韓雪

[摘 要] 選取CNKI收錄的知識發(fā)現相關研究文獻，利用STAI構建高頻關鍵詞共現矩陣，運用SPSS繪制聚類樹狀圖，采用社會網絡分析及共詞分析等方法對2012年至2017年五年內知識發(fā)現領域研究熱點及趨勢進行分析，通過梳理國內知識發(fā)現領域研究現狀，以期為知識發(fā)現的研究和發(fā)展提供借鑒和指導。

[關鍵詞] 知識發(fā)現；社會網絡分析；共詞分析；可視化

doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2018. 03. 055

[中圖分類號] G250 [文獻標識碼] A [文章編號] 1673 - 0194（2018）03- 0136- 03

0 引 言

隨著大數據時代的來臨，數據的指數級增長和廣泛的可用性為知識發(fā)現提供了巨大的潛力，并為在各個學科和各領域中的應用帶來了新的挑戰(zhàn)，知識發(fā)現與數據挖掘也成為了國內學術界研究的熱點[1]。本文運用社會網絡分析方法和共詞分析方法，通過關鍵詞共現網絡和關鍵詞共詞聚類分析，探索我國知識發(fā)現研究熱點和內容結構，通過與國際研究前沿領域的比較，以期為后續(xù)知識發(fā)現研究與實踐的開展提供參考和建議。

1 數據來源與研究方法

1.1 數據來源

本文選取CNKI中國學術期刊網絡出版總庫為數據來源，檢索式為“主題=知識發(fā)現”；檢索時間從2012年1月1日至2017年5月1日，得到2 277檢索結果，經過數據清洗，去除新聞及通知等不相關檢索內容，共獲得2 216條檢索結果。

1.2 數據處理工具

在進行研究分析前，對數據進行預處理工具是數據分析的重要環(huán)節(jié)。本文使用文獻題錄信息統(tǒng)計分析工具（Statistical Analysis Toolkit for Informetrics， SATI）[2]對檢索結果進行字段信息抽取、條目頻次統(tǒng)計，最后構建共詞矩陣，將共詞矩陣導入社會網絡分析軟件Ucinet和SPSS進行分析，形象的展示知識發(fā)現的研究熱點與前沿發(fā)展趨勢。

1.3 構建共現矩陣

將從CNKI中檢索到的內容以endnote格式導出，然后導入SATI中，選擇作者以及關鍵詞作為字段抽取，進行頻次統(tǒng)計，生成高頻關鍵詞矩陣，將生成的矩陣保存為Excel格式，導入ucinet和SPSS中，為后續(xù)分析做準備。

1.4 研究方法

本文利用社會網絡分析方法構建高頻關鍵詞共現網絡圖譜，采用共詞聚類分析法，利用SPSS繪制關鍵詞聚類樹狀圖揭示知識發(fā)現領域研究結構及其存在的內在聯系[3]。

2 高頻關鍵詞共現網絡分析

將在SATI中生成的關鍵詞共詞矩陣導入ucinet，使用netdraw進行可視化分析生成高頻關鍵詞共現網絡，如圖1所示。其中節(jié)點越大，連線越多表明該關鍵詞屬于知識發(fā)現領域核心的關鍵詞，在該領域具有重要作用。由圖1可知，數據挖掘、知識發(fā)現、圖書館、關聯數據、關聯規(guī)則是知識發(fā)現領域的熱點研究問題。其中數據挖掘與知識發(fā)現處在該領域的絕對中心，一方面關于知識發(fā)現與數據挖掘關系的探討一直受到學者的關注，另一方面在某種程度上可以說，知識發(fā)現在其他領域的應用是圍繞著數據挖掘展開的。

3 高頻關鍵詞聚類分析

聚類分析是一種“物以類聚”的研究方法，它的基本思想是根據數據對象的特征，將特征相似的數據對象歸為一類，使得同一類中的數據對象的距離小于與其他類間的數據對象的距離，主要目的是用來判別數據對象之間關系的親疏程度。聚類分析方法又分為劃分法和層次法，層次聚類法是指將數據對象聚類成具有層次嵌套結構的樹狀圖，位于最頂層的根節(jié)點對應的是整個數據集，處于最底層的對應的是單獨的數據點[4]，本文使用層次聚類法探討知識發(fā)現領域高頻關鍵詞之間的內在聯系，探究知識發(fā)現領域的研究熱點。

