滕廣青 常志遠(yuǎn) 劉雅姝 趙汝南 張利彪

摘 要：Folksonomy知識組織模式在眾多的圖書館和文獻(xiàn)數(shù)據(jù)庫中被應(yīng)用，其特有的演化發(fā)展規(guī)律也一直是圖書情報學(xué)界關(guān)注的重點。文章借助復(fù)雜網(wǎng)絡(luò)理論，基于標(biāo)簽之間的共現(xiàn)關(guān)系構(gòu)建了領(lǐng)域知識網(wǎng)絡(luò)。從領(lǐng)域知識網(wǎng)絡(luò)的基本屬性、中心性和群聚性三個方面，對領(lǐng)域知識的演化過程進(jìn)行了動態(tài)跟蹤與時序分析。研究結(jié)果顯示，F(xiàn)olksonomy模式中領(lǐng)域知識網(wǎng)絡(luò)逐漸向小世界網(wǎng)絡(luò)演化；領(lǐng)域知識的中心性并非完全協(xié)同一致；領(lǐng)域知識的群聚性與標(biāo)簽關(guān)聯(lián)關(guān)系相關(guān)。

關(guān)鍵詞：Folksonomy；領(lǐng)域知識；知識網(wǎng)絡(luò)；時間序列分析；演化規(guī)律

中圖分類號： G254 文獻(xiàn)標(biāo)識碼： A DOI：10.11968/tsyqb.1003-6938.2016082

Dynamic Evolution Rules of Domain Knowledge in Folksonomy Knowledge Organization Mode

Abstract As a kind of knowledge organization model， folksonomy is applied in many libraries and literature databases and the evolution rules of folksonomy are one of the focuses of library and information academic community. With the theory of complex networks， this article constructed domain knowledge networks based on co-occurrence relationship between tags. From the basic properties， centrality and aggregation of domain knowledge network， the evolution process of domain knowledge was tracked and time-series analyzed. The results show that domain knowledge network evolves to small-world network； Centralities of domain knowledge are not entirely concerted； Aggregations of domain knowledge are associated with the relationships of tags.

Key words Folksonomy； domain knowledge； knowledge network； time-series analysis； evolution rules

1 引言

Folksonomy[1]知識組織模式自誕生以來就受到了圖書情報學(xué)界的極大關(guān)注，特別是在學(xué)術(shù)性圖書館實踐中得到廣泛的應(yīng)用。如賓夕法尼亞州立大學(xué)圖書館、北卡羅來納州立大學(xué)圖書館、新澤西理工學(xué)院圖書館、廈門大學(xué)圖書館、上海交通大學(xué)圖書館，以及Bibsonomy、CiteULike等學(xué)術(shù)文獻(xiàn)資源網(wǎng)站。與此同時，學(xué)術(shù)界也對Folksonomy知識組織模式的相關(guān)問題展開了研究，并取得了較為豐富的成果。

雪城大學(xué)的M Weaver[2]基于公共圖書館Folksonomy知識組織模式的研究表明，現(xiàn)實中的標(biāo)簽集可以被分解為不同的分面結(jié)構(gòu)，能夠幫助用戶獲取所需要的內(nèi)容；德國曼海姆大學(xué)的K Eckert[3]對著名的學(xué)術(shù)型文獻(xiàn)數(shù)據(jù)庫Elsevier中的三種經(jīng)典期刊文獻(xiàn)進(jìn)行了分析，發(fā)現(xiàn)Folksonomy模式下的用戶標(biāo)注是最適合塑造文獻(xiàn)注釋的方法之一，并在此基礎(chǔ)上開發(fā)了相應(yīng)的開源軟件工具用于主題詞表和知識分類的分析；紐約城市大學(xué)的K Ma[4]采用冪律分析和邏輯回歸分析對文獻(xiàn)數(shù)據(jù)庫CiteULike的Folksonomy知識組織模式七年的使用情況進(jìn)行了跟蹤，研究結(jié)果表明特定文獻(xiàn)的突出標(biāo)簽具有鮮明的統(tǒng)計顯著性和穩(wěn)定的增長模式；阿姆斯特丹大學(xué)的H Voorbij[5]基于荷蘭烏特勒支大學(xué)圖書館的600條隨機樣本對標(biāo)簽性質(zhì)和標(biāo)簽與關(guān)鍵詞關(guān)系進(jìn)行了研究，通過對主題標(biāo)目和其他關(guān)鍵詞學(xué)科差異的分析，發(fā)現(xiàn)大多數(shù)標(biāo)簽與主題相符，大約將近一半的記錄能夠基于標(biāo)簽豐富語義內(nèi)容。與此同時，國內(nèi)學(xué)者也對Folksonomy知識組織模式相關(guān)問題展開了研究，比較典型的研究主要集中在Folksonomy與受控詞表結(jié)合[6]或者Folksonomy與本體結(jié)合[7]的研究方向上，也有部分學(xué)者對Folksonomy模式中的標(biāo)簽緊密性[8]、標(biāo)簽聚類[9]、層級結(jié)構(gòu)[10]等問題進(jìn)行了研究。

