引文分析法共詞分析法淺析

引文分析法共詞分析法淺析第一頁，共四十一頁，2022年，8月28日

科學(xué)研究前沿代表了科學(xué)發(fā)展的難點(diǎn)、熱點(diǎn)以及發(fā)展趨勢,從浩瀚的科技信息中探測研究前沿是科技創(chuàng)新的關(guān)鍵任務(wù)之一。因此,如何能夠科學(xué)、準(zhǔn)確地把握研究前沿已經(jīng)成為科學(xué)研究人員及其管理者關(guān)注的焦點(diǎn)。科學(xué)家提出各種方法與技術(shù)用于探測研究前沿,其中以利用引文分析和共詞分析的研究最為常見。第二頁，共四十一頁，2022年，8月28日引文分析

引文分析是利用各種數(shù)學(xué)、統(tǒng)計(jì)學(xué)以及邏輯方法，對科技期刊、論文、著作等各種分析對象的引用或被引用現(xiàn)象進(jìn)行分析研究，以便揭示其數(shù)量特征和內(nèi)在規(guī)律，達(dá)到評價(jià)、預(yù)測科學(xué)發(fā)展趨勢的目的。近幾年主要的關(guān)注研究對象或熱點(diǎn)集中在“引文網(wǎng)絡(luò)”、“自引與自引率”、“共引分析”、“影響因子”以及“引文分析和統(tǒng)計(jì)中的誤差”等方面。第三頁，共四十一頁，2022年，8月28日

在引文分析中，引文網(wǎng)絡(luò)得到了學(xué)者們的高重視。國外方面，將引文看作代表信賴的原型。他們認(rèn)為在虛擬環(huán)境中，引文實(shí)際上代表了一種信賴。當(dāng)A引用B的文章時(shí)，A認(rèn)為B的觀點(diǎn)是支持性的，而B引用的內(nèi)容是被協(xié)商許可了的，引用內(nèi)容的同時(shí)也就影響了B的思維。因此，引文網(wǎng)絡(luò)系統(tǒng)可以被看成是信賴系統(tǒng)，引文索引則可以被看成是一個(gè)推薦系統(tǒng)———推薦被引次數(shù)多的文章。引文網(wǎng)絡(luò)第四頁，共四十一頁，2022年，8月28日在引文網(wǎng)絡(luò)中存在大量的同引和耦合。同引(或稱同被引)是指兩篇或兩篇以上文獻(xiàn)共同被之后的一篇或多篇文獻(xiàn)引用,如圖中5和6同時(shí)被之后的8和8′引用;引用它們的論文的多少,即同被引程度,稱為同被引強(qiáng)度。耦合則是指兩篇文獻(xiàn)共同引用了一篇或多篇文獻(xiàn),如圖中2和4共同引用了1;耦合的文獻(xiàn)之間總存在著這樣或那樣的聯(lián)系,其聯(lián)系的程度稱為耦合強(qiáng)度。第五頁，共四十一頁，2022年，8月28日第六頁，共四十一頁，2022年，8月28日

