基于圖數(shù)據(jù)庫(kù)Neo4j的學(xué)者合作圖譜分析
——以數(shù)字人文領(lǐng)域?yàn)槔?/h1>
2022-10-09 00:42:12熊回香黃曉捷陳子薇李昕然
知識(shí)管理論壇 2022年4期
熊回香 黃曉捷 陳子薇 李昕然
華中師范大學(xué)信息管理學(xué)院 武漢 430079
數(shù)字人文作為計(jì)算機(jī)學(xué)科和人文學(xué)科交叉研究的一個(gè)跨學(xué)科領(lǐng)域，涉及的學(xué)科范圍較廣，包括語(yǔ)言學(xué)、文學(xué)、圖書(shū)情報(bào)學(xué)和計(jì)算機(jī)科學(xué)等，由人文計(jì)算領(lǐng)域發(fā)展而來(lái)[1]。在如今深度數(shù)字化時(shí)代，數(shù)字人文的研究熱度越來(lái)越高，雖然我國(guó)學(xué)術(shù)界對(duì)其研究起步稍晚，但發(fā)展勢(shì)頭迅猛，獲得了較好的發(fā)展前景[2]。目前，我國(guó)數(shù)字人文的研究主要集中在對(duì)國(guó)外數(shù)字人文項(xiàng)目的調(diào)查與分析、利用數(shù)字化技術(shù)對(duì)人文藝術(shù)等資源進(jìn)行可視化呈現(xiàn)及數(shù)字人文在圖情檔領(lǐng)域的應(yīng)用這三方面。此外，我國(guó)在數(shù)字人文的教育方面也取得了突破，上海圖書(shū)館、中國(guó)人民大學(xué)數(shù)字人文研究中心、武漢大學(xué)數(shù)字人文研究中心、北京大學(xué)信息管理系KVision實(shí)驗(yàn)室等科研機(jī)構(gòu)深入推進(jìn)數(shù)字人文和圖情檔的融合發(fā)展[3]。在這樣廣闊的發(fā)展平臺(tái)下，涌現(xiàn)出越來(lái)越多數(shù)字人文領(lǐng)域的學(xué)者，催生出龐大復(fù)雜的學(xué)術(shù)研究網(wǎng)絡(luò)，主題多樣，合作頻繁。但是，如何在浩瀚無(wú)邊的學(xué)術(shù)資源、學(xué)者、機(jī)構(gòu)等信息中精準(zhǔn)地找到自身需要的相關(guān)研究方向的合作對(duì)象是近些年科研合作預(yù)測(cè)研究的重點(diǎn)。因此，對(duì)學(xué)者合作關(guān)系網(wǎng)絡(luò)進(jìn)行分析，有利于發(fā)掘?qū)W者合作的規(guī)律和趨勢(shì)，了解核心科研團(tuán)隊(duì)及研究主題，對(duì)把握此領(lǐng)域的發(fā)展?fàn)顩r具有重要意義，進(jìn)而推動(dòng)數(shù)字人文研究的發(fā)展和創(chuàng)新。
學(xué)者合作網(wǎng)絡(luò)是相關(guān)領(lǐng)域?qū)W者在科研創(chuàng)作中因合著或被引關(guān)系而形成的復(fù)雜關(guān)聯(lián)網(wǎng)絡(luò)。學(xué)者合作網(wǎng)絡(luò)可以加強(qiáng)學(xué)者之間的交流，對(duì)于知識(shí)共享、思維方式、科研創(chuàng)新等方面的進(jìn)步有著不容小覷的作用。因此，目前越來(lái)越多的學(xué)者開(kāi)始關(guān)注合作關(guān)系的研究，其中大多采用社會(huì)網(wǎng)絡(luò)分析方法，劉培[4]、劉志輝[5]、邱均平[6]等學(xué)者基于社會(huì)網(wǎng)絡(luò)分析法和關(guān)鍵詞耦合分析法挖掘分析作者潛在的合作關(guān)系并構(gòu)建合作網(wǎng)絡(luò)。具體到數(shù)字人文領(lǐng)域，徐晨飛等運(yùn)用文獻(xiàn)信息統(tǒng)計(jì)分析工具以及社會(huì)網(wǎng)絡(luò)分析方法對(duì)作者合著網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)特征、中心性、核心—邊緣結(jié)構(gòu)以及小型合著網(wǎng)絡(luò)展開(kāi)分析，總結(jié)該領(lǐng)域的科研合作特征[7]；宮雪等通過(guò)高頻關(guān)鍵詞雙聚類(lèi)分析以及對(duì)合著網(wǎng)絡(luò)和合著機(jī)構(gòu)進(jìn)行社會(huì)網(wǎng)絡(luò)分析，從多角度探討了當(dāng)前國(guó)內(nèi)數(shù)字人文研究的整體狀況及研究熱點(diǎn)[8]。