綜上所述，盡管隨著Folksonomy知識組織模式在圖書情報領(lǐng)域中的應(yīng)用，學(xué)術(shù)界關(guān)于Folksonomy相關(guān)問題的研究取得了較為豐富的成果，但是其中大多數(shù)研究工作仍然停留在靜態(tài)分析的層面，僅有極少數(shù)成果采用了動態(tài)的研究視角，更缺少對Folksonomy模式中知識演化規(guī)律的揭示。鑒于此，本研究以復(fù)雜網(wǎng)絡(luò)理論為指導(dǎo)，基于標(biāo)簽之間的共現(xiàn)關(guān)系構(gòu)建特定領(lǐng)域的知識網(wǎng)絡(luò)。從時間序列的角度對Folksonomy模式中領(lǐng)域知識的動態(tài)演化過程進(jìn)行跟蹤。以期為Folksonomy知識組織模式下領(lǐng)域知識演化規(guī)律的揭示做出有益的嘗試和探索。

2 研究方案與思路

2.1 整體研究方案

領(lǐng)域知識往往限定于特定的學(xué)科領(lǐng)域或者具體的學(xué)術(shù)方向，既帶有一定程度的專指性也含有知識之間的關(guān)聯(lián)性。本研究中借助復(fù)雜網(wǎng)絡(luò)科學(xué)[11]的理論與方法，主要從領(lǐng)域知識網(wǎng)絡(luò)的基本屬性、中心性和群聚性三個方面，對Folksonomy模式中領(lǐng)域知識的演化過程展開時間序列分析。

研究首先針對特定領(lǐng)域的文獻(xiàn)數(shù)據(jù)，按照不同的時間窗口根據(jù)標(biāo)簽之間的共現(xiàn)關(guān)系構(gòu)建了標(biāo)簽鄰接矩陣，并進(jìn)行二值化處理以獲得相應(yīng)的二值鄰接矩陣；然后基于二值鄰接矩陣構(gòu)建領(lǐng)域知識網(wǎng)絡(luò)，以此作為時間序列分析的基礎(chǔ)；再對時間序列領(lǐng)域知識網(wǎng)絡(luò)的標(biāo)簽及其關(guān)聯(lián)關(guān)系、網(wǎng)絡(luò)密度、聚類系數(shù)、特征路徑、點度中心勢、中介中心勢、緊密中心勢、派系、k-叢等指標(biāo)進(jìn)行動態(tài)跟蹤分析；最后對分析結(jié)果進(jìn)行討論、歸納和總結(jié)其中隱含的領(lǐng)域知識動態(tài)演化規(guī)律（研究思路見圖1）。

2.2 數(shù)據(jù)采集與領(lǐng)域知識網(wǎng)絡(luò)構(gòu)建

研究以卡塞爾大學(xué)、維爾茨堡大學(xué)和德國L3S

研究中心共同資助的Bibsonomy文獻(xiàn)出版共享系統(tǒng)作為基礎(chǔ)數(shù)據(jù)源。以“semanticweb（語義網(wǎng)）”為檢索標(biāo)簽進(jìn)行檢索，共獲得領(lǐng)域知識相關(guān)文獻(xiàn)1002篇。所獲得的文獻(xiàn)共被287個標(biāo)簽標(biāo)注過，時間跨度為2006-2015年。以年份為時間刻度，將2006-2015時間區(qū)間劃分為10個時間窗口，匯總各個時間窗口中文獻(xiàn)數(shù)量與標(biāo)簽數(shù)量的統(tǒng)計結(jié)果（見表1）。

