，

自然界中許多復(fù)雜系統(tǒng)都可以通過構(gòu)建網(wǎng)絡(luò)加以描述。一個典型的網(wǎng)絡(luò)是由許多節(jié)點與連接兩個節(jié)點的邊組成的，其中節(jié)點用來代表真實系統(tǒng)中的不同個體，而邊則用來表示個體之間的關(guān)系[1]

在情報學(xué)界，許多研究者通過構(gòu)建網(wǎng)絡(luò)的方法來研究知識的流動關(guān)系(通過引文網(wǎng)絡(luò))或科研合作關(guān)系(通過合著網(wǎng)絡(luò))。為了深入研究知識的結(jié)構(gòu)和演化過程，研究者往往選擇構(gòu)建共詞網(wǎng)絡(luò)。共詞網(wǎng)絡(luò)是一種具有認(rèn)知意義的知識網(wǎng)絡(luò)，其節(jié)點是最基本的知識單元——關(guān)鍵詞。共詞網(wǎng)絡(luò)的形成與演化既反映了科學(xué)知識單元的生產(chǎn)過程，又反映了科學(xué)共同體對科學(xué)知識結(jié)構(gòu)的認(rèn)知狀態(tài)[2]。

以往的詞共現(xiàn)網(wǎng)絡(luò)分析主要是基于作者關(guān)鍵詞，這些詞是作者投稿時添加的自然語言詞匯，用于揭示論文主題?！白髡哧P(guān)鍵詞”雖然反映了作者對研究課題最的理解，但不一定是最適合論文主題標(biāo)引的詞匯，缺乏準(zhǔn)確性和規(guī)范性，不同作者在表達(dá)同一語義時可能選擇不同的詞。而主題詞(也稱敘詞)是指以規(guī)定概念為基準(zhǔn)，經(jīng)過規(guī)范化和優(yōu)選處理，具有組配功能，并能顯示詞間語義關(guān)系的動態(tài)性的詞或詞組。美國國立醫(yī)學(xué)圖書館(NLM)即依據(jù)MeSH主題詞表對MEDLINE中的每篇文獻(xiàn)進(jìn)行主題詞標(biāo)引，以保證相對完整且精煉地揭示該文獻(xiàn)的主題內(nèi)容。MEDLINE文獻(xiàn)記錄中標(biāo)引兩種不同的主題詞信息，分別是該文獻(xiàn)的主要主題詞+副主題詞、特征詞。主要主題詞+副主題詞能表達(dá)文獻(xiàn)的主要論點；而特征詞是代表某些特殊概念的一組標(biāo)引詞，是專門為生物醫(yī)學(xué)的基礎(chǔ)或臨床科研人員設(shè)置的具有特殊意義的詞匯[3]。這兩種MeSH詞在文獻(xiàn)內(nèi)容揭示方面具有不同的信息含量和重要性。

因此，本文從MEDLINE中收集文獻(xiàn)記錄，提取主題詞+副主題詞、特征詞，分別構(gòu)建主題詞共現(xiàn)網(wǎng)絡(luò)。比較這兩種知識網(wǎng)絡(luò)屬性上的差異，有利于準(zhǔn)確探索知識網(wǎng)絡(luò)的基本結(jié)構(gòu)與特征，為進(jìn)一步開展網(wǎng)絡(luò)演化研究奠定基礎(chǔ)。首先檢驗節(jié)點中心性指標(biāo)，然后根據(jù)節(jié)點的度分布，檢驗兩種網(wǎng)絡(luò)的節(jié)點度分布的無標(biāo)度性，同時通過兩種網(wǎng)絡(luò)的整體屬性(平均距離和聚集系數(shù))檢驗其小世界效應(yīng)，便于根據(jù)不同的分析目的選擇合適的詞共現(xiàn)網(wǎng)絡(luò)。

