邱小敏 奉國和 劉宇東

1. 華南師范大學經(jīng)濟與管理學院 廣州 510006；

2. 華南師范大學計算機學院 廣州 510631

引言

從浩瀚的科技文獻中準確把握研究熱點是科研人員、科研管理者把握前沿和科技創(chuàng)新的關(guān)鍵任務(wù)之一，也是制定科技發(fā)展戰(zhàn)略時面臨的一大問題。我們國家非常重視科學前沿的科研部署，習近平主席在多種場合提及科技創(chuàng)新的重要性，鼓勵廣大科技工作者多創(chuàng)新，多進行前沿問題探索。2016年8月8日，國務(wù)院印發(fā)了《“十三五”國家科技創(chuàng)新規(guī)劃》的通知，明確了“十三五”時期科技創(chuàng)新的總體思路、發(fā)展目標、主要任務(wù)和重大舉措。其中，發(fā)展重點為把握世界科技前沿發(fā)展態(tài)勢，超前規(guī)劃基礎(chǔ)前沿領(lǐng)域，全面增強自主創(chuàng)新能力。此外，國際科技論文被引次數(shù)的世界排名也作為“十三五”科技創(chuàng)新的12個主要指標之一[1]。2019年11月19日，中國科學技術(shù)信息研究所發(fā)布中國科技論文統(tǒng)計結(jié)果，2009年至2019年10月，中國科技人員共發(fā)表國際論文260.64萬篇，排在世界第2位，數(shù)量比2018年統(tǒng)計時增加了14.7%；論文共被引用2845.23萬次，增加了25.2%，排在世界第2位[2]?？萍颊撐谋灰闆r已成為領(lǐng)域創(chuàng)新與研究前沿的重要指標，被廣泛用于學者、文獻、期刊、專利等領(lǐng)域的評估與預測，對把握學科發(fā)展動態(tài)有積極作用[3]。

研究熱點一直都是眾學者重點關(guān)注的問題，隨著科技發(fā)展，知識輸出體量呈指數(shù)增長，探究領(lǐng)域發(fā)展狀況與當前研究熱點能更好指明未來研究方向。每年大量研究成果通過期刊文獻的形式發(fā)表，如何從海量文獻中挖掘熱點是各學科研究焦點之一，目前相關(guān)研究指標包括：關(guān)鍵詞詞頻、論文下載量、論文被引量和期刊均篇被引量等。基于這種啟發(fā)，本研究擬依托上述基本指標，基于z指數(shù)，開展熱點關(guān)鍵詞探測研究。

1 相關(guān)研究

學術(shù)期刊作為研究人員創(chuàng)新性科研成果的重要載體，其評價方法的科學性、準確性、合理性受到廣大研究人員的關(guān)注[4]。2005年，Hirsh[5]提出h指數(shù)，用于學術(shù)價值評價，即某學者至少有h篇論文的被引值至少為h次，但h指數(shù)不適用于跨學科領(lǐng)域比較與低質(zhì)量論文評價[6]。針對h指數(shù)的缺陷，Prathap在h指數(shù)的基礎(chǔ)上加入總發(fā)文量與均篇被引量，提出p指數(shù)[7]，但其無法體現(xiàn)高被引論文價值[8]與文章被引時間因素[9]。2014年，Prathap在p指數(shù)的基礎(chǔ)上提出z指數(shù)，增加了一致性指標，用于協(xié)調(diào)高被引文章與文章篇數(shù)的關(guān)系[10]。z指數(shù)的提出創(chuàng)新了科學評價體系，為計量領(lǐng)域提供了一個重要研究指標與研究方向。