近年來(lái)，開(kāi)源或商用的圖數(shù)據(jù)庫(kù)不斷涌現(xiàn)，主流的圖數(shù)據(jù)庫(kù)包括國(guó)內(nèi)的GDB[9]、Huge Graph[10]以及國(guó)外的Neo4j[11]、Tiger Graph[12]等。這些圖數(shù)據(jù)庫(kù)集成了大量的社會(huì)網(wǎng)絡(luò)分析方法與應(yīng)用，主要包括中心性、路徑查找、鏈接預(yù)測(cè)、社區(qū)檢測(cè)和圖可視化等，有助于發(fā)現(xiàn)知識(shí)圖譜中的潛在知識(shí)，也能更好地發(fā)現(xiàn)社會(huì)網(wǎng)絡(luò)中的合作關(guān)系[13]。學(xué)術(shù)界內(nèi)部分學(xué)者開(kāi)始嘗試使用圖數(shù)據(jù)庫(kù)開(kāi)展社會(huì)網(wǎng)絡(luò)分析研究。郭坤銘[14]利用Neo4j對(duì)異構(gòu)網(wǎng)絡(luò)中社會(huì)關(guān)系的分析優(yōu)勢(shì)，存儲(chǔ)了百度百科上爬取的人物基本信息和關(guān)系，運(yùn)用Common Neighbors算法進(jìn)行網(wǎng)絡(luò)結(jié)構(gòu)相似度計(jì)算，并利用節(jié)點(diǎn)屬性相似度預(yù)測(cè)所構(gòu)建的異構(gòu)網(wǎng)絡(luò)中的人物社會(huì)關(guān)系。M. Kolomeets等[15]利用圖數(shù)據(jù)庫(kù)OrientDB構(gòu)建了VKontakte社交網(wǎng)絡(luò)，使用 PageRank評(píng)估了社交群體中最具影響力的意見(jiàn)領(lǐng)袖。丁洪麗[16]基于人員信息和話單等數(shù)據(jù)，采用Neo4j構(gòu)建了多維關(guān)系網(wǎng)絡(luò)并進(jìn)行可視化，利用Neo4j中的查詢分析功能挖掘人員關(guān)系，使得實(shí)驗(yàn)效率大幅提升。相較于傳統(tǒng)的社會(huì)網(wǎng)絡(luò)分析工具，圖數(shù)據(jù)庫(kù)能夠展示大規(guī)模實(shí)體之間不斷更新的龐大復(fù)雜關(guān)系，同時(shí)也能夠使得網(wǎng)絡(luò)節(jié)點(diǎn)和關(guān)系值間的查詢更加簡(jiǎn)單快捷，在映射真實(shí)實(shí)體和關(guān)系方面具有天然優(yōu)勢(shì)[17]。
針對(duì)數(shù)字人文領(lǐng)域中日益錯(cuò)綜復(fù)雜的學(xué)術(shù)社交網(wǎng)絡(luò)，如何對(duì)領(lǐng)域內(nèi)的學(xué)者合作關(guān)系進(jìn)行分析和挖掘逐漸成為該領(lǐng)域的一個(gè)研究重點(diǎn)。雖然傳統(tǒng)的社會(huì)網(wǎng)絡(luò)工具能夠在一定程度上對(duì)學(xué)者合作網(wǎng)絡(luò)進(jìn)行分析，但對(duì)異構(gòu)數(shù)據(jù)的處理仍有不足，且不具備圖數(shù)據(jù)庫(kù)的實(shí)時(shí)查詢、預(yù)測(cè)推理、因果關(guān)系分析等功能[13]。以Neo4j為主流的圖數(shù)據(jù)庫(kù)工具對(duì)多種關(guān)系數(shù)據(jù)的處理較為靈活，有望彌補(bǔ)這些不足。本文將在上述研究的基礎(chǔ)上，運(yùn)用Neo4j實(shí)現(xiàn)數(shù)字人文領(lǐng)域?qū)W者合作關(guān)系的構(gòu)建與存儲(chǔ)，并利用其強(qiáng)大的查詢分析功能，快速便捷地查找相關(guān)學(xué)者并進(jìn)行其合作關(guān)系的圖譜分析，以期為相關(guān)領(lǐng)域的數(shù)字人文研究提供參考。