1 材料與方法

1.1 數(shù)據(jù)收集

本文選取發(fā)展較為成熟的學(xué)科藥理學(xué)作為研究主題。在Journal Citation Records(JCR)中以“PHARMACOLOGY & PHARMACY”為學(xué)科主題，選取其中在2013年影響因子排名前5的期刊：Pharmacological Reviews，Advanced Drug Delivery Review，Trends in Pharmacological Science，Pharmacology & Therapeutics，Drug Metablism Review。在PubMed中分別檢索這5種期刊2009-01-01至2013-12-31刊發(fā)的全部文獻(xiàn)，共得到2044篇文獻(xiàn)，下載并保存為XML格式。

1.2 數(shù)據(jù)提取并構(gòu)建共詞矩陣

將收集到的2 044篇文獻(xiàn)導(dǎo)入BICOMB(Bibliographic Item Co-Occurrence Matrix Builder，書目共現(xiàn)分析系統(tǒng))，提取并統(tǒng)計全部主題詞+副主題詞、主要主題詞+副主題詞的詞頻信息，按出現(xiàn)頻次從高到低排列，分別選取前970個詞構(gòu)建兩種共詞矩陣。為了顯示具體的提取結(jié)果，以文獻(xiàn)Purinergic Signaling and Blood Vessels in Health and Disease(PMID：24335194)為例，顯示這兩種不同的主題詞提取結(jié)果(表1)，最左側(cè)的一列為該文獻(xiàn)在MEDLINE中主題詞標(biāo)引信息。

表1 示例文獻(xiàn)的不同主題詞提取結(jié)果

1.3 生成詞共現(xiàn)網(wǎng)絡(luò)

分別將上述兩種共詞矩陣導(dǎo)入社會網(wǎng)絡(luò)分析軟件UCINET，并用UCINET內(nèi)置的NetDraw生成詞共現(xiàn)網(wǎng)絡(luò)，保存為Pajek可分析的網(wǎng)絡(luò)格式，用于下一步詞共現(xiàn)網(wǎng)絡(luò)屬性分析。為了簡便起見，將全部主題詞+副主題詞共詞矩陣生成的詞共現(xiàn)網(wǎng)絡(luò)稱為詞共現(xiàn)網(wǎng)絡(luò)1，主要主題詞+副主題詞共詞矩陣生成的詞共現(xiàn)網(wǎng)絡(luò)稱為詞共現(xiàn)網(wǎng)絡(luò)2。

1.4 計算網(wǎng)絡(luò)屬性

1.4.1 兩種網(wǎng)絡(luò)節(jié)點中心性分析方法

將上一步生成的兩種詞共現(xiàn)網(wǎng)絡(luò)分別導(dǎo)入社會網(wǎng)絡(luò)分析軟件Pajek，分別計算兩種網(wǎng)絡(luò)的各個節(jié)點的3種中心性(centrality)指標(biāo)：點度中心度(degree)、接近中心度(closeness)、中介中心度(betweenness)。

1.4.2 兩種網(wǎng)絡(luò)無標(biāo)度性的分析方法

通過Pajek計算出每個網(wǎng)絡(luò)的節(jié)點的度值，并且使用R語言畫出每個網(wǎng)絡(luò)的度分布圖和累積度分布圖，用Python的powerlaw包[3]計算度值大于某個值時的冪指數(shù)γ的值，并進(jìn)行統(tǒng)計學(xué)假設(shè)檢驗。

1.4.3 兩種網(wǎng)絡(luò)小世界效應(yīng)的分析方法

采用Mark等[4]提出的復(fù)雜網(wǎng)絡(luò)小世界效應(yīng)的判斷方法，網(wǎng)絡(luò)G的平均距離記為Lg，聚集系數(shù)記為Cg。聚集系數(shù)采用Watt和Strogatz定義的算法[5]，節(jié)點的聚集系數(shù)為該節(jié)點的鄰居節(jié)點之間的連邊數(shù)占該節(jié)點所有鄰居節(jié)點之間最大連邊數(shù)的比例，網(wǎng)絡(luò)的聚集系數(shù)為所有度值大于1的節(jié)點聚集系數(shù)的均值。與該網(wǎng)絡(luò)有相同節(jié)點數(shù)和連邊數(shù)目的隨機(jī)網(wǎng)絡(luò)的平均距離記為Lrand，聚集系數(shù)記為Crand。如果Lg>=Lrand且Cg>>Crand，則認(rèn)為網(wǎng)絡(luò)G具有小世界效應(yīng)。