引文網(wǎng)絡(luò)的結(jié)構(gòu)特點(diǎn)有:①引文網(wǎng)絡(luò)是靜態(tài)的,不可以在任何已有節(jié)點(diǎn)上增加新的代表引用的單向箭頭,也不可以隨意刪除已有的代表引用的單向箭頭,因?yàn)槲墨I(xiàn)一經(jīng)出版之后,它的參考文獻(xiàn)就一成不變了;②引文網(wǎng)絡(luò)中的引用是單向的,即只能是后期的文獻(xiàn)引用前期的文獻(xiàn),而前期的文獻(xiàn)不能反過來引用后期的文獻(xiàn);③引文網(wǎng)絡(luò)中的引文不可以自引,引文不能自己引用自己,在引文分析中,自引主體只能是作者、期刊、學(xué)科、機(jī)構(gòu)等;④引文網(wǎng)絡(luò)中的引用是有固定時(shí)間的,即文獻(xiàn)A引用文獻(xiàn)B是有固定時(shí)間的,這個(gè)固定時(shí)間正好是文獻(xiàn)A的發(fā)表時(shí)間,且文獻(xiàn)A的發(fā)表時(shí)間必然在文獻(xiàn)B之后,如圖3中8和8′同時(shí)發(fā)表,故不存在8引用8′或8′引用8;⑤引文網(wǎng)絡(luò)中引文間的引用呈現(xiàn)出主題集中,因?yàn)橐拈g引用的正式性和文獻(xiàn)出版的質(zhì)量控制,引文基本來自同一科學(xué)領(lǐng)域或關(guān)系緊密的領(lǐng)域。第七頁，共四十一頁，2022年，8月28日常見的引文網(wǎng)絡(luò)測度指標(biāo)可以分為四類:①引文數(shù)量特征測度指標(biāo):引文數(shù);②引文分布特征測度指標(biāo):平均引用數(shù)、自引數(shù)與自引率、被引次數(shù)與引用數(shù)的比值;③期刊(論文)影響力測度指標(biāo):被引用數(shù)、同引和耦合、期刊影響因子即年指標(biāo);④文獻(xiàn)老化規(guī)律測度指標(biāo):衰減系數(shù)等第八頁，共四十一頁，2022年，8月28日自引自引率

關(guān)于自引和自引率的研究是引文分析的內(nèi)容之一。目前在國外研究最多的是關(guān)于期刊的自引和自引率。一般認(rèn)為，期刊高自引有助于提升其影響因子；也有研究人員研究去除期刊自引數(shù)對影響因子的影響，認(rèn)為未去除影響因子的數(shù)據(jù)可以采用；還有研究顯示期刊自引與自引率與影響因子的負(fù)相關(guān)性。第九頁，共四十一頁，2022年，8月28日共引（co-citation）就是兩篇文獻(xiàn)同時(shí)被其他文獻(xiàn)引用。一般認(rèn)為同被引用的文獻(xiàn)在主題上具有或多或少的相似性,因此同被引次數(shù)即共引強(qiáng)度可以測度文獻(xiàn)在內(nèi)容方面的相關(guān)度。由此,通過一組文獻(xiàn)之間的共引關(guān)系可以形成共引網(wǎng)絡(luò),該網(wǎng)絡(luò)內(nèi)節(jié)點(diǎn)之間的遠(yuǎn)近便可以反映它們主題內(nèi)容的親疏關(guān)系。第十頁，共四十一頁，2022年，8月28日

共引分析方法始于small于1973年提出的以文獻(xiàn)為單位的共引分析,但共引概念可以推廣到與文獻(xiàn)相關(guān)的各種特征對象上,形成各種類型的共引概念,如詞的共引、文獻(xiàn)共引、著者共引、期刊共引、主題共引和類的共引等。第十一頁，共四十一頁，2022年，8月28日共引的意義

自1973年被提出以來，共引分析已成為引文分析里面一種潛在多產(chǎn)的分析方法，它不僅可以用來揭示科學(xué)結(jié)構(gòu)的發(fā)展現(xiàn)狀乃至變化情況，還可以用來進(jìn)行前沿分析、領(lǐng)域分析、科研評價(jià)等，進(jìn)而為宏觀科技決策提供先行支持，為科技規(guī)劃與評估提供基礎(chǔ)。第十二頁，共四十一頁，2022年，8月28日共引分析的一般過程共引分析方法的一般過程可以概括為分析領(lǐng)域的確定分析對象的選擇及共引矩陣的形成共引數(shù)據(jù)的處理聚類分析和多維標(biāo)度結(jié)果分析和解釋。方法的演進(jìn)過程以分析過程中分析對象的選擇和聚類方法中的參數(shù)修正為主。第十三頁，共四十一頁，2022年，8月28日

