張春梅　張計(jì)龍　殷沈琴　汪東偉　郭耀東

[摘要]本文利用復(fù)旦大學(xué)ERU數(shù)據(jù)采集平臺，從底層網(wǎng)絡(luò)數(shù)據(jù)中獲取用戶訪問圖書館電子資源時(shí)檢索行為的動(dòng)態(tài)數(shù)據(jù)，運(yùn)用Sesson ID關(guān)系、因子分析和聚類分析等方法，分析我國高校學(xué)術(shù)研究的學(xué)科交叉程度及研究熱點(diǎn)。結(jié)果表明，學(xué)科交叉研究采用動(dòng)態(tài)數(shù)據(jù)源進(jìn)行分析，可以拓展學(xué)科交叉研究的深度和寬度，彌補(bǔ)以往研究中僅針對靜態(tài)數(shù)據(jù)分析研究的不足，促進(jìn)學(xué)術(shù)研究和科學(xué)創(chuàng)新上獲得新的生長點(diǎn)。

[關(guān)鍵詞]學(xué)科交叉；動(dòng)態(tài)數(shù)據(jù)；Session ID；因子分析；聚類分析

DOI：10.3969/j.issn.1008-0821.2015.03.013

[中圖分類號]G250.73 [文獻(xiàn)標(biāo)識碼]A [文章編號]1008-0821（2015）03-0068-09

當(dāng)前學(xué)科交叉研究已成為科學(xué)技術(shù)發(fā)展的一個(gè)重要趨勢。自20世紀(jì)初學(xué)科交叉研究的萌芽在美國出現(xiàn)后，人們便開始認(rèn)識到學(xué)科交叉產(chǎn)生的新興學(xué)科，因?yàn)槠淠軌虼蚱苽鹘y(tǒng)學(xué)科研究束縛，為學(xué)科發(fā)展創(chuàng)造新的生長點(diǎn)，為科技進(jìn)步提供新動(dòng)力的特點(diǎn)，引起世界各國的廣泛關(guān)注。學(xué)科交叉借助其研究領(lǐng)域的獨(dú)特優(yōu)勢在新技術(shù)開發(fā)、新興產(chǎn)業(yè)應(yīng)用研究等領(lǐng)域產(chǎn)生極大的影響力，其科學(xué)技術(shù)創(chuàng)新的能力也被置于極其重要的地位。

發(fā)現(xiàn)學(xué)科研究的交叉點(diǎn)，無異于找到學(xué)科研究的新起點(diǎn)，許多科研人員、學(xué)者都希望獲得本學(xué)科與其他學(xué)科的交叉點(diǎn)、學(xué)科研究新的增長點(diǎn)和研究熱點(diǎn)的信息，那么如何從海量文獻(xiàn)數(shù)據(jù)中發(fā)現(xiàn)這樣的信息，為科學(xué)發(fā)展、研究創(chuàng)新提供動(dòng)力呢？從目前已有的文獻(xiàn)可以看出幾種研究思路：第一種是以期刊引文關(guān)系為基礎(chǔ)研究學(xué)科交叉關(guān)系；第二種是通過關(guān)聯(lián)規(guī)則挖掘、文本挖掘等現(xiàn)代數(shù)據(jù)挖掘技術(shù)手段研究學(xué)科間的相關(guān)性和交叉知識；第三種是以期刊關(guān)鍵詞為基礎(chǔ)研究學(xué)科交叉的熱點(diǎn)；第四種是以不同的研究對象為基礎(chǔ)，從不同的視角研究學(xué)科之間的交叉關(guān)系。以上文獻(xiàn)多以靜態(tài)數(shù)據(jù)為基礎(chǔ)切入不同的分析角度探討學(xué)科之間的交叉關(guān)系，但是對學(xué)科交叉的程度以及研究熱點(diǎn)缺少量化分析。