1 圖數(shù)據(jù)庫(kù)Neo4j及其應(yīng)用優(yōu)勢(shì)
1.1 圖數(shù)據(jù)庫(kù)Neo4j
隨著互聯(lián)網(wǎng)的不斷發(fā)展，面對(duì)當(dāng)下高并發(fā)的海量大數(shù)據(jù)和實(shí)時(shí)應(yīng)用情景，圖數(shù)據(jù)庫(kù)以其易學(xué)、方便操作、高效處理復(fù)雜關(guān)系等獨(dú)特的優(yōu)勢(shì)備受企業(yè)和學(xué)者的關(guān)注，它以圖形數(shù)據(jù)結(jié)構(gòu)存儲(chǔ)實(shí)體及其相互關(guān)系，由節(jié)點(diǎn)、屬性和邊構(gòu)成，其中節(jié)點(diǎn)表示數(shù)據(jù)實(shí)體，屬性是節(jié)點(diǎn)的附屬信息，邊表示節(jié)點(diǎn)之間的關(guān)系，適合對(duì)關(guān)聯(lián)關(guān)系復(fù)雜、動(dòng)態(tài)關(guān)系多變的龐大數(shù)據(jù)進(jìn)行存儲(chǔ)和管理[18]。與傳統(tǒng)的關(guān)系型數(shù)據(jù)庫(kù)相比，圖數(shù)據(jù)庫(kù)處理的是非結(jié)構(gòu)化和不可預(yù)知的數(shù)據(jù)，更符合現(xiàn)在數(shù)據(jù)爆炸式增長(zhǎng)與用戶個(gè)性化需求的特點(diǎn)，并且有效支持實(shí)體間的關(guān)聯(lián)關(guān)系，當(dāng)加入新標(biāo)簽及新關(guān)系時(shí)，不需要調(diào)整先前的結(jié)構(gòu)，擁有多層關(guān)聯(lián)、最短路徑、集中度測(cè)量等多種擴(kuò)展功能，在社交網(wǎng)絡(luò)、推薦系統(tǒng)、關(guān)系圖譜等場(chǎng)景應(yīng)用廣泛，是大數(shù)據(jù)時(shí)代的新利器。
常見(jiàn)的圖數(shù)據(jù)庫(kù)有Neo4j、Flock DB、Graph DB、AllegroGrap等類(lèi)型，其中，開(kāi)源的Neo4j以其高性能、高穩(wěn)定性、可擴(kuò)展性強(qiáng)等優(yōu)勢(shì)成為當(dāng)前應(yīng)用最為廣泛的原生圖數(shù)據(jù)庫(kù)之一[19]。它采用原生圖存儲(chǔ)和處理數(shù)據(jù)，反映了關(guān)系網(wǎng)絡(luò)中實(shí)體聯(lián)系的本質(zhì)，在查詢中能以快捷的路徑返回關(guān)聯(lián)數(shù)據(jù)，表現(xiàn)出非常高效的查詢性能；支持非結(jié)構(gòu)化數(shù)據(jù)的存儲(chǔ)與大規(guī)模數(shù)據(jù)的增長(zhǎng)，能很好地適應(yīng)需求的變化，具有很大的靈活性。此外，它還可以對(duì)實(shí)體間復(fù)雜的關(guān)系進(jìn)行分析與推理，支持邏輯語(yǔ)言分析與面向約束的推理。Neo4j擁有自己的查詢語(yǔ)言——Cypher語(yǔ)言，它是一種面向圖分析、聲明式、表達(dá)能力強(qiáng)的描述性圖形查詢語(yǔ)言[20]，對(duì)用戶十分友好，操作簡(jiǎn)便，主要使用的關(guān)鍵字有create（主要用于創(chuàng)建圖形節(jié)點(diǎn)、關(guān)系及屬性）、match（在已有圖形數(shù)據(jù)庫(kù)中匹配目標(biāo)信息）、where（是match功能的條件）、return（完成匹配后，返回指定值），基于這些查詢語(yǔ)句實(shí)現(xiàn)對(duì)圖形數(shù)據(jù)的分析與推理。
1.2 Neo4j分析學(xué)者合作網(wǎng)絡(luò)的優(yōu)勢(shì)