國外對z指數(shù)的研究主要集中于Prathap對z指標的探索與完善，其進一步解釋了z指數(shù)，分析了z指數(shù)與h指數(shù)之間的關(guān)系[11]；Prathap認為z指數(shù)是一種3D評價指標模型，屬于高級評價指標[12]。在實際應用中，Prathap使用z指數(shù)評價印度科研狀況[13]，太陽能電池領(lǐng)域(polymer solar cells)研究進展，從國家、機構(gòu)、學者、期刊等角度論證了z指數(shù)科學評價的適用性[13]。國內(nèi)學者通過比較h指數(shù)、p指數(shù)與z指數(shù)，探究z指數(shù)在學者[14]、期刊[5]、科研機構(gòu)[15]中的評價效果，研究結(jié)果顯示z指數(shù)是一個靈敏度高、區(qū)分度高、評價全面的綜合性評價指標，具備一定的通用性[16]。同時，z指數(shù)也存在缺陷：在期刊評價中，z指數(shù)無法對施引文獻評價[5]；在科研機構(gòu)評價中，長尾效應嚴重影響z指數(shù)的評價效果，以及忽視了專利等科研指標[16]；對于文章低被引集中度的缺陷，有學者對z指數(shù)進行了相關(guān)改進[16]。此外，z指數(shù)不涉及時間因素，但文章被引量隨時間不斷增加，被引量的變化率也隨時間發(fā)生改變。因此，z指數(shù)無法區(qū)分與評估被引量相同但發(fā)表時間不同，被引變化率上升或下降的文章影響力[17]。

針對上述問題，本文在z指數(shù)的基礎(chǔ)上引入俞立平[18]教授被引峰值的時間思想與李長玲[1]教授的時間因子公式，根據(jù)本文對關(guān)鍵詞熱度的定義，在單一被引值的基礎(chǔ)上，加入關(guān)鍵詞詞頻要素，通過模型計算詞頻與加權(quán)被引值在總年份與出版年份的占比值[19]，最終獲取關(guān)鍵詞熱度。其中，關(guān)鍵詞詞頻體現(xiàn)重要性與關(guān)注度，是常用的文獻計量指標；被引次數(shù)體現(xiàn)文章之間的傳播性與關(guān)聯(lián)性，是追蹤文章熱點的分析指標之一。

2 時間加權(quán)z指數(shù)（ztw）

2.1 z指數(shù)基本理論

z指數(shù)由Prathap提出，通過改進h指數(shù)和p指數(shù)得到，是一種綜合評價指標。本質(zhì)是將數(shù)量、質(zhì)量、一致性程度三個指標等權(quán)重相乘，故也稱quantity（數(shù)量）-quality（質(zhì)量）-consistence（一致性）3D效能評價指標[11]。表達公式如下：

其中，c為總被引頻次，表示研究對象被引規(guī)模；n為文章總篇數(shù)；為文章均篇被引量，反映研究對象在單篇論文層面的平均影響力，也稱“質(zhì)量”指標；為分布一致性指標，ck表示第k篇文章的被引頻次（k=1,2,…,n），是平衡引用極值及分布頻次對結(jié)果影響的調(diào)節(jié)因子，從“數(shù)量與質(zhì)量”一致性層面反映研究對象被引分布的均勻性水平。

2.2 影響因素的相關(guān)計算

基于z指數(shù)，引入總年份占比和同年占比的加權(quán)思想[20]，加入時間要素改進z指數(shù)的數(shù)量、質(zhì)量指標，分別獲得關(guān)鍵詞詞頻與時間加權(quán)被引值的ztw指數(shù)值，最終得到關(guān)鍵詞熱度排名與等級趨勢變化情況。

（1）時間加權(quán)被引函數(shù)

本文根據(jù)李長玲[1]教授的時間因子公式，對不同年份文章的被引值進行時間加權(quán)。被引行為體現(xiàn)學者對發(fā)表內(nèi)容的關(guān)注度，本文將時間加權(quán)被引值的ztw值稱為熱度hc。關(guān)鍵詞詞頻從作者第一視角反映文章主體思想與研究內(nèi)容，本文將關(guān)鍵詞詞頻的ztw值稱為熱度hf。由于出版文章的關(guān)鍵詞詞頻與被引值在時間維度上存在差異，出版當年文章篇數(shù)與關(guān)鍵詞詞頻已為確定值，而文章的被引值在出版后動態(tài)遞增。因此，本文引入時間加權(quán)被引思想，將出版年份與被引年份的差值和被引年份與當前分析年份的差值賦予適當權(quán)重，公式如下：