進(jìn)一步對標(biāo)簽之間的共現(xiàn)（共同標(biāo)注）關(guān)系進(jìn)行提取，即如果2個標(biāo)簽被用于同一篇文獻(xiàn)的標(biāo)注，則這2個標(biāo)簽之間具有共現(xiàn)（共同標(biāo)注）關(guān)系。由此獲得標(biāo)簽之間的共現(xiàn)關(guān)系總量為1508對。以標(biāo)簽為節(jié)點，標(biāo)簽之間的共現(xiàn)關(guān)系為連線構(gòu)建各個時間窗口的領(lǐng)域知識網(wǎng)絡(luò)。首先基于文獻(xiàn)與標(biāo)簽之間的隸屬關(guān)系構(gòu)建隸屬關(guān)系矩陣，然后基于標(biāo)簽之間的共現(xiàn)關(guān)系將隸屬關(guān)系矩陣轉(zhuǎn)換為鄰接矩陣。對鄰接矩陣進(jìn)行二值化處理，獲得二值鄰接矩陣。基于二值鄰接矩陣構(gòu)建10個時間窗口下的時間序列領(lǐng)域知識網(wǎng)絡(luò)（見圖2）。

3 領(lǐng)域知識演化分析

3.1 基于網(wǎng)絡(luò)基本屬性的演化分析

從領(lǐng)域知識網(wǎng)絡(luò)演化發(fā)展的時間序列（見圖2）可以發(fā)現(xiàn)，在時間軸的起始階段網(wǎng)絡(luò)規(guī)模較小，而且結(jié)構(gòu)相對簡潔。隨著領(lǐng)域知識的發(fā)展，領(lǐng)域知識網(wǎng)絡(luò)的規(guī)模沿著時間軸逐漸擴大，網(wǎng)絡(luò)結(jié)構(gòu)越來越復(fù)雜。將不同時間窗口領(lǐng)域知識網(wǎng)絡(luò)的節(jié)點（標(biāo)簽）數(shù)量與連線（共現(xiàn)關(guān)系）數(shù)量進(jìn)行對比，得到時間序列領(lǐng)域知識網(wǎng)絡(luò)節(jié)點數(shù)量與連線數(shù)量對比折線圖（見圖3）。

可以看出，起始階段領(lǐng)域知識網(wǎng)絡(luò)的節(jié)點數(shù)量與連線數(shù)量比較接近，隨著領(lǐng)域知識的發(fā)展二者逐漸拉開差距。領(lǐng)域知識網(wǎng)絡(luò)中的連線數(shù)量遠(yuǎn)遠(yuǎn)大于標(biāo)簽節(jié)點數(shù)量，《信息簡史》的作者J Gleick[12]所強調(diào)的知識之間的連通性通過標(biāo)簽間的共現(xiàn)關(guān)系逐漸凸現(xiàn)出來。從曲線的發(fā)展形態(tài)上看，節(jié)點曲線與連線曲線都經(jīng)歷了由緩慢發(fā)展到高速增長并最終逐漸趨穩(wěn)的過程，曲線存在理論上的極值和拐點，整體形態(tài)趨近于邏輯斯蒂曲線（Logistic Curve）[13]。

進(jìn)一步對10個時間窗口中領(lǐng)域知識網(wǎng)絡(luò)的密度和聚類系數(shù)分別進(jìn)行計算，得到時間序列領(lǐng)域知識網(wǎng)絡(luò)密度和聚類系數(shù)（見表2）。