選擇對象搜索數(shù)據(jù)構(gòu)建矩陣聚類分析/多維尺度分析/計(jì)算戰(zhàn)略坐標(biāo)分析結(jié)果第十四頁，共四十一頁，2022年，8月28日幾乎國內(nèi)外所有學(xué)者都是按照統(tǒng)一的方法模式來進(jìn)行共被引分析，即第一步構(gòu)造共被引矩陣；第二步將該矩陣轉(zhuǎn)化為相似系數(shù)矩陣，方法大多為皮爾遜相關(guān)系數(shù)法(Pearson’SCorrelationCoeficient)；第三步是進(jìn)行聚類(Cluster)和多維尺度分析(MDS)。這基本是大家默認(rèn)的方法，在我國許多相關(guān)教材和相關(guān)論文中也多是采用這樣的方法。從2003年開始，在科學(xué)計(jì)量學(xué)學(xué)者之間又引發(fā)了關(guān)于共被引分析方法的討論。焦點(diǎn)主要集中在對皮爾遜相關(guān)系數(shù)是否適合應(yīng)用到共被引分析這一問題，及共被引矩陣對角線如何取值這一問題的討論。第十五頁，共四十一頁，2022年，8月28日McCain將其定為：默認(rèn)值，這也是影響最廣泛的一種對角線確定方法；Ahlgren等認(rèn)為應(yīng)該使用自己與自己實(shí)際共被引次數(shù)；White則建議使用最大值來確定對角線的值。邱均平等認(rèn)為根據(jù)共被引原理來看，從臨近矩陣的定義來看，White的建議則更正確。共被引矩陣本來就是考察各對象之間親疏關(guān)系的臨近矩陣，只不過研究的目標(biāo)選定了有特殊意義的作者、論文、期刊、學(xué)科等而已。從這點(diǎn)出發(fā)，我們自然而然的認(rèn)為自己和自己的關(guān)系最親近，所以應(yīng)該是該作者與其他作者共被引頻次中最高的。表達(dá)方式可以是最大值。但我們認(rèn)為為了突出自己與自己的親密關(guān)系，可以用最大值+l來凸顯。所以我們大體傾向于White的提法，但可做適當(dāng)?shù)恼{(diào)整。第十六頁，共四十一頁，2022年，8月28日Pearson’s只是一種測度變量相似性的方法，是為了更好地發(fā)現(xiàn)變量之間的關(guān)系，而許多方法都可以取代它。我們認(rèn)為SquaredEuclideandistance是代替它的最好方法。理由如下：Pearson’S相關(guān)系數(shù)矩陣自身的確存在問題。其不適合對有0-模塊的矩陣進(jìn)行轉(zhuǎn)化，雖然White等一再強(qiáng)調(diào)，共被引矩陣不應(yīng)該存在0-模塊，并且給出了許多實(shí)例。但是我們認(rèn)為這還是不具有普遍性，難免遇到0-模塊，尤其是在我國的研究者之間。在這里，我們再次肯定Ahlgren等提出的相似性測度的兩個(gè)必要條件（注）是非常正確的。雖然是針對相似性測度提出，但是其原理對于非相似測度同樣正確。我們用SquaredEuclideandistance測度方法是滿足兩個(gè)必要條件。根據(jù)SquaredEuclideandistance公式可以看出即使在矩陣后加入0-模塊，D2(X，Y)的值保持不變，說明SquaredEuclideandistance測度方法具有很好的穩(wěn)定性。第十七頁，共四十一頁，2022年，8月28日注：