隨著網(wǎng)絡(luò)技術(shù)的快速發(fā)展以及跨學(xué)科研究的日益突出，學(xué)者之間的合作關(guān)系也呈現(xiàn)復(fù)雜多樣的特點(diǎn)，產(chǎn)生了越來(lái)越多的非結(jié)構(gòu)化關(guān)聯(lián)網(wǎng)絡(luò)數(shù)據(jù)，Neo4j圖數(shù)據(jù)庫(kù)正是一個(gè)能夠適應(yīng)異構(gòu)數(shù)據(jù)大規(guī)模增長(zhǎng)和需求不斷變化的數(shù)據(jù)庫(kù)，它沒(méi)有模式結(jié)構(gòu)的定義，使用非結(jié)構(gòu)化的方式來(lái)存儲(chǔ)關(guān)聯(lián)數(shù)據(jù)，不但適應(yīng)能力強(qiáng)，而且自始至終都可以保持高效的查詢性能，因此在處理學(xué)者之間復(fù)雜關(guān)系時(shí)顯現(xiàn)出了獨(dú)特的優(yōu)勢(shì)。
1.2.1 反映學(xué)者之間復(fù)雜的合作關(guān)系
合作關(guān)系是指學(xué)者們?cè)趯W(xué)術(shù)研究過(guò)程中所進(jìn)行的合作行為。常見(jiàn)的學(xué)者合作關(guān)系包括合著關(guān)系和引用關(guān)系。在學(xué)術(shù)網(wǎng)絡(luò)中，如果兩個(gè)學(xué)者的合著行為越頻繁，那么他們更有可能興趣相似且彼此信任，除此之外，學(xué)者的合著者也會(huì)與其他學(xué)者產(chǎn)生合著行為，基于這種學(xué)者間的合作關(guān)系便構(gòu)建了學(xué)者合著網(wǎng)絡(luò)，這種關(guān)系可以采用圖結(jié)構(gòu)存儲(chǔ)，在此基礎(chǔ)上，可以采取社會(huì)網(wǎng)絡(luò)分析法和圖挖掘算法對(duì)學(xué)者間的關(guān)系進(jìn)行分析與聚類(lèi)，從而發(fā)現(xiàn)最為匹配的合作者及合作團(tuán)隊(duì)。另外，學(xué)者間的另一種合作關(guān)系為引用關(guān)系，其被分為引用與被引，基于這兩種引用行為，學(xué)者間構(gòu)成了引文網(wǎng)絡(luò)，是施引文獻(xiàn)與被引成果的紐帶，反映了引用者的借鑒、肯定以及相關(guān)問(wèn)題的深層次研究。通常根據(jù)這樣的引用關(guān)系實(shí)現(xiàn)資源聚合與學(xué)者聚合，以學(xué)者為節(jié)點(diǎn)，以文獻(xiàn)之間的引用關(guān)系作為節(jié)點(diǎn)之間的聯(lián)系邊，以此構(gòu)建相關(guān)引用文獻(xiàn)之間的引用網(wǎng)絡(luò)，從而更好地從引文關(guān)系網(wǎng)絡(luò)中挖掘出核心學(xué)者或核心團(tuán)隊(duì)。不管是哪種合作關(guān)系，隨著相關(guān)問(wèn)題研究的多元化，學(xué)者間的合作關(guān)系也越來(lái)越復(fù)雜，而Neo4j恰好可以存儲(chǔ)并反映這種量大、復(fù)雜而又變化的關(guān)聯(lián)數(shù)據(jù)，支持大規(guī)模數(shù)據(jù)的增長(zhǎng)與更新，且可清晰呈現(xiàn)各節(jié)點(diǎn)之間的關(guān)聯(lián)關(guān)系。
1.2.2 實(shí)時(shí)查詢目標(biāo)學(xué)者的合作關(guān)系
除了存儲(chǔ)功能，圖數(shù)據(jù)庫(kù)Neo4j的檢索功能也非常強(qiáng)大，這依賴于Cypher查詢語(yǔ)言，它是一種聲明式圖數(shù)據(jù)庫(kù)查詢語(yǔ)言，用法簡(jiǎn)潔且表現(xiàn)力豐富，查詢效率高，擁有良好的擴(kuò)展性，用戶可以定制自己的查詢方式。在檢索功能中，Cypher語(yǔ)言由start、match、where、return 4個(gè)部分組成：①start表示在圖中指定一個(gè)或多個(gè)起始節(jié)點(diǎn)，通過(guò)索引查找獲得，也可以通過(guò)節(jié)點(diǎn)的編號(hào)直接獲得；②match用于圖形的匹配模式，也是進(jìn)行實(shí)例具體化的重要部分；③where提供過(guò)濾模式匹配結(jié)果的條件；④return用來(lái)指明在已經(jīng)匹配查詢的數(shù)據(jù)中，哪些節(jié)點(diǎn)、關(guān)系和屬性是需要返回給客戶端的。