密松工程等，主要是研究人员通过利用可视化分析软件对自己所研究的领域进行的分析工作，通过对搜集资料的进一步分析，可以得出热点区域或前沿领域，占据研究课题的重要部分，也是现代技术对文献分析提供的有力帮助。
2研究趋势展望
通过对知识图谱的分析和归纳，以“可视化分析”为例，在软件分析过程中尝试并且发现其中的优点和不足之处。我得出以下结论和建议。
①本次实验是通过在CNKI上下载文献，导入citespace进行分析的，使用CNKI的好处在于资源丰富，文献种类齐全，且是在中文文献资料，对入门的使用者没有过多要求。不足之处是无法进行共被引分析，因为从CNKI上下载文献，结果中不包括共被引信息，这就无法所研究领域中产生过重大影响的文献或者关键文献有哪些。
②在进行数据检索时，查全率和查准率往往是个不得不面临的问题，在进行关键词或主题的检索式，就是个明显的查准率高而查全率低的例子，因为也许关键词和主题中并没有展现与检索相关的词语，但文章确实属于该领域的，所以往往会有适当的取舍。如果保证查全率的前提下，再从结果中剔除不适合的部分是可行的办法，但往往耗费人力与时间，所以如何让两者更有效的结合在一起将会是信息检索的重点问题。
③对“可视化分析”的研究中发现，机构之间的联系还不太多，仍处于单独开展活动的状态，不利于新的发现，应该积极与其他研究该领域机构合作，共同推动对可视化分析的发展。通过关键词共现的知识图谱发现，在可视化分析的研究上，前4年基本集中在对可视化方法本身的研究，前期对计算机科学的了解还不明确，需要对可视化多做前期了解和探索;在之后几年，多涉及了其他领域的研究内容，是已经通过可视化分析可以辅助其他方面的研究，说明可视化的应用逐渐广泛并且被重视。
3总结
目前，citespace作为文献的可视化分析软件，已经更新至5.3版本，并且完善了许多分析功能缺口，但发表文献仍然不多，需要多去探索和实践。通过现代化技术去对大量的文献进行分析，节省了大量人力和时间，这对各个行业进行相关研究都有巨大价值，也为后面的研究提供有力的依据。
参考文献
[1]李云娟，卢海莲等.档案信息检索与研究成果统计管理[J].中国高校科技.2017（S1）：21-22
[2]焦丛蓉.分析现代信息检索对图书馆信息服务的影响[J].中国管理信息化.2018（19）：140-142
[3]肖荻昱.基于CiteSpace的圖书馆智库服务研究可视化分析[J].图书馆工作与研究.2018（11）：94-99
[4]曹鹏.现代信息检索技术发展探析[J].高等函授学报（自然科学版）.2010（04）：73-75
[5]毕欢.网络信息检索及其发展趋势研究[J].电脑知识与技术.2018（10）：8-9
关键词：文献分析;网络发展;数据挖掘
引言
信息检索是一种在进行论文或其他文章写作时，进行的必要的文献参考，通过在知网、web of science等网站上获取所需信息或数据，使文章获得更有力的支撑或补足缺失的信息。
在现代化科学技术的快速发展与时代的进步下，人们对可视化的研究在不断深入，进而对有关信息检索的研究也在不断增长。目前，国内对可视化分析的研究群体在不断扩展，人们对信息检索可视化研究的范围也在不断扩大。这种高效且便捷的方法无疑在以后的信息检索中占据更重要的位置，随着逐渐完善系统功能，在将来或能根据用户的设定习惯，优先筛选出符合条件信息，更方便清晰的操作环境也会需要改进的，用citespace对在CNKI检索出的关于“可视化分析”的为例探讨。
通过在知网上对相关主题文献进行检索，发现从2010年开始，关于citespace的文献信息逐渐增加，可见人们对于可视化的数据分析越来越重视，应用越来越广泛。Citespace是由陈超美团队研发的，在Java语言运行环境下的可视化分析软件，本文基于5.3.R4版本，对从CNKI数据库检索到的文献进行分析，得到该领域重要研究机构、主要研究作者、研究热点及研究演化路径，并用图谱加以展示。
1文献分析与知识图谱
1.1文献时间及数量分布