為了消除產(chǎn)生隨機(jī)網(wǎng)絡(luò)時的誤差，用Pajek軟件分別為兩種共詞網(wǎng)絡(luò)產(chǎn)生與其節(jié)點數(shù)目和平均度值相等的1 000個隨機(jī)網(wǎng)絡(luò)，并計算共詞網(wǎng)絡(luò)和隨機(jī)網(wǎng)絡(luò)的平均距離和聚集系數(shù)，最后用小世界效應(yīng)測度S判斷共詞網(wǎng)絡(luò)是否有小世界效應(yīng)。

2 結(jié)果與分析

2.1 兩種詞共現(xiàn)網(wǎng)絡(luò)節(jié)點中心性指標(biāo)分析和比較

一個節(jié)點的點度中心度就是它的點度，即直接與它相連的節(jié)點的個數(shù)。節(jié)點的點度中心度是衡量節(jié)點重要性最簡單最直接的方法，一般而言，一個節(jié)點的度越大，就意味著這個節(jié)點越重要，但并不是所有網(wǎng)絡(luò)中度大的節(jié)點都是重要的[1]。Kitsak等人指出，節(jié)點的傳播影響力與節(jié)點所處的網(wǎng)絡(luò)的位置有關(guān)。如果節(jié)點處于網(wǎng)絡(luò)的核心位置，即使其連接度很小，也往往具有高的影響力；相反，即使大度節(jié)點，如果它處于網(wǎng)絡(luò)的邊緣，也不會有高的影響力[6]。于是人們又提出了其他用于衡量節(jié)點重要性的指標(biāo)，如接近中心度就是一種與最短路徑相關(guān)的中心性指標(biāo)。有文獻(xiàn)將它定義為節(jié)點與網(wǎng)絡(luò)中其他所有節(jié)點最短距離的平均值[7]，也有文獻(xiàn)將它定義為該節(jié)點與網(wǎng)絡(luò)中其他各個節(jié)點之間最短距離之和[8]。這兩種定義方法都提示，如果一個節(jié)點到達(dá)網(wǎng)絡(luò)其他節(jié)點的最短距離均值(或之和)越小，即其接近中心度的值越小，該節(jié)點可能更加重要。為了使節(jié)點的接近中心度值與其重要性看上去“正相關(guān)”，本文采取另一種接近中心性的定義方法，即一個節(jié)點的接近中心度為其他節(jié)點數(shù)除以該節(jié)點與其他節(jié)點的最短距離之和[9]。此外，還有一種與最短距離有關(guān)的節(jié)點中心性指標(biāo)為節(jié)點的中介中心度。一個節(jié)點的中介中心度為經(jīng)過該節(jié)點最短距離的數(shù)量與網(wǎng)絡(luò)中所有其他節(jié)點之間最短距離的數(shù)量之比。