通過(guò)這樣遍歷查找的過(guò)程，容易定位聚焦到想要了解的學(xué)者節(jié)點(diǎn)，再利用條件的匹配，得到目標(biāo)學(xué)者的合作關(guān)系，從而進(jìn)行針對(duì)性分析。此外，Neo4j還支持實(shí)時(shí)更新圖數(shù)據(jù)庫(kù)，且不影響已有的數(shù)據(jù)結(jié)構(gòu)，這樣可以不斷地?cái)U(kuò)充現(xiàn)有關(guān)系圖譜，展示越來(lái)越完備復(fù)雜的合作關(guān)系網(wǎng)絡(luò)。
1.2.3 預(yù)測(cè)學(xué)者之間潛在的合作趨勢(shì)
目前人物關(guān)系推理的方法主要有兩種：基于本體的方法和基于圖數(shù)據(jù)庫(kù)的方法[21]。基于本體的人物關(guān)系推理時(shí)間復(fù)雜度較高，推理速度隨人物關(guān)系數(shù)據(jù)量的增多而迅速降低，難以滿足大數(shù)據(jù)時(shí)代下的人物關(guān)系推理需求，而基于圖數(shù)據(jù)庫(kù)的人物關(guān)系推理是人物關(guān)系數(shù)據(jù)分析的新趨勢(shì)。圖數(shù)據(jù)庫(kù)的數(shù)據(jù)存儲(chǔ)結(jié)構(gòu)和數(shù)據(jù)查詢方式都以圖論為基礎(chǔ)，適用于含有大量聯(lián)系的人物關(guān)系數(shù)據(jù)的增刪查改（CRUD）?；趫D數(shù)據(jù)庫(kù)的人物關(guān)系推理方法，首先將人物關(guān)系數(shù)據(jù)轉(zhuǎn)換為圖數(shù)據(jù)庫(kù)的存儲(chǔ)方式，然后采用圖數(shù)據(jù)庫(kù)查詢語(yǔ)言進(jìn)行人物關(guān)系分析[22]。作為支持效率高、擴(kuò)展性強(qiáng)的聲明式圖查詢語(yǔ)言及具有豐富開(kāi)發(fā)模式的圖數(shù)據(jù)庫(kù)系統(tǒng)，Neo4j存儲(chǔ)學(xué)者關(guān)系知識(shí)圖譜具有不可比擬的優(yōu)勢(shì)，復(fù)雜的關(guān)系鏈接也使其具備了推理能力，從而預(yù)測(cè)學(xué)者潛在的合作趨勢(shì)，為不同領(lǐng)域、不同學(xué)科的科研合作提供可能的研究方向。
2 基于圖數(shù)據(jù)庫(kù)Neo4j的學(xué)者合作關(guān)系圖譜構(gòu)建
2.1 數(shù)據(jù)的選擇與獲取
本文選取中國(guó)知網(wǎng)學(xué)術(shù)資源總庫(kù)中的CSSCI期刊作為數(shù)據(jù)來(lái)源進(jìn)行數(shù)據(jù)獲取，以“數(shù)字人文”或“人文計(jì)算”為主題進(jìn)行檢索，截至2021年4月3日，共檢索到615篇文獻(xiàn)。通過(guò)NoteExpress文獻(xiàn)管理器對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，刪除重復(fù)文獻(xiàn)、會(huì)議征文、與數(shù)字人文主題不太相關(guān)的文獻(xiàn)，最終獲得有效文獻(xiàn)334篇。對(duì)于多位作者署名的文獻(xiàn)，本文統(tǒng)一選取前三位作者作為研究對(duì)象，經(jīng)過(guò)重復(fù)項(xiàng)去除后，獲得410個(gè)學(xué)者節(jié)點(diǎn)，244個(gè)機(jī)構(gòu)節(jié)點(diǎn)和636個(gè)關(guān)鍵詞節(jié)點(diǎn)，數(shù)據(jù)處理結(jié)果示例見(jiàn)圖1；然后利用Python獲取學(xué)者與學(xué)者之間的合著、被引關(guān)系，學(xué)者與機(jī)構(gòu)之間的工作關(guān)系和學(xué)者與關(guān)鍵詞之間的研究主題關(guān)系數(shù)據(jù)，本文主要基于上述3種節(jié)點(diǎn)和4種關(guān)系對(duì)學(xué)者合作關(guān)系進(jìn)行圖譜構(gòu)建，數(shù)據(jù)模型見(jiàn)圖2。