本文將以復(fù)旦大學(xué)ERU數(shù)據(jù)采集平臺所獲得的用戶使用電子文獻(xiàn)行為的動(dòng)態(tài)數(shù)據(jù)為基礎(chǔ)進(jìn)行數(shù)據(jù)分析。ERU全稱為“圖書館電子資源使用統(tǒng)計(jì)分析軟件”，一般部署在高校核心網(wǎng)絡(luò)交換機(jī)的鏡像口，從旁路出發(fā)，基于網(wǎng)絡(luò)底層采集用戶信息行為的數(shù)據(jù)，ERU軟件可以對圖書館實(shí)現(xiàn)電子資源知識庫定制管理，對圖書館所使用的數(shù)據(jù)庫和數(shù)據(jù)庫中的文獻(xiàn)內(nèi)容進(jìn)行用戶使用行為的數(shù)據(jù)采集，并以此為基礎(chǔ)實(shí)現(xiàn)電子資源使用情況的多維統(tǒng)計(jì)和用戶訪問行為的統(tǒng)計(jì)分析。通過ERU數(shù)據(jù)采集平臺獲取的動(dòng)態(tài)數(shù)據(jù)，實(shí)現(xiàn)挖掘?qū)W科之間可能存在的交叉關(guān)系，為更好地揭示學(xué)科交叉關(guān)系提供一種新思路，不僅通過網(wǎng)絡(luò)用戶使用電子文獻(xiàn)資源的行為研究探討學(xué)科之間的交叉程度，而且深入挖掘數(shù)據(jù)的潛在關(guān)系對學(xué)科交叉的研究熱點(diǎn)也進(jìn)行分析，為師生、學(xué)者和科研人員的研究提供數(shù)據(jù)參考，幫助其找到學(xué)科研究上新的創(chuàng)新點(diǎn)和突破口。

1.研究方法

學(xué)科交叉程度的研究分析運(yùn)用Session ID關(guān)系，通過將SessionID中出現(xiàn)的文獻(xiàn)之間的關(guān)系轉(zhuǎn)換為學(xué)科之間的關(guān)系。以此建立起學(xué)科之間交叉關(guān)系的基礎(chǔ)，以學(xué)科之間交叉出現(xiàn)的頻次作為學(xué)科交叉關(guān)系程度的反映。學(xué)科交叉熱點(diǎn)的研究分析則是利用因子分析，將學(xué)科交叉出現(xiàn)的高頻關(guān)鍵詞提取出具有代表性的因子，以這些因子為類，分析得出學(xué)科交叉的熱點(diǎn)區(qū)域，再結(jié)合聚類分析，將結(jié)果進(jìn)行比較，獲得較為滿意的學(xué)科交叉研究熱點(diǎn)的分析結(jié)果。

1.1Session ID關(guān)系運(yùn)用分析

本文學(xué)科之間的交叉關(guān)系是建立在Session ID關(guān)系的基礎(chǔ)之上獲得的。在Web中Session是指用戶在瀏覽某個(gè)網(wǎng)站時(shí)，從進(jìn)入網(wǎng)站到瀏覽器關(guān)閉所經(jīng)過的一段時(shí)間，也就是用戶瀏覽這個(gè)網(wǎng)站所花費(fèi)的時(shí)間。Session在用戶第一次訪問服務(wù)器的時(shí)候自動(dòng)創(chuàng)建，其生成后，只要用戶繼續(xù)訪問，服務(wù)器就會(huì)更新Session的最后訪問時(shí)間，并維護(hù)該Session。服務(wù)器會(huì)把長時(shí)間沒有活動(dòng)的Session從服務(wù)器內(nèi)存中清除，此時(shí)Session便失效。服務(wù)器會(huì)分配SessionⅢ給不同的用戶，每個(gè)Session ID都是惟一的。文中設(shè)Session ID為一個(gè)分析對象，在這個(gè)分析對象中，所有出現(xiàn)的文獻(xiàn)被認(rèn)為是存在關(guān)聯(lián)關(guān)系的，它們之間的關(guān)聯(lián)關(guān)系將作為學(xué)科之間建立交叉關(guān)系的基礎(chǔ)。

（1）明確一個(gè)Session ID中包含的每篇文獻(xiàn)的學(xué)科分類。文獻(xiàn)學(xué)科分類確定好之后，Session ID中出現(xiàn)的文獻(xiàn)之間的關(guān)系轉(zhuǎn)換為學(xué)科之間的關(guān)系。

（2）再以Session ID為基礎(chǔ)，交叉運(yùn)算每一個(gè)Session ID當(dāng)中存在的兩學(xué)科、三學(xué)科甚至多學(xué)科之間的相互交叉關(guān)系。假設(shè)一個(gè)Session ID當(dāng)中有若干篇文獻(xiàn)，每篇文獻(xiàn)都有學(xué)科歸屬。文獻(xiàn)1學(xué)科分類為A，文獻(xiàn)2學(xué)科分類為C，文獻(xiàn)3學(xué)科分類既屬于學(xué)科A又屬于學(xué)科B，此時(shí)認(rèn)為A和B學(xué)科之間存在交叉關(guān)系，A和C學(xué)科，B和C學(xué)科，A、B和c學(xué)科之間都存在學(xué)科交叉關(guān)系。在同一篇文獻(xiàn)中出現(xiàn)的交叉關(guān)系定義為內(nèi)在關(guān)系，同一個(gè)Session ID中出現(xiàn)的交叉關(guān)系定義為外在關(guān)系。學(xué)科之間每出現(xiàn)1次交叉計(jì)算1次出現(xiàn)頻次，以學(xué)科之間交叉出現(xiàn)的頻次作為學(xué)科交叉關(guān)系程度的反映。