其中，Y為當前年份，y為出版年份，x為被引年份，出版后的第一年被引年份x為0，cx為第x年的被引頻次。表1為2014年出版的文獻在2014—2019年各年度發(fā)生的被引值。

表1 2014-2019年關(guān)鍵詞i的被引情況

根據(jù)公式（2）、（3）得：

（2）“時間加權(quán)被引—出版年份”矩陣

通過時間加權(quán)被引函數(shù)的計算，得到關(guān)鍵詞不同出版年份的加權(quán)被引值，進而獲取“時間加權(quán)被引值—出版年份”矩陣。如矩陣（1）所示，v表示時間加權(quán)被引值，n為關(guān)鍵詞，m為出版年份，以v2,3為例，表示第二個關(guān)鍵詞在第三個時間窗口（年份）出版的時間加權(quán)被引值。

（3）“關(guān)鍵詞詞頻—出版年份”矩陣

“關(guān)鍵詞詞頻—出版年份”矩陣如矩陣（2）所示，矩陣（2）的數(shù)值由各年度出版文章的關(guān)鍵詞絕對詞頻構(gòu)成。被引值通過引用行為動態(tài)遞增，而當年出版文章的關(guān)鍵詞詞頻不再發(fā)生改變，所以，兩種數(shù)值產(chǎn)生的影響存在差異性，但相同之處在于都以出版年份為時間基準進行計算。例如2015年出版的文獻，其關(guān)鍵詞詞頻反映2015年的研究內(nèi)容，時間加權(quán)被引值則通過時間加權(quán)被引函數(shù)的計算，將不同年份的被引值映射至出版年份，獲得2015年出版文章的綜合被引強度。f表示絕對詞頻，n為關(guān)鍵詞，m為出版年份，以f2,3為例，表示第二個關(guān)鍵詞在第三個時間窗口（年份）出版的絕對詞頻。

2.3 ztw指數(shù)設(shè)計

本文關(guān)鍵詞熱度圍繞關(guān)鍵詞詞頻與被引值，在z指數(shù)數(shù)量、質(zhì)量、一致性程度三個指標的基礎(chǔ)上加入時間因素，計算ztw指數(shù)值，最終得到關(guān)鍵詞熱度。

（1）ztw_quality質(zhì)量指標

在z指數(shù)中，總被引值表示數(shù)量指標。相比之下，矩陣（1）、（2）表示被引要素v與詞頻要素f在ztw指數(shù)下的數(shù)量指標。此外，z指數(shù)中的質(zhì)量指標表示均篇被引，在此基礎(chǔ)上，本文加入時間因素，通過時間維度反映研究對象在不同時期的平均影響力，從總年份占比和同年占比兩個角度進行加權(quán)，得到ztw指數(shù)的質(zhì)量指標。以時間加權(quán)被引值為例，ztw指數(shù)的質(zhì)量指標如下所示：

其中，i表示第i個關(guān)鍵詞，n為關(guān)鍵詞總數(shù)，i≤n；y表示關(guān)鍵詞對應的出版年份，m為出版總年份，y≤m。

（2）ztw_consistence一致性指標

ztw指數(shù)遵循z指數(shù)中的一致性原則，在數(shù)量、質(zhì)量指標的基礎(chǔ)上，通過一致性指標平衡高低被引值與文章總篇數(shù)關(guān)系，被引ztw指數(shù)的一致性指標如公式（5）所示：