兩個(gè)必要條件：(1)對于相似性測度，變量A和變量B的相關(guān)系數(shù)s(A，B)在加入0-模塊后不能減??；(2)未加入0-模塊前，如果s(A，>s(C，D)，那么加入0-模塊后，這種關(guān)系也仍要保持。返回上一張第十八頁，共四十一頁，2022年，8月28日第十九頁，共四十一頁，2022年，8月28日第二十頁，共四十一頁，2022年，8月28日第二十一頁，共四十一頁，2022年，8月28日注：在戰(zhàn)略坐標(biāo)中,X軸為向心度,表示領(lǐng)域間相互影響的強(qiáng)度,Y軸為密度,表示某一領(lǐng)域內(nèi)部聯(lián)系強(qiáng)度。以向心度和密度為參數(shù)繪制成的二維坐標(biāo)即為戰(zhàn)略坐標(biāo),它可以概括地表現(xiàn)一個(gè)領(lǐng)域內(nèi)亞領(lǐng)域的結(jié)構(gòu)。第二十二頁，共四十一頁，2022年，8月28日共引的發(fā)展趨勢a.綜合多種分析方法。例如研究前沿和熱點(diǎn)分析時(shí),將共引分析結(jié)果和文獻(xiàn)耦合、共詞聚類、詞頻統(tǒng)計(jì)等方法的分析結(jié)果加以比較分析;揭示科學(xué)結(jié)構(gòu)時(shí),將共引分析與共詞分析相結(jié)合,分析結(jié)果會(huì)更準(zhǔn)確可靠。b.不斷融入新的技術(shù)。由最初借用多維尺度技術(shù)進(jìn)行降維,到現(xiàn)在用PFNETS替代Pearson相關(guān)系數(shù),引入自組織映射(Self-OrganizationMap,SOM)技術(shù)、潛在語義索引(LatentSemanticIndexing,LSI)技術(shù)等。隨著各種技術(shù)的發(fā)展,共引分析中不斷融入其他學(xué)科新的技術(shù),真可謂吸眾家之長為我所用。c.擴(kuò)展至網(wǎng)絡(luò)結(jié)構(gòu)研究。網(wǎng)絡(luò)環(huán)境中,站點(diǎn)的鏈接關(guān)系類似于文獻(xiàn)的引用關(guān)系,因此可以將共引分析方法移植到網(wǎng)絡(luò)站點(diǎn)共引研究或稱其為網(wǎng)頁共鏈分析(WebColinkAnalysis,WCA),反映網(wǎng)絡(luò)本身的結(jié)構(gòu)和網(wǎng)絡(luò)中知識(shí)的結(jié)構(gòu)。d.不斷探究共引分析中的一些細(xì)節(jié)問題。這其中包括相似性計(jì)算方法的優(yōu)化,如何對合著者進(jìn)行所有作者的共引分析等。第二十三頁，共四十一頁，2022年，8月28日影響因子

影響因子（ImpactFactor,IF)是美國ISI（科學(xué)信息研究所）的JCR(期刊引證報(bào)告）中的一項(xiàng)數(shù)據(jù)。即某期刊前兩年發(fā)表的論文在統(tǒng)計(jì)當(dāng)年的被引用總次數(shù)除以該期刊在前兩年內(nèi)發(fā)表的論文總數(shù)。這是一個(gè)國際上通行的期刊評價(jià)指標(biāo)。意義：該指標(biāo)是相對統(tǒng)計(jì)值，可克服大小期刊由于載文量不同所帶來的偏差。一般來說，影響因子越大，其學(xué)術(shù)影響力也越大。第二十四頁，共四十一頁，2022年，8月28日

附：IF值計(jì)算方法(以1992年為例）

A＝1992年的全部引文（指定數(shù)據(jù)庫中的記錄）

B＝1992年某期刊發(fā)表在1990和1991的論文的被引次數(shù)