將高頻關鍵詞共現矩陣導入SPSS 20.0分析軟件中進行系統(tǒng)聚類分析，經過詳細比較研究，本研究采用組間聯接、歐式平方距離的方法聚類效果最好[5]，得到高頻關鍵詞聚類樹狀圖，如圖2所示。對聚類結果進行分析，可以看出，在這五年中，知識發(fā)現領域的研究熱點大概可以分為四類：知識發(fā)現方法與技術研究；圖書館知識服務研究；知識發(fā)現應用領域研究；粗糙集理論與應用研究。

（1）知識發(fā)現方法與技術研究

包括關鍵詞關聯規(guī)則、Apriori算法、數據挖掘、決策樹、數據倉庫、聚類以及數據分析。其研究主要集中在關聯規(guī)則算法的研究與改進，決策樹算法研究與應用，數據倉庫關鍵技術研究，旨在通過改進技術提高數據挖掘的質量和效率，保證數據分析的正確性和有效性。

（2）圖書館知識服務研究

包括關鍵詞數字圖書館、知識服務、大數據等，其研究主要集中在圖書館知識發(fā)現系統(tǒng)研究，數字圖書館知識服務平臺研究，圖書館個性化服務研究。此類研究主要依托圖書館的海量資源、成熟的服務體系及大量用戶的知識需求，通過知識挖掘對各類文獻資源進行整合分析，針對不同用戶的需求為其提供精準的知識發(fā)現服務，旨在通過提供更好的信息服務內容和手段，提升用戶體驗[6]。

（3）知識發(fā)現應用領域研究

包括關鍵詞物聯網、聚類分析、關聯數據、可視化、中醫(yī)藥、本體、知識管理，其研究內容集中在將知識發(fā)現理論應用物聯網、關聯數據、中醫(yī)藥等領域，當前關聯數據被W3C推薦為語義網的最佳實踐，利用關聯數據數據量大、結構統(tǒng)一的特點，將知識發(fā)現與關聯數據結合進行語義網環(huán)境下的知識發(fā)現[7]；在中醫(yī)藥領域，通過構建中醫(yī)藥學的本體工程進行中醫(yī)藥學知識發(fā)現，利用知識發(fā)現技術進行中醫(yī)病案數據庫研究、探索中醫(yī)診療規(guī)律[8]等方面也成為研究熱點。

（4）粗糙集理論與應用研究

包括關鍵詞粗糙集、屬性約簡、形式概念分析、概念格、屬性偏序結構，其研究重點在粗糙集理論與應用研究上。將粗糙集理論應用于知識發(fā)現研究，可以大幅提高數據處理的能力[9]。

4 結 語

本文主要以CNKI上發(fā)表的知識發(fā)現相關研究論文為基礎，基于社會網絡分析和共詞聚類分析，聚焦知識發(fā)現研究熱點，結果顯示近年來，知識發(fā)現領域研究熱點集中在提高知識發(fā)現能力以及知識發(fā)現與各領域結合方面，在知識發(fā)現挖掘方法、中醫(yī)藥學、生物醫(yī)學等領域發(fā)展較快，并已有一些研究成果， 隨著數據挖掘方法技術的不斷提高，知識發(fā)現將在各領域有更廣泛的應用。

主要參考文獻

[1]KDD2016Program.http：//www.kdd.org/kdd2016/program/accepted-papers.html[EB/OL].（2017-01-15）[2017-12-09].

[2]劉啟元，葉鷹.文獻題錄信息挖掘技術方法及其軟件SATI的實現——以中外圖書情報學為例[J].信息資源管理學報，2012（1）：50-58.

[3]鐘偉金. 共詞分析法應用的規(guī)范化研究——主題詞和關鍵詞的聚類效果對比分析[J]. 圖書情報工作，2011，55（6）：114-118.

[4]王學東，杜曉曦，石自更. 面向學術博客知識交流的社會網絡中心性分析[J]. 情報科學，2013（3）：3-8，16.

[5]白雪. 聚類分析中的相似性度量及其應用研究[D].北京：北京交通大學，2012.

[6]高勁松，李迎迎，梁艷琪，等. 基于文獻數據可視化的知識發(fā)現模型研究[J]. 圖書館學研究，2016（2）：49-56.

[7]顧洪濤. 我國高校圖書館研究熱點探析[D].大連：遼寧師范大學，2014.

[8]陳蘭蘭. 基于社會網絡分析和共詞分析的國內關聯數據研究[J]. 圖書與情報，2013（5）：129-132.

[9]農田泉. 知識發(fā)現技術在中醫(yī)藥研究中的應用[J]. 中醫(yī)學報，2013（2）：210-211.

[10]王國胤，姚一豫，于洪. 粗糙集理論與應用研究綜述[J]. 計算機學報，2009（7）：1229-1246.