可以看出，領(lǐng)域知識網(wǎng)絡(luò)的密度較低，并且隨著時間軸的延展呈現(xiàn)下降趨勢，即隨著領(lǐng)域知識的發(fā)展網(wǎng)絡(luò)逐漸稀疏。反映出領(lǐng)域知識發(fā)展進(jìn)程中，大量的新知識不斷涌入到領(lǐng)域內(nèi)部，既包括相關(guān)領(lǐng)域的知識滲入也包括領(lǐng)域內(nèi)部的知識新生；另一方面，表2中領(lǐng)域知識網(wǎng)絡(luò)的聚類系數(shù)雖然存在波動，但始終保持在較高的水平上（>0.78）。這一現(xiàn)象說明，在領(lǐng)域知識發(fā)展過程中，基于標(biāo)簽共現(xiàn)關(guān)系構(gòu)建的領(lǐng)域知識網(wǎng)絡(luò)一直保持較高的聚類性。領(lǐng)域知識網(wǎng)絡(luò)的稀疏性和高聚類性比較符合小世界（Small World）[14]的特征，因此，進(jìn)一步對領(lǐng)域知識網(wǎng)絡(luò)的特征路徑長度進(jìn)行探查，獲得時間序列領(lǐng)域知識網(wǎng)絡(luò)的路徑距離分布（見表3）。

從領(lǐng)域知識網(wǎng)絡(luò)特征路徑距離分布可以發(fā)現(xiàn)，在領(lǐng)域知識發(fā)展過程中距離為2步的情況占據(jù)絕大多數(shù)，且比例逐漸增大，除去起始階段（2006、2007）外，都保持在90%以上。而且盡管隨著領(lǐng)域知識的發(fā)展網(wǎng)絡(luò)節(jié)點不斷增加，但是平均路徑長度始終保持在較短的范圍內(nèi)（1.6-2.0）。這一現(xiàn)象說明領(lǐng)域知識網(wǎng)絡(luò)中任意2個標(biāo)簽節(jié)點之間最多需要2步就可以實現(xiàn)連接，而且Folksonomy模式中基于標(biāo)簽共現(xiàn)關(guān)系的領(lǐng)域知識網(wǎng)絡(luò)的特征路徑長度相比傳統(tǒng)的基于關(guān)鍵詞共現(xiàn)關(guān)系的領(lǐng)域知識網(wǎng)絡(luò)的特征路徑[15]更

短。結(jié)合前述領(lǐng)域知識網(wǎng)絡(luò)的網(wǎng)絡(luò)密度、聚類系數(shù)綜合考察可以發(fā)現(xiàn)，隨著領(lǐng)域知識的不斷擴容，領(lǐng)域知識網(wǎng)絡(luò)的密度逐漸下降，網(wǎng)絡(luò)越來越稀疏。同時，網(wǎng)絡(luò)始終保持著較高的聚類性和較短的特征路徑長度。根據(jù)D J Watts[16]的理論可知，領(lǐng)域知識網(wǎng)的演化越來越符合小世界網(wǎng)絡(luò)的判定標(biāo)準(zhǔn)，演化的結(jié)果向小世界網(wǎng)絡(luò)趨近。

3.2 基于網(wǎng)絡(luò)中心性的演化分析

傳統(tǒng)知識組織體系中都帶有鮮明的中心性，F(xiàn)olksonomy知識組織模式的中心性[17]則隱含于離散的外在表象之后。出于對Folksonomy知識組織模式中領(lǐng)域知識演化規(guī)律進(jìn)行揭示的目的，研究中采用L C Freeman[18]提出的網(wǎng)絡(luò)中心性測度方法，對時間序列領(lǐng)域知識網(wǎng)絡(luò)（見圖2）的中心性進(jìn)行測算。所獲得的點度中心勢（Degree Centralization）、中介中心勢（Betweenness Centralization）、緊密中心勢（Closeness Centralization）的相關(guān)指標(biāo)數(shù)據(jù)（見表4）。

可以發(fā)現(xiàn)，領(lǐng)域知識網(wǎng)絡(luò)的點度中心勢呈現(xiàn)高位（2006年時間窗口中點度中心勢為78.57%，其余年份窗口中點度中心勢都大于90%）震蕩發(fā)展態(tài)勢。由于網(wǎng)絡(luò)的點度中心性反映節(jié)點在網(wǎng)絡(luò)中的核心聚集程度，因此，點度中心勢的高位波動現(xiàn)象說明領(lǐng)域知識發(fā)展過程中領(lǐng)域核心焦點比較鮮明，知識的擴充與核心的凝聚交叉伴生。一般情況下，知識領(lǐng)域內(nèi)的核心焦點總是處于不斷地凝聚過程中，但是當(dāng)領(lǐng)域中新知識擴充的步伐超越核心凝聚的腳步時，領(lǐng)域中原有的核心焦點會在一定程度上被淡化，網(wǎng)絡(luò)的點度中心勢就會下降。當(dāng)然，隨著領(lǐng)域知識的發(fā)展