根据在CNKI上检索2010年——2018年间，主题关于“可视化分析”，得出的3100个文献数据，通过数据分析，可知2010年有94篇文章发表，从2010年开始，发表数量呈指数增长，到2018年已有808篇。在2014年到2018年间，是可视化分析的研究的快速增长期，也说明了数据的可视化分析在工作中越来越重要，学界逐渐对该领域有更高的关注。
1.2文献的机构分析
在citespace的运行界面中，把Node types设置成Institution，实现对文献的研究机构的分布情况。得到知识图谱如图 1
在图谱中，各节点表示其研究机构，节点间的连线表示各机构间的合作情况，节点的大小代表了机构发文量的多少。从图上看出，共59个节点，提出发文不足3次与无效的研究机构，节点连线仅为17条，可以说明该领域的研究有许多的机构参与，但各机构的联系与合作不足，还多处于独立研究。图中的圆形节点越大表示关键词出现的次数越多，出现频次较多的关键词一定程度上可以代表相关研究热点。
对频次进行整理排序，发文量第一的武汉大学信息管理学院为26篇，第二名陕西师范大学教育学院是23篇。远高于后面的学院，两家机构都保持着每年的持续发文，是该领域的研究主力。
1.3文献的作者分析
在Node types 中設置为Author，再次运行citespace，得到对可视化分析作者的知识图谱（表2）。从图谱得知，作者之间的网络关系散乱，之间没有过多联系，中心作者与其他合作者至多有5条连线，说明领域内作者之间的合作较少，且多是两人之间的小型合作模式，大多数作者也都是单独研究。通过对比分析剔除无效作者，统计出前十发文数的作者，由表1看出，唐云芝发文数18篇，在该领域十分突出，熊华军、田金徽、何晓萍、赵蓉英、祁占勇分别有9篇的发文数，且都是在近几年发表，说明对于可视化分析的研究正在逐步发展，在今后会有更卓越成绩。
1.4=文献的关键词分析
通过关键词的分析，可以直观的看出文章的主要信息或热点词汇，通过文献关键词，可以快速了解文章主题与观点。下面从关键词的共现分析和聚类分析进行数据列举，探讨关键词在文献中的重要作用。
1.4.1关键词共现分析
在citespace界面，将Node Types选择keyword，时间选择2010年到2018年，跨度为1，采用pathfinder算法，点击run，开始运算，生成“可视化分析”的关键词共现知识图谱如图2。
图谱中的一个加号图形代表一个关键词，颜色深浅代表发表文献的时间，节点的范围越大代表发表的文献越多，越外层的颜色越浅，代表年份越近。各节点之前有连线，代表关键词之间有共现，粗细代表共现频率系数。图谱共163个节点，185条连线，密度为0.014。从图中可直观看出，“可视化分析”、“知识图谱”、“citespace”、“可视化”、“研究热点”，这五个关键词的体积较大且位于中心位置，相互之间有所关联。且从节点、连线、密度的数据表明，可视化分析的研究领域已经有所发展，并且受到广泛关注有一定规模，其研究网络也相互之间有关联，使文献具有多样性。
通过罗列关键词频率，可以分析目前该研究领域的热点情况，数据包括关键词名称、出现频次、中心度、年份。分别代表了关键词在文献出现的总次数，关键词之间的信息流的数量对网络体系的相关程度。有必要从频次和中心度两方面来进行数据对比，保留了排行前十的数据分别了解（表2与表3）。
从表2与表3可看出，排名前十的频率和中心度的关键词，存在很高的相似度，如：可视化分析、可视化、citespace、研究热点、研究前沿。说明研究热点集中在这几个类信息上，有着重要的主导作用。但从年份上看出大都集中在2011-2014年，近年的研究有些像其他方向发展，说明人们已经对可视化有了初步了解并且向其他领域开拓新的发现。