圖1 數(shù)據(jù)處理結(jié)果示例
圖2 學(xué)者合作關(guān)系圖譜數(shù)據(jù)模型
2.2 數(shù)據(jù)文件的導(dǎo)入
圖數(shù)據(jù)要具體存儲(chǔ)到圖數(shù)據(jù)庫(kù)中，就涉及到了特定的圖數(shù)據(jù)模型，即關(guān)于采用什么實(shí)現(xiàn)方式來(lái)存圖數(shù)據(jù)的問(wèn)題。常見(jiàn)的圖數(shù)據(jù)模型有屬性圖、超圖和三元組。由于屬性圖模型直觀且易于理解，能夠描述絕大部分圖的使用場(chǎng)景，Neo4j采用的便是當(dāng)下最流行的屬性圖模型。首先，將節(jié)點(diǎn)和關(guān)系數(shù)據(jù)的Excel文件都另存為“.csv”文件；然后利用Cypher語(yǔ)言的create語(yǔ)句，將節(jié)點(diǎn)文件和關(guān)系文件按照代碼示例，見(jiàn)圖3，輸入到代碼編輯區(qū)；最后運(yùn)行結(jié)果見(jiàn)圖4，清晰地展示了節(jié)點(diǎn)的個(gè)數(shù)、關(guān)系的對(duì)數(shù)以及學(xué)者合作關(guān)系圖譜。具體于某一節(jié)點(diǎn)，以中國(guó)社會(huì)科學(xué)院文學(xué)研究所為例，通過(guò)此節(jié)點(diǎn)可查詢到在這個(gè)機(jī)構(gòu)工作的兩位學(xué)者，進(jìn)而其合作的學(xué)者、研究主題等相關(guān)關(guān)系得到清晰的呈現(xiàn)，見(jiàn)圖5。
圖3 導(dǎo)入數(shù)據(jù)代碼示例
圖4 學(xué)者合作關(guān)系圖譜構(gòu)建樣例
圖5 具體實(shí)例展示
3 基于圖數(shù)據(jù)庫(kù)Neo4j的學(xué)者合作圖譜分析
面對(duì)龐大復(fù)雜的非結(jié)構(gòu)化關(guān)系數(shù)據(jù)，圖數(shù)據(jù)庫(kù)Neo4j為技術(shù)的應(yīng)用提供了有效的解決途徑，但是通過(guò)梳理國(guó)內(nèi)相關(guān)文獻(xiàn)可知，目前利用Neo4j的內(nèi)嵌圖算法和Cypher查詢語(yǔ)言進(jìn)行數(shù)據(jù)分析與處理的研究相對(duì)較少，本文將充分利用Neo4j強(qiáng)大的圖算法功能這一優(yōu)勢(shì)，對(duì)數(shù)字人文研究領(lǐng)域的學(xué)者合作網(wǎng)絡(luò)進(jìn)行分析。Neo4j的算法庫(kù) Graph Data Science（GDS）可以實(shí)現(xiàn)各種復(fù)雜的社會(huì)網(wǎng)絡(luò)分析，包括centrality algorithms（中心性算法）、community detection algorithms（社區(qū)檢測(cè)算法）、path finding algorithms（路徑查找算法）、link prediction algorithms（鏈路預(yù)測(cè)算法）等。本文通過(guò)采用相關(guān)圖算法，實(shí)現(xiàn)學(xué)者合作社區(qū)的發(fā)現(xiàn)、核心學(xué)者的識(shí)別以及學(xué)者合作趨勢(shì)的預(yù)測(cè)，從不同角度為數(shù)字人文領(lǐng)域?qū)W者尋找自己的合作對(duì)象和資源提供借鑒。
3.1 合作社區(qū)發(fā)現(xiàn)