C＝某期刊1990和1991年發(fā)表的全部論文的總和

D（期刊1992的影響因子）＝B/C第二十五頁，共四十一頁，2022年，8月28日例如，某期刊2005年影響因子的計(jì)算

1.本刊2004年的文章在2005年的被引次數(shù)：48本刊2004年的發(fā)文量：187

2.本刊2003年的文章在2005年的被引次數(shù)：128本刊2003年的發(fā)文量：154

3.本刊2003-2004的文章在2005年的被引次數(shù)總計(jì)：176

4.本刊2003-2004年的發(fā)文量總計(jì)：341

5.本刊2005年的影響因子：0.5161=176÷341

第二十六頁，共四十一頁，2022年，8月28日

引文分析和統(tǒng)計(jì)中的誤差

引文分析以其獨(dú)特的科學(xué)評價(jià)功能而備受推崇，然而隨著應(yīng)用的深化，越來越多的人開始對引文分析的有效性與可靠性提出質(zhì)疑。因?yàn)闊o論是引文分析的對象，還是引文分析的方法本身，都存在一些虛假和錯(cuò)誤的成份。雖然不是很熱門，但針對引文分析和統(tǒng)計(jì)誤差的研究一直伴隨著SCI的成長歷程。盡管專論相對而言不是很多，但在不少采用引文數(shù)據(jù)進(jìn)行研究工作的文獻(xiàn)中多少都存在對引文分析中缺陷和錯(cuò)誤的分析和研究，很多文獻(xiàn)也以善意的提醒或者警示來告知讀者要謹(jǐn)慎地使用引文數(shù)據(jù)。目前，國內(nèi)對于引文虛假和誤差討論最多的當(dāng)屬偽引和漏引。第二十七頁，共四十一頁，2022年，8月28日共詞分析法

共詞分析法利用文獻(xiàn)集中詞匯對或名詞短語共同出現(xiàn)的情況,來確定該文獻(xiàn)集所代表學(xué)科中各主題之間的關(guān)系。一般認(rèn)為詞匯對在同一篇文獻(xiàn)中出現(xiàn)的次數(shù)越多,則代表這兩個(gè)主題的關(guān)系越緊密。由此,統(tǒng)計(jì)一組文獻(xiàn)的主題詞兩兩之間在同一篇文獻(xiàn)出現(xiàn)的頻率,便可形成一個(gè)由這些詞對關(guān)聯(lián)所組成的共詞網(wǎng)絡(luò),網(wǎng)絡(luò)內(nèi)節(jié)點(diǎn)之間的遠(yuǎn)近便可以反映主題內(nèi)容的親疏關(guān)系。共詞分析就是以此為原理,將文獻(xiàn)主題詞作為分析對象,利用包容系數(shù)、聚類分析等多種統(tǒng)計(jì)分析方法,把眾多分析對象之間錯(cuò)綜復(fù)雜的共詞網(wǎng)狀關(guān)系簡化為以數(shù)值、圖形直觀地表示出來的過程。第二十八頁，共四十一頁，2022年，8月28日共詞分析法的過程

1確定分析的問題2確定分析單元3高頻詞的選定4共詞分析中統(tǒng)計(jì)方法5對共詞結(jié)果的分析

第二十九頁，共四十一頁，2022年，8月28日一、確定分析的問題

利用共詞分析法基本原理可以概述研究領(lǐng)域的研究熱點(diǎn),橫向和縱向分析領(lǐng)域、學(xué)科的發(fā)展過程、特點(diǎn)以及領(lǐng)域或?qū)W科之間的關(guān)系等等。不同的問題有不同的分析過程，采用不同的數(shù)學(xué)計(jì)量方法。第三十頁，共四十一頁，2022年，8月28日二、確定分析單元

有學(xué)者選擇文獻(xiàn)中的主題詞、關(guān)鍵詞為共詞分析的基本單元。在共詞分析中借助數(shù)據(jù)庫管理軟件以及SPSS統(tǒng)計(jì)軟件進(jìn)行識(shí)別統(tǒng)計(jì),對計(jì)算機(jī)而言同義不同詞的詞在統(tǒng)計(jì)過程中,被看作兩個(gè)完全不相關(guān)的詞匯,對統(tǒng)計(jì)分析的結(jié)果產(chǎn)生很大干擾。因此,被分析的詞匯最好是受控的、被統(tǒng)一標(biāo)引的主題詞。只有這樣,共詞分析方法利用文章中詞語對的共現(xiàn)頻次來反映包含在文章中的概念才能成立。第三十一頁，共四十一頁，2022年，8月28日