兩種詞共現(xiàn)網(wǎng)絡(luò)的以上3種中心性指標(biāo)排名前10的節(jié)點信息分別見表2和表3。

比較詞共現(xiàn)網(wǎng)絡(luò)1和詞共現(xiàn)網(wǎng)絡(luò)2的3種中心度指標(biāo)，發(fā)現(xiàn)詞共現(xiàn)網(wǎng)絡(luò)1的3種中心性指標(biāo)較高的詞都是比較籠統(tǒng)和宏觀的詞，如Humans、Animals、Drug Delivery Systems、Drug Design等，尤其是中心性指標(biāo)最高的詞Humans和Animals，它們在主題標(biāo)引時作為特征詞。由于本文選擇的研究主題為藥理學(xué)，藥理學(xué)又屬于生物醫(yī)學(xué)，在進(jìn)行文獻(xiàn)標(biāo)引時，大部分文獻(xiàn)都需要標(biāo)引這種特征詞。由于詞共現(xiàn)網(wǎng)絡(luò)1是由全部主題詞和副主題詞構(gòu)成的，含有不能表述文獻(xiàn)主要論點的特征詞，而這些特征詞又是大部分生物醫(yī)學(xué)文獻(xiàn)標(biāo)引時都會用到的，使得中心性指標(biāo)最高的詞為特征詞。因此在詞共現(xiàn)網(wǎng)絡(luò)1中，Humans和Animals不僅出現(xiàn)頻次最高，中心性指標(biāo)也是最高的。但從分析研究主題的角度來看，Humans和Animals卻不能表示該研究主題的主要研究方向。而詞共現(xiàn)網(wǎng)絡(luò)2是僅由主要主題詞和副主題詞構(gòu)成的，其3種中心性較高的詞就較為具體和專指，并且由于有副主題詞限定，使得這些詞在表述研究內(nèi)容方面更加詳細(xì)。例如詞共現(xiàn)網(wǎng)絡(luò)2的3種中心性指標(biāo)排名前4位的詞為Drug Delivery Systems，Drug Delivery Systems / methods，Neoplasms / drug therapy，Drug Design。從這些詞可看出，藥理學(xué)研究熱點具體為藥物傳遞系統(tǒng)、腫瘤的藥物治療、藥物設(shè)計等，與實際研究情況較為相符。根據(jù)對詞共現(xiàn)網(wǎng)絡(luò)1和詞共現(xiàn)網(wǎng)絡(luò)2的中心性指標(biāo)較高的詞的分析，可以發(fā)現(xiàn)在有的網(wǎng)絡(luò)中，中心性指標(biāo)最高的節(jié)點或許是對網(wǎng)絡(luò)結(jié)構(gòu)較為重要的節(jié)點，但在具體的專業(yè)背景下，這些節(jié)點可能并不是最重要的或是最能為我們帶來一定啟發(fā)的節(jié)點。因此，在采用構(gòu)建網(wǎng)絡(luò)的方法來分析某一研究領(lǐng)域的問題時，不能盲目地認(rèn)為中心性指標(biāo)最高的節(jié)點就一定是最關(guān)鍵的節(jié)點，對中心性指標(biāo)較高的節(jié)點的分析應(yīng)結(jié)合一定的專業(yè)知識才能得出可靠的結(jié)論。

表2 詞共現(xiàn)網(wǎng)絡(luò)1節(jié)點中心性指標(biāo)排名前10的節(jié)點信息

表3 詞共現(xiàn)網(wǎng)絡(luò)2節(jié)點中心性指標(biāo)排名前10的節(jié)點信息

2.2 兩種詞共現(xiàn)網(wǎng)絡(luò)無標(biāo)度特性的分析

近年來的實證研究表明，很多真實網(wǎng)絡(luò)的度分布都近似地遵從冪函數(shù)形式，即P(k)～k-γ,γ稱為冪指數(shù)[10]。由于這類冪函數(shù)是標(biāo)度不變的，因此這類網(wǎng)絡(luò)也被稱作無標(biāo)度網(wǎng)絡(luò)。Barabási和Albert的開創(chuàng)性研究激起了無標(biāo)度網(wǎng)絡(luò)研究的熱潮[11]。Barabási發(fā)現(xiàn)，冪指數(shù)γ決定網(wǎng)絡(luò)的性質(zhì)；γ的值越小，大度值節(jié)點在網(wǎng)絡(luò)中越重要；當(dāng)γ>3時，度值的大小與該節(jié)點在網(wǎng)絡(luò)中的重要性與否則關(guān)系不大；當(dāng)2<γ<3時，度值最大的節(jié)點與整個網(wǎng)絡(luò)中一小部分節(jié)點相連；當(dāng)γ=2時，易形成中心輻射狀網(wǎng)絡(luò)，度值最大的節(jié)點與網(wǎng)絡(luò)中大部分節(jié)點相連[12]。網(wǎng)絡(luò)無標(biāo)度性質(zhì)的發(fā)現(xiàn)掀起了一場大規(guī)模的針對實際網(wǎng)絡(luò)的實證研究。研究者發(fā)現(xiàn)，在自然界、工程界以及社會界中幾乎所有的實際網(wǎng)絡(luò)都具有無標(biāo)度特性，并且絕大多數(shù)實際網(wǎng)絡(luò)的度分布冪指數(shù)γ均位于2-3[13]。需要注意的是，冪律分布僅適用于點度分布的右側(cè)尾部，即點度較高的取值區(qū)間，且無標(biāo)度特征只會出現(xiàn)在大型網(wǎng)絡(luò)中。