近年來(lái)，數(shù)字人文技術(shù)快速發(fā)展，吸引了越來(lái)越多的學(xué)者對(duì)相關(guān)問(wèn)題進(jìn)行廣泛而深入的研究，因而構(gòu)成了復(fù)雜的學(xué)者網(wǎng)絡(luò)，社區(qū)結(jié)構(gòu)便是復(fù)雜網(wǎng)絡(luò)中的一個(gè)重要性質(zhì)，體現(xiàn)為社區(qū)中的節(jié)點(diǎn)緊密相連且不同社區(qū)的節(jié)點(diǎn)稀疏連接[23]。它可以對(duì)有相似特征或共同屬性的學(xué)者進(jìn)行聚類(lèi)，幫助學(xué)者發(fā)現(xiàn)并找到具有相似興趣的同行或可以相互交流的跨學(xué)科合作者。在Louvain、Label Propagation、infomap等社區(qū)檢測(cè)算法中，Louvain在效率和效果上都表現(xiàn)較好，并能夠發(fā)現(xiàn)層次性的社區(qū)結(jié)構(gòu)。郭理等[24]使用經(jīng)典數(shù)據(jù)集American College Football對(duì)Louvain算法與常用重疊社區(qū)發(fā)現(xiàn)算法CPM、LFM和COPRA進(jìn)行實(shí)驗(yàn)對(duì)比，結(jié)果表明Louvain算法明顯優(yōu)于其他的算法。G. Drakopoulos等[25]針對(duì)Twitter上的社交信息，在Neo4j中構(gòu)建了爭(zhēng)議性話題和普通性話題兩個(gè)社交網(wǎng)絡(luò)圖，分別使用Lonvain、Edge Betweeness、Walktrap以及CNM等4種社區(qū)發(fā)現(xiàn)算法進(jìn)行評(píng)估，實(shí)證發(fā)現(xiàn)Louvain算法產(chǎn)生的社區(qū)聚集性較高，社區(qū)成員的聯(lián)系最為緊密。因此，本文選用Louvain方法在已構(gòu)建學(xué)者合作網(wǎng)絡(luò)中檢測(cè)社區(qū)以實(shí)現(xiàn)對(duì)學(xué)者的模塊化聚類(lèi)，從而更好地分析學(xué)者聚集分區(qū)的特點(diǎn)以及它們加強(qiáng)或分散的趨勢(shì)。在GDS中應(yīng)用Louvain算法共發(fā)現(xiàn)100個(gè)學(xué)者合作社區(qū)，部分結(jié)果見(jiàn)圖6，按社區(qū)規(guī)模降序呈現(xiàn)。其中最大的社區(qū)包含26個(gè)學(xué)者，學(xué)者鄧君、王阮、鐘楚依、宋先智和孫紹丹之間合著頻率較高，他們就數(shù)字人文視角下的歷史項(xiàng)目進(jìn)行分析研究；賀晨芝和徐孝娟對(duì)圖書(shū)館數(shù)字人文眾包項(xiàng)目進(jìn)行實(shí)踐研究；李道新從電影藝術(shù)的角度分析了數(shù)字人文的應(yīng)用路徑等。由此可見(jiàn)，在模塊化的社區(qū)里有合著頻次較高的學(xué)者，也有跨學(xué)科相互引用的學(xué)者，同一社區(qū)的學(xué)者關(guān)聯(lián)緊密程度較高，他們有著相通的研究方向和研究熱點(diǎn)，表現(xiàn)出高度相似性。與此同時(shí)，圖7的學(xué)者合作關(guān)系圖譜也清晰地展現(xiàn)了不同社區(qū)學(xué)者的分布及其緊密程度，相同顏色的節(jié)點(diǎn)代表其處于同一個(gè)社區(qū)，研究主題相似的同時(shí)不同學(xué)者之間相互引證，進(jìn)一步加強(qiáng)了學(xué)者之間的關(guān)聯(lián)程度，為知識(shí)的交流與共享提供學(xué)習(xí)平臺(tái)。
圖7 學(xué)者合作社區(qū)部分關(guān)系圖譜
3.2 核心學(xué)者識(shí)別
核心學(xué)者是指在某個(gè)研究領(lǐng)域內(nèi)研究成果數(shù)量較多、學(xué)術(shù)影響力較大、為該領(lǐng)域發(fā)展做出貢獻(xiàn)的學(xué)者，他們是推動(dòng)該領(lǐng)域?qū)W術(shù)進(jìn)步的中堅(jiān)力量[26]。核心學(xué)者的分析為學(xué)者們開(kāi)展研究提供便利，幫助其全面地查詢到自己感興趣的核心學(xué)者群并快速查閱到該領(lǐng)域的核心科技文獻(xiàn)，從而快速了解該領(lǐng)域研究的現(xiàn)狀與不足，為自己深入研究奠定堅(jiān)實(shí)的基礎(chǔ)。