（3）熱度hv與熱度hf

根據(jù)本文對熱度的定義和上述相關(guān)指標的描述，構(gòu)建熱度hv與熱度hf。以熱度hv為例：

其中，z(v)為時間加權(quán)被引值的ztw指數(shù)值，即熱度hv；z(f)為關(guān)鍵詞絕對詞頻的ztw指數(shù)值，即熱度hf。

2.4 關(guān)鍵詞熱度與趨勢變化

（1）關(guān)鍵詞熱度值

由z(v)與z(f)得到關(guān)鍵詞熱度h值，通過h值的變化情況，探究熱點關(guān)鍵詞變化趨勢。由于關(guān)鍵詞詞頻與被引值為不同分析角度，對z(v)、z(f)標準化處理，關(guān)鍵詞熱度公式如下所示：

（2）關(guān)鍵詞熱度與趨勢判斷

對關(guān)鍵詞每年熱度h值降序排名并劃分四個等級，排名前25%的關(guān)鍵詞定義為熱點詞，25%～50%的為次熱點詞，50%～75%的為弱熱點詞，75%～100%的為非熱點詞。比較關(guān)鍵詞各年度等級變化，得到關(guān)鍵詞熱度趨勢。以2014、2015年部分關(guān)鍵詞為例，如表2所示。

表2以2015年排名前50的熱點詞為分析對象。比較2015年與2014年的排名情況，創(chuàng)客空間、智庫、互聯(lián)網(wǎng)+與數(shù)字閱讀從非熱點詞上升至熱點詞，上升趨勢明顯；公共文化服務(wù)、信息安全、資源建設(shè)、資源整合與信息傳播從弱熱點詞上升至熱點詞，具有一定的上升趨勢；全民閱讀、知識圖譜、虛擬社區(qū)、數(shù)據(jù)挖掘、信息生態(tài)與服務(wù)創(chuàng)新從次熱點上升至熱點詞；此外，高校圖書館、圖書館、大數(shù)據(jù)、微信與微博等，排名變化小，且都位于熱點詞范圍。上述實例，描述了熱點關(guān)鍵詞排名情況，對關(guān)鍵詞分級能更好的比較趨勢變化。

表2 2014—2015年關(guān)鍵詞h值排名(部分)

3 實證分析

利用Python編程工具，分析知網(wǎng)引文檢索數(shù)據(jù)庫與文獻檢索數(shù)據(jù)庫采集的相關(guān)數(shù)據(jù)。

3.1 數(shù)據(jù)來源與預處理

數(shù)據(jù)來源于2014—2019年圖書情報領(lǐng)域18種核心期刊文獻，它們分別為：中國圖書館學報、圖書情報知識、圖書與情報、大學圖書館學報、情報理論與實踐、圖書情報工作、情報科學、情報雜志、情報資料工作、圖書館論壇、圖書館工作與研究、圖書館建設(shè)、數(shù)據(jù)分析與知識發(fā)現(xiàn)、情報學報、國家圖書館學刊、圖書館、圖書館學研究、圖書館雜志。人為去除會議、通知、征稿等信息，共獲取有效被引期刊文獻20091篇，有效出版期刊文獻24649篇。以24649篇出版文獻的關(guān)鍵詞作為分析對象，進行數(shù)據(jù)處理。

3.2 選定關(guān)鍵詞

本文以2014—2019年總詞頻排名前200的關(guān)鍵詞作為研究對象，計算熱度h值，對各年度關(guān)鍵詞排名劃分等級并研究發(fā)展趨勢。排名前50的關(guān)鍵詞如表3所示。

表3 Top50的關(guān)鍵詞

3.3 關(guān)鍵詞熱度與排名分析

3.3.1 關(guān)鍵詞熱度與排名

根據(jù)公式（7）得到排名前200的關(guān)鍵詞熱度h值，如表4所示。

基于上述結(jié)果，將關(guān)鍵詞熱度h值進行年度排名并劃分等級。分析2019年排名前50的熱點關(guān)鍵詞，得到2014—2019年排名變化情況，部分數(shù)據(jù)如表5所示。