核心焦點也會被重塑，進(jìn)而表現(xiàn)出網(wǎng)絡(luò)點度中心勢的起伏波動。

領(lǐng)域知識網(wǎng)絡(luò)的中介中心性反映的是知識節(jié)點對網(wǎng)絡(luò)資源的橋接控制程度，表4中的網(wǎng)絡(luò)中介中心勢表現(xiàn)出一定程度的波動起伏。與點度中心勢不同的是，在時間軸的前半段（2006-2010）點度中心勢與中介中心勢同步增長，即在領(lǐng)域知識核心逐漸顯著的同時，越來越多的標(biāo)簽節(jié)點通過中間節(jié)點拉近彼此間關(guān)聯(lián)關(guān)系，此時中介中心性與點度中心性二者是互促關(guān)系。在時間軸的后半段（2011-2015）領(lǐng)域知識核心再次逐步凝聚（除2015時間窗口外點度中心勢總體上升），領(lǐng)域知識網(wǎng)絡(luò)的橋接程度卻逐步下降（除2011年時間窗口外中介中心勢總體下降），此時中介中心性與點度中心性二者是互擾關(guān)系。顯然，領(lǐng)域知識的核心性與橋接性的演化規(guī)律并不一致，表4中前后兩個階段中介中心勢演化發(fā)展的差異說明，前期領(lǐng)域知識網(wǎng)絡(luò)中連線數(shù)量的高速增長（見圖3）提高了領(lǐng)域知識之間的中介橋接程度；后期領(lǐng)域知識網(wǎng)絡(luò)中連線數(shù)量的緩慢增長沒能彌補網(wǎng)絡(luò)規(guī)模擴張造成的領(lǐng)域知識之間中介橋接程度的衰減。

領(lǐng)域知識網(wǎng)絡(luò)的緊密中心性反映網(wǎng)絡(luò)中個體知識與其他所有知識的距離遠(yuǎn)近程度。如果網(wǎng)絡(luò)中的標(biāo)簽節(jié)點都只需要通過很少的節(jié)點就能夠連接到其他所有標(biāo)簽節(jié)點，則該網(wǎng)絡(luò)具有較高的緊密中心性。表4中時間軸的前半段領(lǐng)域知識網(wǎng)絡(luò)的緊密中心勢呈上升趨勢，與點度中心勢、中介中心勢同一時間段內(nèi)的演化發(fā)展趨勢相一致。2011年時間窗口中由于新增標(biāo)簽節(jié)點形成局部網(wǎng)絡(luò)碎片，故而不能計算全網(wǎng)絡(luò)的緊密中心勢。2012-2014年時間窗口的網(wǎng)絡(luò)緊密中心勢再次上升，此時的標(biāo)簽間關(guān)聯(lián)關(guān)系將碎片區(qū)域與網(wǎng)絡(luò)主體部分連通。2015年時間窗口再次出現(xiàn)網(wǎng)絡(luò)碎片?？v觀領(lǐng)域知識網(wǎng)絡(luò)的緊密中心勢演化過程可以發(fā)現(xiàn)，隨著連線數(shù)量的增長標(biāo)簽節(jié)點之間的關(guān)聯(lián)彼此拉近，領(lǐng)域知識的緊密性逐漸趨于增強；另一方面，領(lǐng)域知識網(wǎng)絡(luò)演化發(fā)展過程中也可能會出現(xiàn)網(wǎng)絡(luò)非聯(lián)通狀況，新增節(jié)點有時會構(gòu)成局部碎片，此時全領(lǐng)域范圍內(nèi)網(wǎng)絡(luò)的緊密中心性也就無從談起。