（3）學(xué)科交叉的研究的熱點(diǎn)分析，也同樣引入Session ID關(guān)系影響因素，擴(kuò)大文獻(xiàn)中出現(xiàn)的關(guān)鍵詞關(guān)聯(lián)關(guān)系，同一個(gè)Session ID的用戶使用文獻(xiàn)的學(xué)科關(guān)鍵詞，關(guān)鍵詞的共現(xiàn)頻次不僅需要計(jì)算在同一篇文獻(xiàn)中兩兩共現(xiàn)的次數(shù)，‘而且還要計(jì)算同一個(gè)Session ID中關(guān)鍵詞的兩兩共現(xiàn)次數(shù)。同一篇文獻(xiàn)中出現(xiàn)的關(guān)鍵詞的共現(xiàn)關(guān)系定義為內(nèi)在關(guān)系，同一Session ID出現(xiàn)的關(guān)鍵詞的共現(xiàn)關(guān)系定義為外在關(guān)系。

1.2因子分析

因子分析最早是由英國心理學(xué)家斯皮爾曼提出的，是一種從變量群中提取共性因子的數(shù)據(jù)簡化統(tǒng)計(jì)技術(shù)。因子分析通過研究眾多變量間的內(nèi)部依賴關(guān)系，探求觀測數(shù)據(jù)中的基本結(jié)構(gòu)，找出變量中隱藏的具有代表性的因子，將相同本質(zhì)的變量歸入一個(gè)因子中，減少變量的數(shù)目，同時(shí)檢驗(yàn)變量間的假設(shè)關(guān)系，用假想的變量能夠反映出原來眾多變量的主要信息。換句話說，因子分析是尋找潛在的、起支配作用因子的方法。通過因子分析，將學(xué)科交叉出現(xiàn)的高頻關(guān)鍵詞提取出具有代表性的因子，以這些因子為類，分析得出學(xué)科交叉的熱點(diǎn)區(qū)域。

1.3聚類分析

聚類分析又稱群分析，起源于分類學(xué)，是一種探索性分析方法，能夠分析事物的內(nèi)在特點(diǎn)和規(guī)律，并根據(jù)相似性原則對事物進(jìn)行分組，是數(shù)據(jù)挖掘中常用的一種技術(shù)。它特別適用于沒有先驗(yàn)知識的分類。如果沒有這些事先的經(jīng)驗(yàn)或一些標(biāo)準(zhǔn)，分類便會(huì)顯得隨意和主觀，這時(shí)只要設(shè)定比較完善的分類變量，就可以通過聚類分析法得到較為科學(xué)合理的類別。學(xué)科之間交叉后會(huì)產(chǎn)生怎樣的知識分類，事先是無法得知的，通過聚類分析，可以分類得出，這樣就可以與因子分析的結(jié)果進(jìn)行比較，獲得較為滿意的學(xué)科交叉研究熱點(diǎn)的分析結(jié)果。

2.數(shù)據(jù)采集與分析

本文以復(fù)旦大學(xué)ERU數(shù)據(jù)采集平臺所獲得的用戶使用電子文獻(xiàn)行為的動(dòng)態(tài)數(shù)據(jù)為基礎(chǔ)，從底層網(wǎng)絡(luò)數(shù)據(jù)中獲取用戶對學(xué)校訂購的所有中文數(shù)據(jù)庫的檢索、瀏覽、下載等信息行為的日志數(shù)據(jù)，及對應(yīng)數(shù)據(jù)庫文獻(xiàn)信息，如關(guān)鍵字、作者、引用、發(fā)表時(shí)間等數(shù)據(jù)。數(shù)據(jù)采集時(shí)間為2013年8月到2014年2月的有效數(shù)據(jù)共241 464條，有48 000多個(gè)Session ID，平均每個(gè)Session ID有5條左右記錄。

2.1學(xué)科交叉程度分析

在數(shù)據(jù)分析中學(xué)科分類采用的是《中國圖書館分類法》，以此為基礎(chǔ)揭示學(xué)科之間的交叉情況。將采集到的有效數(shù)據(jù)與Session ID結(jié)合，按照上文介紹的運(yùn)算規(guī)則分析，并且對于同一篇文獻(xiàn)中學(xué)科交叉頻次，賦值為0.6，同一Session ID出現(xiàn)的學(xué)科交叉頻次，賦值為0.4，獲得的學(xué)科交叉程度結(jié)果如下（見表1）：endprint