表4 關(guān)鍵詞熱度h值（保留三位小數(shù)）

表5 關(guān)鍵詞熱度h值排名

從表5可知，高校圖書館、圖書館、大數(shù)據(jù)、公共圖書館等關(guān)鍵詞排名位于前列且變化小，屬于熱點關(guān)鍵詞；相比之下，用戶畫像在2014—2017年間屬于非熱點詞，2018年排名迅速上升，成為熱點詞；此外，2017年，人工智能排名上升明顯，數(shù)字人文在2016年和2017年間排名變化也十分顯著；公共文化服務(wù)和智慧服務(wù)在國家大力發(fā)展數(shù)字基礎(chǔ)建設(shè)的背景下成為研究熱點，以上為排名顯著上升的關(guān)鍵詞，下文以折線圖對前200個關(guān)鍵詞的變化趨勢進行分析。

3.3.2 趨勢分析

根據(jù)表5數(shù)據(jù)與分級標準，本文將2019年熱點關(guān)鍵詞（排名前50）作為研究對象，探究其過去6年排名變化趨勢，對關(guān)鍵詞在2014年所屬四個等級分別進行討論。橫坐標為年份，縱坐標為排名，排名數(shù)值越小，熱度越大。變化情況如圖1所示。

（1）熱點關(guān)鍵詞上升為熱點關(guān)鍵詞

圖1 2019年熱點關(guān)鍵詞趨勢變化情況（1）

圖1所示，2014年熱點關(guān)鍵詞在2019年仍屬于熱點關(guān)鍵詞，排名變化穩(wěn)定。部分關(guān)鍵詞有明顯的學科特點，如：高校圖書館、圖書館、公共圖書館、圖書館學、情報學、學科服務(wù)等。除學科關(guān)鍵詞外，與文獻計量學相關(guān)的研究方法排名也較為穩(wěn)定，如共詞分析法、社會網(wǎng)絡(luò)分析法等。此外，在互聯(lián)網(wǎng)背景下，大數(shù)據(jù)、突發(fā)事件、網(wǎng)絡(luò)輿情等成為該領(lǐng)域的研究熱點詞。

（2）次熱點關(guān)鍵詞上升至熱點關(guān)鍵詞

圖2所示，2014年次熱點關(guān)鍵詞在六年間上升為熱點關(guān)鍵詞。與圖1相比，圖2關(guān)鍵詞涉及研究方法，除文本挖掘波動幅度較大，其余關(guān)鍵詞穩(wěn)中有進。近年，知識圖譜、內(nèi)容分析、文本挖掘、評價指標等研究方法廣泛運用于不同的學術(shù)領(lǐng)域，大數(shù)據(jù)、自然語言處理、機器學習作為社會熱門話題，直接或間接提高科學計量方法在不同領(lǐng)域的使用。

（3）弱熱點關(guān)鍵詞上升至熱點關(guān)鍵詞

圖3所示，2014年弱熱點關(guān)鍵詞在2019年上升為熱點關(guān)鍵詞，排名變化顯著，部分關(guān)鍵詞在2016年上升趨勢明顯，對領(lǐng)域熱點的研究具有參考價值。2016—2017年，AlphaGo與圍棋冠軍的人機對戰(zhàn)將機器學習拉入大眾視野，并獲得學術(shù)界的關(guān)注。2017年底，國家大數(shù)據(jù)戰(zhàn)略第二次會議提出加快完善數(shù)字基礎(chǔ)設(shè)施，推進數(shù)據(jù)資源整合和開放數(shù)據(jù)共享，各大城市、區(qū)域政府開啟與互聯(lián)網(wǎng)企業(yè)合作，推出了一系列惠民、便民、利民的數(shù)據(jù)資源開放共享平臺，開啟了大數(shù)據(jù)服務(wù)的探索。如廣東省于2017年聯(lián)合騰訊、移動、電信、聯(lián)通推出數(shù)字廣東，推進珠三角地區(qū)信息化發(fā)展。