3.3 基于網(wǎng)絡(luò)群聚性的演化分析

本文分析的領(lǐng)域知識網(wǎng)絡(luò)的高聚類系數(shù)說明，領(lǐng)域知識網(wǎng)絡(luò)具有較高的群聚性，能夠在網(wǎng)絡(luò)內(nèi)部形成知識群落[19]聚類。研究中分別從互惠性、穩(wěn)健性兩個方面，采用盧斯—佩里（Luce-Perry）[20]派系（cliques）概念和賽德曼-弗斯特（Seidman-Foster）[21]k-叢（k-plex）概念對領(lǐng)域知識網(wǎng)絡(luò)的群聚性進(jìn)行分析。設(shè)上述兩類凝聚子群的最小成員數(shù)量為3，獲得時間序列領(lǐng)域知識網(wǎng)絡(luò)群聚性（見表5）。

表5中，派系與k-叢的時間序列呈現(xiàn)總體上升趨勢，除2015年時間窗口中領(lǐng)域知識網(wǎng)絡(luò)的派系與k-叢數(shù)量有所回落外，都經(jīng)歷了由緩慢發(fā)展到高速增長并最終逐漸趨穩(wěn)的發(fā)展過程，與邏輯斯蒂曲線生長模型相類似。由于派系是領(lǐng)域知識網(wǎng)絡(luò)中最大的完備子圖，因此，其概念的嚴(yán)格性決定了數(shù)量相對較少。派系的完備性要求子群內(nèi)部標(biāo)簽節(jié)點之間相互完全連接，進(jìn)而使標(biāo)簽所代表的知識之間形成完全地相互支撐關(guān)系。表5中的數(shù)據(jù)顯示，在領(lǐng)域知識的發(fā)展演化過程中，這種具備完全相互支撐關(guān)系的知識群落（子群）數(shù)量呈現(xiàn)總體遞增趨勢。特別是與圖3結(jié)合考察可以發(fā)現(xiàn)，網(wǎng)絡(luò)連線數(shù)量高速增長的階段也是派系數(shù)量上升最快的階段。由此可知，領(lǐng)域知識演化過程中派系數(shù)量的增長與標(biāo)簽共現(xiàn)關(guān)系（連線）數(shù)量的增長密不可分，并且隨著領(lǐng)域知識的發(fā)展領(lǐng)域內(nèi)知識之間的相互促進(jìn)性越發(fā)顯著。

由于派系的概念過于嚴(yán)格，因此知識領(lǐng)域中完全符合派系界定標(biāo)準(zhǔn)的子群條件比較苛刻，現(xiàn)實中更多的情況是知識群落內(nèi)大部分知識之間具有相互支撐關(guān)系。因此，進(jìn)一步使用更穩(wěn)健的k-叢的概念對領(lǐng)域知識網(wǎng)絡(luò)的群聚性進(jìn)行考察，只要子群內(nèi)每一個標(biāo)簽節(jié)點與不少于n-k個節(jié)點具備關(guān)聯(lián)關(guān)系即可。表5中k-叢指標(biāo)的k取值為2，即子群內(nèi)任意節(jié)點至少與n-2（n為子群內(nèi)節(jié)點總數(shù)）個節(jié)點連接具備相互支撐關(guān)系。通過表5中的數(shù)據(jù)可以發(fā)現(xiàn)，由于k-叢的穩(wěn)健性使得同一時間窗口中k-叢的數(shù)量遠(yuǎn)遠(yuǎn)大于派系的數(shù)量，這一現(xiàn)象在時間軸的中后期尤為明顯。而且k-叢的高速增長期同樣對應(yīng)著圖3領(lǐng)域知識網(wǎng)絡(luò)中連線的高速增長期，顯然領(lǐng)域知識網(wǎng)絡(luò)演化過程中標(biāo)簽共現(xiàn)關(guān)系（連線）數(shù)量的增長促進(jìn)了k-叢數(shù)量的增長。

由于領(lǐng)域知識網(wǎng)絡(luò)中連線數(shù)量的增長直接對派系和k-叢產(chǎn)生影響，因此派系和k-叢在數(shù)量增加的同時容量也在擴充。當(dāng)網(wǎng)絡(luò)節(jié)點數(shù)量不變連線數(shù)量持續(xù)增長，或者節(jié)點數(shù)量增加的速度落后于連線數(shù)量增長的速度時，子群容量的擴充就有可能導(dǎo)致子群數(shù)量的減少。表5中2014-2015年時間窗口的數(shù)據(jù)就說明了這一點（參照表1中2014-2015節(jié)點數(shù)量不變連線數(shù)量繼續(xù)增加的情況）。這一現(xiàn)象從知識群落容量（而不是數(shù)量）方面反映出領(lǐng)域內(nèi)知識之間相互支持與相互促進(jìn)的特征隨著領(lǐng)域知識的發(fā)展日漸顯著，也再一次印證了知識之間的關(guān)系比知識點本身更為重要的觀點。