詞共現(xiàn)網(wǎng)絡(luò)1和詞共現(xiàn)網(wǎng)絡(luò)2都只有970個節(jié)點，節(jié)點數(shù)量較少，不能算作大型網(wǎng)絡(luò)，且詞共現(xiàn)網(wǎng)絡(luò)1的度值在3-996之間，詞共現(xiàn)網(wǎng)絡(luò)2的度值在0-154之間，度值的變異范圍不夠大，以至于無法確定它們是否為無標(biāo)度分布。但本文還是按照正常分析流程作圖(圖1，圖2)，并計算度值分布右側(cè)尾部冪指數(shù)γ的值。

圖1 詞共現(xiàn)網(wǎng)絡(luò)1的度分布圖(左)和累計度分布圖(右)

圖2 詞共現(xiàn)網(wǎng)絡(luò)2的度分布圖(左)和累計度分布圖(右)

冪律分布曲線在雙對數(shù)坐標(biāo)軸上是一條向右下方傾斜的直線。詞共現(xiàn)網(wǎng)絡(luò)1和詞共現(xiàn)網(wǎng)絡(luò)2的度分布圖和累計度分布圖都采用雙對數(shù)坐標(biāo)軸。詞共現(xiàn)網(wǎng)絡(luò)1的度分布圖(圖1)似乎是一條向右下傾斜的線，由于收集的數(shù)據(jù)不夠多，本文僅收了詞頻排名前970的詞用于構(gòu)成詞共現(xiàn)網(wǎng)絡(luò)，且這些詞中度值最低的詞Xenobiotics的度值為3。因此無法顯示小于3的低點度區(qū)的節(jié)點的度值分布特征，且高點度值區(qū)域由于度值的變異程度較大，所以度分布圖不直觀，故采用累積度分布圖。累積度分布圖的縱坐標(biāo)為點度值大于某值的所有節(jié)點的累積頻數(shù)，可以看到，在度值大于40左右時，累積度分布近似呈一條向右下方的直線。 Python的powerlaw包可自動計算出詞共現(xiàn)網(wǎng)絡(luò)1在最小度值為45時冪律分布擬合較好，對應(yīng)的冪指數(shù)γ的值為2.843180。Python的powerlaw還可以比較冪律分布和其他幾種重尾分布，檢驗冪律分布是否為最優(yōu)擬合。

詞共現(xiàn)網(wǎng)絡(luò)1冪律分布的統(tǒng)計推斷結(jié)果見表4。從表4可看出，冪律分布和指數(shù)分布相比，更契合數(shù)據(jù)，且p值(0.005337)小于0.05，有統(tǒng)計學(xué)意義，而其他三種重尾分布雖然比冪律分布契合數(shù)據(jù)，但無統(tǒng)計學(xué)意義，所以可以得出詞共現(xiàn)網(wǎng)絡(luò)1在度值大于45的尾部符合冪律分布。詞共現(xiàn)網(wǎng)絡(luò)2的度分布圖(圖2)在度值在10-20之間近似為一條向右下方傾斜的直線，高點度區(qū)和低點度區(qū)的變異程度較大，可能也是由于數(shù)據(jù)不足造成的。它的累積度分布圖在度值大于10左右的區(qū)域近似呈一條向右下傾斜的直線。在用Python的powerlaw包計算得最小度值為9，對應(yīng)的冪指數(shù)γ為2.845157。