（4）非熱點關(guān)鍵詞上升至熱點關(guān)鍵詞

圖4所示，2014年非熱點關(guān)鍵詞在2019年上升為熱點詞，上升迅速，對該領(lǐng)域研究熱點有積極參考價值。2015年，國務(wù)院印發(fā)《國務(wù)院關(guān)于積極推進“互聯(lián)網(wǎng)+”行動的指導意見》，同年，也成為中國特色新型智庫建設(shè)元年，智庫不僅上升為國家戰(zhàn)略，也走進了公眾視線，其關(guān)注度延續(xù)至今。人工智能、深度學習同機器學習，受到2017年AlphaGo的影響，關(guān)注度上升。用戶畫像最早由Alan Cooper提出，于2017年得到國內(nèi)學者關(guān)注，作為研究用戶特點的工具，廣泛用于電子商務(wù)、圖書館、醫(yī)療健康等領(lǐng)域。在線評價作為用戶對產(chǎn)品體驗的一部分，伴隨電商、社交媒體的發(fā)展和企業(yè)對用戶畫像的關(guān)注，成為2019年圖書情報領(lǐng)域熱點關(guān)鍵詞。2009年，數(shù)字人文引入學界，近年隨著相關(guān)技術(shù)的發(fā)展，數(shù)字人文逐漸得到關(guān)注。

圖2 2019年熱點關(guān)鍵詞趨勢變化情況（2）

圖3 2019年熱點關(guān)鍵詞趨勢變化情況（3）

圖4 2019年熱點關(guān)鍵詞趨勢變化情況（4）

上述四類關(guān)鍵詞排名特點如下：學科類關(guān)鍵詞排名高、排名變化小、對熱點判斷參考價值小；經(jīng)典文獻計量方法排名穩(wěn)中有序；基于計算機與互聯(lián)網(wǎng)技術(shù)高速發(fā)展的背景，計算方法、研究理論快速成為熱門焦點，受到廣泛關(guān)注，具有較高的參考意義。

3.4 ztw指數(shù)效果對比分析

將2017—2019年作為一個時間單位，以熱度h值為基準降序排列，比較原始z指數(shù)值與絕對詞頻排名，檢驗ztw指數(shù)評價效果。圖5中，橫坐標為關(guān)鍵詞，縱坐標為排名，排名數(shù)值越小，越為熱點關(guān)鍵詞。

（1）熱點關(guān)鍵詞比較

圖5為排名前50的熱點關(guān)鍵詞，可以看出，熱度h值排名前列的關(guān)鍵詞三種排名差距小。其中，高校圖書館等學科熱點詞位于前列，互聯(lián)網(wǎng)、大數(shù)據(jù)、智庫、網(wǎng)絡(luò)輿情、知識圖譜、可視化、微信、微博、社交媒體、人工智能等關(guān)鍵詞都為近年研究熱點詞。此外，三種方法排名差異較大的有開放獲取、健康信息與深度學習等，深度學習在z指數(shù)計算下，排名僅為171。

圖5 熱點關(guān)鍵詞比較（部分顯示）

（2）次熱點關(guān)鍵詞比較

圖6為排名50～100的次熱點關(guān)鍵詞，比較三種排名結(jié)果，差異特征明顯。熱度h值排名顯著高于原始z指數(shù)值與絕對詞頻，排名前列的有：機器學習、開放政府數(shù)據(jù)、數(shù)據(jù)共享、開發(fā)存取、用戶畫像、區(qū)塊鏈、主題模型等，都為近年熱點詞。通過比較不同方法的排名結(jié)果，可以看出熱度h值能夠提升部分關(guān)鍵詞排名，且結(jié)果較為符合當前領(lǐng)域狀況，也符合上述趨勢分析的相關(guān)背景。