4 結(jié)果與討論

研究中以復(fù)雜網(wǎng)絡(luò)分析為基本方法，基于Folksonomy知識組織模式中標(biāo)簽共現(xiàn)關(guān)系構(gòu)建特定領(lǐng)域知識網(wǎng)絡(luò)，以動態(tài)發(fā)展的視角對領(lǐng)域知識的演化規(guī)律展開時間序列分析，初步得出如下結(jié)論：

（1）隨著領(lǐng)域知識的發(fā)展，F(xiàn)olksonomy模式中領(lǐng)域知識網(wǎng)絡(luò)逐漸向小世界網(wǎng)絡(luò)演化。領(lǐng)域知識網(wǎng)絡(luò)演化過程中網(wǎng)絡(luò)連線（標(biāo)簽共現(xiàn)關(guān)系）的數(shù)量遠(yuǎn)遠(yuǎn)超過標(biāo)簽節(jié)點數(shù)量，其生長曲線趨近于邏輯斯蒂曲線模型。由于演化過程中新知識和新關(guān)聯(lián)關(guān)系的產(chǎn)生和加入，領(lǐng)域知識網(wǎng)絡(luò)密度遞減的同時又保持較高的聚類系數(shù)和較短的特征路徑長度。因此，領(lǐng)域內(nèi)不同知識之間僅需要較短的路徑就能夠彼此建立連接。

（2）領(lǐng)域知識演化過程中網(wǎng)絡(luò)中心性并非完全協(xié)同一致。領(lǐng)域知識網(wǎng)絡(luò)演化過程中網(wǎng)絡(luò)的點度中心性、中介中心性、緊密中心性在時間軸的前半段保持同步增長。在時間軸的后半段點度中心性和緊密中心性在經(jīng)歷了短暫回落后再次遞增，中介中心性則表現(xiàn)出遞減趨勢。而且緊密中心性還會受到局部網(wǎng)絡(luò)碎片的影響。因此，領(lǐng)域知識網(wǎng)絡(luò)中心性的演化并非完全協(xié)同一致。

（3）領(lǐng)域知識演化過程中網(wǎng)絡(luò)群聚性與標(biāo)簽關(guān)聯(lián)關(guān)系相關(guān)。領(lǐng)域知識網(wǎng)絡(luò)的凝聚子群（派系、k-叢）數(shù)量隨著領(lǐng)域知識的發(fā)展逐漸遞增，特別是在網(wǎng)絡(luò)連線（標(biāo)簽共現(xiàn)關(guān)系）的高速增長階段增幅最大。高速增長階段也是增長曲線斜率最大的階段，這一階段中連線數(shù)量的增速與標(biāo)簽節(jié)點數(shù)量的增速迅速拉開差距，急劇豐富的標(biāo)簽關(guān)聯(lián)關(guān)系推動領(lǐng)域內(nèi)凝聚子群數(shù)量迅速上漲。當(dāng)兩種曲線增速差距縮小或者逆轉(zhuǎn)時，領(lǐng)域知識中內(nèi)部相互支持的知識群落的數(shù)量會出現(xiàn)回落。

5 結(jié)語

本研究基于標(biāo)簽共現(xiàn)關(guān)系構(gòu)建特定領(lǐng)域知識網(wǎng)絡(luò)，從時間序列的角度對領(lǐng)域知識網(wǎng)絡(luò)演化過程進(jìn)行了跟蹤與剖析，對Folksonomy模式中領(lǐng)域知識演化規(guī)律的揭示做出了探索。研究工作中也存在一些尚不完善之處，對網(wǎng)絡(luò)特征屬性指標(biāo)的考察還不夠全面，研究數(shù)據(jù)尚不能窮盡所有的領(lǐng)域知識資源。這些工作有待于在未來的研究中進(jìn)一步探索和完善。

參考文獻(xiàn)：

[1] Peters I，Stock G W.Folksonomy and information retreval[J].Proceedings of the American Society for Information Science and Technology，2007，44（1）：1-28.