表4 詞共現(xiàn)網(wǎng)絡(luò)1冪律分布的統(tǒng)計推斷結(jié)果

詞共現(xiàn)網(wǎng)絡(luò)2冪律分布的統(tǒng)計推斷結(jié)果見表5。根據(jù)表5的結(jié)果，分析方法同詞共現(xiàn)網(wǎng)絡(luò)1，可以認(rèn)為詞共現(xiàn)網(wǎng)絡(luò)2在度值大于9的的尾部符合冪律分布。表5顯示，即使分析所用的詞共現(xiàn)網(wǎng)絡(luò)1和詞共現(xiàn)網(wǎng)絡(luò)2不是大型網(wǎng)絡(luò)，但其冪指數(shù)γ的值類似于許多實測網(wǎng)絡(luò)的γ值，在2-3之間，因此可近似認(rèn)為詞共現(xiàn)網(wǎng)絡(luò)1和詞共現(xiàn)網(wǎng)絡(luò)2具有無標(biāo)度特征。

表5 詞共現(xiàn)網(wǎng)絡(luò)2冪律分布的統(tǒng)計推斷結(jié)果

2.3 兩種詞共現(xiàn)網(wǎng)絡(luò)小世界效應(yīng)的分析比較

兩種詞共現(xiàn)網(wǎng)絡(luò)小世界測度S見表6。從表6可看出，兩種詞共現(xiàn)網(wǎng)絡(luò)的小世界效應(yīng)測度S的平均值、最大值、最小值都大于1，因此可以認(rèn)為這兩種詞共現(xiàn)網(wǎng)絡(luò)都具有小世界效應(yīng)。

兩種詞共現(xiàn)網(wǎng)絡(luò)的各屬性值詳見表7。若將平均距離和聚集系數(shù)相比，詞共現(xiàn)網(wǎng)絡(luò)1的比值約為4.0257，詞共現(xiàn)網(wǎng)絡(luò)2的比值約為7.8696，提示詞共現(xiàn)網(wǎng)絡(luò)1比詞共現(xiàn)網(wǎng)絡(luò)2的小世界效應(yīng)更強(qiáng)。詞共現(xiàn)網(wǎng)絡(luò)1的平均距離約為2，詞共現(xiàn)網(wǎng)絡(luò)1的任意兩個詞之間的語義相關(guān)性只需要跨過兩個詞；詞共現(xiàn)網(wǎng)絡(luò)2的平均距離約為3，詞共現(xiàn)網(wǎng)絡(luò)2的任意兩個詞的語義相關(guān)性則需要跨過3個詞?？赡苁窃~共現(xiàn)網(wǎng)絡(luò)1中有表述較為宏觀且非專指的特征詞如Humans、Animals等，這些詞和其他主題詞共同來標(biāo)引一篇文獻(xiàn)，使得這些高中心性值的詞將詞共現(xiàn)網(wǎng)絡(luò)1中的其他詞(即節(jié)點)凝結(jié)到一起，所以顯示出較強(qiáng)的小世界效應(yīng)。

表6 兩種詞共現(xiàn)網(wǎng)絡(luò)小世界測度S

表7 兩種詞共現(xiàn)網(wǎng)絡(luò)各屬性值

3 分析與展望

本文根據(jù)主題詞構(gòu)建了兩種詞共現(xiàn)網(wǎng)絡(luò)，詞共現(xiàn)網(wǎng)絡(luò)1由全部主題詞+副主題詞構(gòu)成，詞共現(xiàn)網(wǎng)絡(luò)2由主要主題詞+副主題詞構(gòu)成。通過比較這兩種詞共現(xiàn)網(wǎng)絡(luò)的節(jié)點中心性指標(biāo)發(fā)現(xiàn)，詞共現(xiàn)網(wǎng)絡(luò)1高中心性指標(biāo)的節(jié)點都是較為宏觀和籠統(tǒng)的詞，而詞共現(xiàn)網(wǎng)絡(luò)2高中心性指標(biāo)的詞較為專指，由于與副主題詞組配，更能顯示高中心性指標(biāo)的詞的具體表述內(nèi)容，較詞共現(xiàn)網(wǎng)絡(luò)1更適合構(gòu)建學(xué)科專業(yè)知識網(wǎng)絡(luò)，并用于分析該學(xué)科的研究熱點和關(guān)鍵詞匯。對這兩種詞共現(xiàn)網(wǎng)絡(luò)中心性指標(biāo)較高的詞的對比分析發(fā)現(xiàn)，選用不同的數(shù)據(jù)集構(gòu)建的不同網(wǎng)絡(luò)，其中心性指標(biāo)較高的節(jié)點對于我們進(jìn)行分析有不同意義。有的網(wǎng)絡(luò)中，中心性指標(biāo)較高的節(jié)點不一定就是對研究分析最有貢獻(xiàn)或最關(guān)鍵的節(jié)點，對中心性指標(biāo)較高的節(jié)點的分析應(yīng)根據(jù)一定的專業(yè)知識來分析，才能得出較為可靠的結(jié)論。