圖6 次熱點關(guān)鍵詞比較（部分顯示）

（3）弱熱點關(guān)鍵詞比較

圖7為排名100～150的弱熱點關(guān)鍵詞，可以看出，熱度h值與z指數(shù)值和絕對詞頻排名存在正負排名差，熱度h值排名高于其他兩種方法的關(guān)鍵詞有主題識別、信息質(zhì)量、文本挖掘、政府數(shù)據(jù)、知識挖掘等；熱度h值排名低于其他兩個方法的關(guān)鍵詞有主題演化、信息安全、在線評論、知識管理、CiteSpace、期刊評價等。弱熱點關(guān)鍵詞排名特點在于詞頻與被引相互影響，三種方法的排名高低差值分布均勻。

（4）非熱點關(guān)鍵詞比較

圖8為排名150～200的非熱點關(guān)鍵詞，熱度h值排名普遍低于z指數(shù)值與絕對詞頻。其中，熱度h值排名高于其他兩種方法的關(guān)鍵詞有ischool、人才培養(yǎng)、政府數(shù)據(jù)開放等；熱度h值排名低于其他兩個方法的關(guān)鍵詞有館藏建設(shè)、情報研究、總分館制、知識元、電子書、知識組織等。熱度h值排名較高的關(guān)鍵詞與大環(huán)境下的研究熱點相關(guān)。綜上，熱度h值排名能拉低非熱點詞，也較為符合傳統(tǒng)情報領(lǐng)域的研究現(xiàn)狀。

圖7 弱熱點關(guān)鍵詞比較（部分顯示）

圖8 非熱點關(guān)鍵詞比較（部分顯示）

通過三種不同方法的比較，熱度h值排名較高的關(guān)鍵詞為近年學者重點關(guān)注方向，除學科關(guān)鍵詞外，次熱點關(guān)鍵詞能很好的體現(xiàn)當前互聯(lián)網(wǎng)背景下熱門研究方法與話題。在分析的過程中，次熱點關(guān)鍵詞能很好的提升排名，對于非熱點關(guān)鍵詞能較好的拉低排名，凸顯分析結(jié)果，使關(guān)鍵詞熱點評價更加合理、更加有效。

4 結(jié)論

本文設(shè)計ztw指數(shù)探究圖書情報領(lǐng)域研究熱點與變化趨勢。根據(jù)原始z指數(shù)在評價研究對象數(shù)量、質(zhì)量與一致性指標即綜合性優(yōu)勢，基于俞立平、李長玲教授的時間加權(quán)被引公式與奉國和教授的加權(quán)時間思想，對已出版文章的被引動態(tài)性賦予權(quán)重。根據(jù)新模型計算關(guān)鍵詞熱度值，通過排名劃分等級的方式得到熱度變化趨勢，排名變化大且位于前列的關(guān)鍵詞有大數(shù)據(jù)、用戶畫像、人工智能、深度學習、機器學習等。通過比較熱度h值與原始z指數(shù)和絕對詞頻排名差異，檢驗熱度h值評價效果，結(jié)果顯示：熱點關(guān)鍵詞排名差異小，次熱點與非熱點關(guān)鍵詞差異特征明顯；在次熱點部分，熱度h值排名高于其他兩種方法；在非熱點部分，熱度h值排名低于其他兩種方法。可以得出，ztw指數(shù)能夠提升次熱點關(guān)鍵詞排名，拉低非熱點關(guān)鍵詞排名，得到的關(guān)鍵詞也較為符合當前社會發(fā)展與領(lǐng)域研究狀況，在熱點探究中結(jié)果更加有效與合理。

本文將關(guān)鍵詞詞頻與被引值作為熱度分析要素，對圖書情報領(lǐng)域關(guān)鍵詞評價，比較三種排名結(jié)果檢驗ztw指數(shù)效果，不同等級排名差異特征顯著。對于排名差異，可深入探究，指標深度即數(shù)量、質(zhì)量與一致性，指標廣度即關(guān)鍵詞詞頻與被引值，分析各指標對熱度影響程度，從而挖掘不同等級排名差異因素。由于不同領(lǐng)域不同學科的文章存在差異，可將本研究方法擴充至其他領(lǐng)域進行數(shù)據(jù)分析，比較結(jié)果，進而判斷模型適用性。