[2] Weaver M.Contextual metadata：faceted schemas in virtual library communities[J].Library Hi Tech，2007，25（4）：579-594.

[3] Eckert K，H葬援nger C，Niemann C.Tagging and automation：challenges and opportunities for academic libraries[J].Library Hi Tech，2009，27（4）：557-569.

[4] Ma J.The sustainability and stabilization of tag vocabulary in CiteULike[J].Online Information Review，2012，3（5）：655-674.

[5] Voorbij H.The value of LibraryThing tags for academic libraries[J].Online Information Review，2012，36（2）：196-217.

[6] 邰楊芳，賈君枝，賀培風(fēng).基于受控詞表的Folksonomy優(yōu)化系統(tǒng)分析與設(shè)計[J].情報科學(xué)，2014，32（2）：112-117.

[7] 熊回香，王學(xué)東.大眾分類體系中標(biāo)簽與本體的映射研究[J].情報科學(xué)，2014，32（3）：121-126.

[8] 滕廣青，畢達(dá)天，任晶，等.Folksonomy中用戶標(biāo)簽的語義緊密性研究[J].現(xiàn)代圖書情報技術(shù)，2013，29（12）：48-54.

[9] 吳江.自由分類標(biāo)簽類聚成網(wǎng)狀分類結(jié)構(gòu)研究與實現(xiàn)[J].圖書情報知識，2011（1）：75-81.

[10] 陳麗霞，竇永香，秦春秀.利用社會化標(biāo)簽實現(xiàn)P2P語義推薦[J].圖書情報工作，2011，55（22）：110-113.

[11] Lewis T G.陳向陽，巨修煉，等譯.網(wǎng)絡(luò)科學(xué)：原理與應(yīng)用[M].北京：機械工業(yè)出版社，2011：1-14.

[12] Gleick J.高博譯.信息簡史[M].北京：人民郵電出版社，2013：409-421.

[13] Pearl R，Reed L J.The logistic curve and the census count of 1930[J].Science，1930，72（1868）：399-401.

[14] Milgram S.The small world problem[J].Psychology Today，1967，1（1）：61-67.

[15] 趙汝南，常志遠(yuǎn)，姜博，等.基于網(wǎng)絡(luò)演化的領(lǐng)域知識發(fā)展趨勢研究[J].數(shù)字圖書館論壇，2016（3）：24-29.

[16] Watts D J.Network，dynamics and the small-world phenomenon[J].American Journal of Sociology，1999，105（2）：493-527.

[17] 滕廣青，畢強.領(lǐng)域本體與社群分類法結(jié)構(gòu)中心性的比較研究[J].情報學(xué)報，2013，32（10）：1037-1045.

[18] Freeman L C.Centrality in social networks conceptual clarification[J].Social Networks，1979，1（3）：215-239.

[19] 滕廣青，楊明秋，田依林，等.Folksonomy模式中的知識群落及其核心知識分析[J].圖書情報工作，2015，59（22）：124-129.

[20] Luce R，Perry A.A method of matrix analysis of group structure[J].Psychometrika，1949，14（2）：95-116.

[21] Seidman S B，F(xiàn)oster B L.A graph theoretic generalization of the clique concept[J].Journal of Mathematical Sociology，1978，6（1）：139-154.

a

作者簡介：滕廣青（1970-），男，東北師范大學(xué)計算機科學(xué)與信息技術(shù)學(xué)院信息管理系副教授；常志遠(yuǎn)（1989-），男，東北師范大學(xué)計算機科學(xué)與信息技術(shù)學(xué)院碩士研究生；劉雅姝（1993-），女，東北師范大學(xué)計算機科學(xué)與信息技術(shù)學(xué)院碩士研究生；趙汝南（1991-），女，東北師范大學(xué)計算機科學(xué)與信息技術(shù)學(xué)院碩士研究生；張利彪（1974-），男，東北師范大學(xué)計算機科學(xué)與信息技術(shù)學(xué)院副教授。