最后，本文就網(wǎng)絡(luò)的無標(biāo)度特性和小世界效應(yīng)進(jìn)行了分析。由于網(wǎng)絡(luò)的無標(biāo)度特性只出現(xiàn)在大型網(wǎng)絡(luò)中，節(jié)點的冪律分布僅適用于點度分布的右側(cè)尾部。本文所研究的兩種網(wǎng)絡(luò)都不算大型網(wǎng)絡(luò)，且節(jié)點的度值變異范圍較小，故無法得出網(wǎng)絡(luò)是否具有無標(biāo)度特性。但本文還是按照正常分析流程計算出了冪指數(shù)γ的值，發(fā)現(xiàn)兩個網(wǎng)絡(luò)的γ在2-3之間，因此可以近似認(rèn)為這兩個詞共現(xiàn)網(wǎng)絡(luò)均具有無標(biāo)度特征。

為了分析網(wǎng)絡(luò)的小世界效應(yīng)，本文采用Mark等人定義的小世界效應(yīng)測度S，發(fā)現(xiàn)兩種詞共現(xiàn)網(wǎng)絡(luò)都具有小世界效應(yīng)。而詞共現(xiàn)網(wǎng)絡(luò)1的小世界效應(yīng)較詞共現(xiàn)網(wǎng)絡(luò)2的更強(qiáng)，可能因為是詞共現(xiàn)網(wǎng)絡(luò)1中有Humans、Animals等詞，大部分文獻(xiàn)的其他主題詞都需要和這些特征詞共同標(biāo)引一篇文獻(xiàn)，這些較為宏觀和籠統(tǒng)的詞將網(wǎng)絡(luò)中其他節(jié)點連在一起，使得詞共現(xiàn)網(wǎng)絡(luò)1的平均距離較小。因此可以認(rèn)為詞共現(xiàn)網(wǎng)絡(luò)1較詞共現(xiàn)網(wǎng)絡(luò)2更適用于復(fù)雜網(wǎng)絡(luò)的屬性分析，網(wǎng)絡(luò)2適用于學(xué)科主題內(nèi)容分析。

本文僅選擇了藥理學(xué)這一專業(yè)構(gòu)建詞共現(xiàn)網(wǎng)絡(luò)，且選擇的是近5年的數(shù)據(jù)，可以嘗試用其他專業(yè)，收集較大的時間跨度的數(shù)據(jù)，構(gòu)建不同詞共現(xiàn)網(wǎng)絡(luò)，分析網(wǎng)絡(luò)的節(jié)點中心性指標(biāo)等屬性。另外，本文構(gòu)建網(wǎng)絡(luò)的節(jié)點數(shù)選擇較少，可以嘗試選擇較多的節(jié)點構(gòu)建詞共現(xiàn)網(wǎng)絡(luò)，分析大型網(wǎng)絡(luò)的無標(biāo)度特征等，或許會得到不同的結(jié)果，這將為進(jìn)行學(xué)科熱點分析和關(guān)鍵詞分析以及進(jìn)行復(fù)雜網(wǎng)絡(luò)屬性分析提供不同的詞共現(xiàn)網(wǎng)絡(luò)構(gòu)建方法。