1.4.2关键词聚类分析 利用关键词检索结果进行聚类分析，在上续步骤之后点击clustering开始自动聚类，对共引网络是连接关系而非节点属性的聚类。左上方的网络签名包括了模块化和平均轮廓。Modularity和Silhouette是网络模块化中的两个重要数据，模块值Modularity是用来衡量一个网络能在多大程度上被拆分成相互独立的模块，当数值在0到1之间，数值越大，表示网络中模块越独立，本网络中Q=0.90，其独立性较高;平均轮廓值Silhouette用来测量聚类本质的不确定性，当数值在-1到1之间，值越接近1，则表示模块越独立（一般大于0.5），S=0.537，说明该网络的聚类结构基本合理。
本次研究从标题中抽取名词短语作为聚类标签，此次共得出13个聚类标签：“热点”、“文献计量学”、“sati”、“热点领域”、“文献计量分析”、“计量分析”、“gis”、“知识基础”、“高校图书馆”、“数据分析”、“pajek”、“共词可视化”、“继电保护”，这13个标签，他们代表了先阶段研究人员对可视化分析问题研究的重点。
在关键词图谱基础上，选择clusters——Summarization of Clusters，得出关键词共现网络聚类表（表4）。大致可以把可视化分析的研究内容分为两类：（1）可视化分析自身的服务内容：标识词包括热点、前沿、研究主题、研究现状、数据挖掘、共现分析等，主要是对可视化分析可以提供的服务来展开的，也是可视化软件的基础认识，首先要对功能有所了解，才能正确的对要分析的内容分模块进行。（2）可视化分析的研究方向：细胞趋化运动、人力资源管理、人工智能、女性分析、密松工程等，主要是研究人员通过利用可视化分析软件对自己所研究的领域进行的分析工作，通过对搜集资料的进一步分析，可以得出热点区域或前沿领域，占据研究课题的重要部分，也是现代技术对文献分析提供的有力帮助。
2研究趋势展望
通过对知识图谱的分析和归纳，以“可视化分析”为例，在软件分析过程中尝试并且发现其中的优点和不足之处。我得出以下结论和建议。
①本次实验是通过在CNKI上下载文献，导入citespace进行分析的，使用CNKI的好处在于资源丰富，文献种类齐全，且是在中文文献资料，对入门的使用者没有过多要求。不足之处是无法进行共被引分析，因为从CNKI上下载文献，结果中不包括共被引信息，这就无法所研究领域中产生过重大影响的文献或者关键文献有哪些。
②在进行数据检索时，查全率和查准率往往是个不得不面临的问题，在进行关键词或主题的检索式，就是个明显的查准率高而查全率低的例子，因为也许关键词和主题中并没有展现与检索相关的词语，但文章确实属于该领域的，所以往往会有适当的取舍。如果保证查全率的前提下，再从结果中剔除不适合的部分是可行的办法，但往往耗费人力与时间，所以如何让两者更有效的结合在一起将会是信息检索的重点问题。
③对“可视化分析”的研究中发现，机构之间的联系还不太多，仍处于单独开展活动的状态，不利于新的发现，应该积极与其他研究该领域机构合作，共同推动对可视化分析的发展。通过关键词共现的知识图谱发现，在可视化分析的研究上，前4年基本集中在对可视化方法本身的研究，前期对计算机科学的了解还不明确，需要对可视化多做前期了解和探索;在之后几年，多涉及了其他领域的研究内容，是已经通过可视化分析可以辅助其他方面的研究，说明可视化的应用逐渐广泛并且被重视。
3总结
目前，citespace作为文献的可视化分析软件，已经更新至5.3版本，并且完善了许多分析功能缺口，但发表文献仍然不多，需要多去探索和实践。通过现代化技术去对大量的文献进行分析，节省了大量人力和时间，这对各个行业进行相关研究都有巨大价值，也为后面的研究提供有力的依据。
参考文献
[1]李云娟，卢海莲等.档案信息检索与研究成果统计管理[J].中国高校科技.2017（S1）：21-22
[2]焦丛蓉.分析现代信息检索对图书馆信息服务的影响[J].中国管理信息化.2018（19）：140-142
[3]肖荻昱.基于CiteSpace的圖书馆智库服务研究可视化分析[J].图书馆工作与研究.2018（11）：94-99
[4]曹鹏.现代信息检索技术发展探析[J].高等函授学报（自然科学版）.2010（04）：73-75
[5]毕欢.网络信息检索及其发展趋势研究[J].电脑知识与技术.2018（10）：8-9