主題詞是規(guī)范化的檢索語言，它對文獻(xiàn)中出現(xiàn)的同義詞、近義詞、多義詞以及同一概念的不同書寫形式等進(jìn)行嚴(yán)格的控制和規(guī)范，使每個(gè)主題詞都含義明確，以便準(zhǔn)確檢索，防止誤檢、漏檢。如：白介素2、白細(xì)胞介素2、IL2、IL-2等表達(dá)同一概念的不同書寫形式規(guī)范為“白細(xì)胞介素2”。

關(guān)鍵詞是屬于自然語言的范疇，未經(jīng)規(guī)范化處理，也不受主題詞表的控制。如：對于“白細(xì)胞介素2”這一概念可有白介素2、白細(xì)胞介素2、IL2、IL-2等不同形式來表達(dá)。

主題詞與關(guān)鍵詞最大的區(qū)別就是主題詞經(jīng)過了規(guī)范化處理。

第三十二頁，共四十一頁，2022年，8月28日三、高頻詞的選定

為簡化統(tǒng)計(jì)的過程及減少低頻詞對統(tǒng)計(jì)過程帶來的干擾,通常共詞分析選擇高頻主題詞為分析的對象。共詞分法對高頻詞數(shù)量的選擇沒有統(tǒng)一的見解,如果主題的范圍過小,則不能如實(shí)反映學(xué)科知識(shí)點(diǎn)的構(gòu)成;如果主題的范圍選擇過大,則給共詞分析過程帶來不必要的干攏。用域值表示高頻詞劃分的頻次值,高頻詞域值越高,高頻詞的數(shù)量越多。高頻詞閾值是被認(rèn)定高頻詞的詞頻總和,占所有詞頻總和的比率。第三十三頁，共四十一頁，2022年，8月28日高頻詞的確定主要有兩種方法:一種是結(jié)合研究者的經(jīng)驗(yàn)在選詞個(gè)數(shù)和詞頻高度上平衡,該方法具有一定的主觀性;另一種是結(jié)合齊普夫第二定律輔助判定高頻詞的界限。第三十四頁，共四十一頁，2022年，8月28日四、共詞分析中統(tǒng)計(jì)方法

共詞矩陣的計(jì)算是共詞分析中的重要一步,在此基礎(chǔ)上采用不同的統(tǒng)計(jì)學(xué)方法,揭示共詞中的信息,常用的分析方法有:聚類法、關(guān)聯(lián)法、詞頻法、突發(fā)詞監(jiān)測法等。第三十五頁，共四十一頁，2022年，8月28日共詞聚類分析法

借助數(shù)據(jù)挖掘中的聚類分析法,對共詞關(guān)系網(wǎng)絡(luò)中的詞與詞之間的距離進(jìn)行數(shù)學(xué)運(yùn)算分析,將距離較近的主題詞聚集起來,形成一個(gè)個(gè)概念相對獨(dú)立的類團(tuán),使得類團(tuán)內(nèi)屬性相似性最大,類團(tuán)間屬性相似性最小。第三十六頁，共四十一頁，2022年，8月28日共詞關(guān)聯(lián)分析法

關(guān)聯(lián)規(guī)則是描述一個(gè)事物中物品之間同時(shí)出現(xiàn)的規(guī)律的知識(shí)模式,更確切地說,就是通過量化的數(shù)據(jù)描述物品A的出現(xiàn)對物品B的出現(xiàn)有多大的影響。共詞關(guān)聯(lián)分析以此為原理,通過關(guān)聯(lián)統(tǒng)計(jì)方法,揭示主題詞間的依存關(guān)系,在這基礎(chǔ)上可現(xiàn)實(shí)對文獻(xiàn)知識(shí)的提取以及組織文獻(xiàn)數(shù)據(jù)庫的作用。在共詞關(guān)聯(lián)分析的過程,涉及到4個(gè)重要的概念：a.支持度(Support)b.可信度(Confidence)c.期望可信度(ExpectedConfidence）d.作用度