中介中心性（Betweenness Centrality）算法是網(wǎng)絡(luò)中心性衡量的經(jīng)典指標(biāo)，本文利用GDS中的Betweenness Centrality算法來(lái)衡量學(xué)者網(wǎng)絡(luò)中不同節(jié)點(diǎn)的重要性，即檢測(cè)其中一個(gè)節(jié)點(diǎn)對(duì)圖中信息流的影響程度。該算法計(jì)算一個(gè)網(wǎng)絡(luò)中所有節(jié)點(diǎn)對(duì)之間的未加權(quán)最短路徑，每個(gè)節(jié)點(diǎn)根據(jù)通過(guò)該節(jié)點(diǎn)的最短路徑的數(shù)量得到一個(gè)分?jǐn)?shù)，更頻繁地位于其他節(jié)點(diǎn)之間最短路徑上的節(jié)點(diǎn)的得分更高。
在GDS中，Betweenness Centrality算法通過(guò)對(duì)410位學(xué)者的最短路徑進(jìn)行打分，按照分?jǐn)?shù)降序排列的同時(shí)給每位學(xué)者賦予一個(gè)編號(hào)，識(shí)別結(jié)果見(jiàn)表1。學(xué)者劉煒得分最高，趙宇翔次之。得分越高，說(shuō)明這些學(xué)者在數(shù)字人文研究領(lǐng)域的活躍度較高，同時(shí)也說(shuō)明他們?cè)诖祟I(lǐng)域建樹(shù)頗豐并有著較高的學(xué)術(shù)影響力。根據(jù)識(shí)別結(jié)果數(shù)據(jù)繪制散點(diǎn)圖，如圖8所示，在節(jié)點(diǎn)16后出現(xiàn)了明顯的斷崖式下降，由此初步認(rèn)為前16位學(xué)者可被識(shí)別為數(shù)字人文領(lǐng)域研究的核心學(xué)者，在這些核心學(xué)者中，劉煒和夏翠娟工作于上海圖書(shū)館，朱學(xué)芳和葉鷹工作于南京大學(xué)，趙宇翔工作于南京理工大學(xué)，王曉光工作于武漢大學(xué)等，從一定程度上可以反映出這些學(xué)者的工作單位是其科學(xué)研究的主要陣地，以他們?yōu)榇頁(yè)碛兄擃I(lǐng)域研究的核心團(tuán)隊(duì)，他們帶領(lǐng)自己的學(xué)生及合作者深入地開(kāi)展著數(shù)字人文的研究，成果頗多。其中，上海圖書(shū)館主持有關(guān)于數(shù)字人文的國(guó)家哲學(xué)社會(huì)科學(xué)基金項(xiàng)目，夏翠娟和劉煒學(xué)者是數(shù)字人文團(tuán)隊(duì)中的重要成員，其團(tuán)隊(duì)基于數(shù)字人文構(gòu)建了家譜知識(shí)服務(wù)平臺(tái)[27]、名人手稿檔案庫(kù)[28]、中文古籍聯(lián)合目錄及循證平臺(tái)[29]等，在國(guó)內(nèi)將數(shù)字人文的研究和應(yīng)用推向新的發(fā)展階段。為了進(jìn)一步清晰地反映核心學(xué)者，可利用Neo4j所呈現(xiàn)的圖譜中學(xué)者節(jié)點(diǎn)的大小來(lái)反映其在數(shù)字人文研究領(lǐng)域中所處的位置，如圖9所示，節(jié)點(diǎn)越大，其學(xué)術(shù)影響力越大。這對(duì)于相關(guān)研究者找尋領(lǐng)域內(nèi)核心學(xué)者具有重要參考意義，且更加方便快捷，清晰明了。
圖9 部分核心學(xué)者關(guān)系圖譜
表1 部分核心學(xué)者識(shí)別結(jié)果
圖8 核心學(xué)者識(shí)別的得分散點(diǎn)圖
3.3 合作趨勢(shì)預(yù)測(cè)
在大數(shù)據(jù)時(shí)代，學(xué)術(shù)研究的合作化趨勢(shì)日益明顯，作為科研活動(dòng)的重要組成部分，合作形式在提升科研效率、促進(jìn)科研產(chǎn)出時(shí)發(fā)揮著極其重要的作用。研究表明，在過(guò)去的20多年里，各個(gè)學(xué)科中的合作研究的數(shù)量都呈顯著增長(zhǎng)趨勢(shì)，具有相同研究領(lǐng)域、相似研究方向的學(xué)者更易于在未來(lái)進(jìn)行合作[30]。但是，由于時(shí)間、空間位置的阻礙，學(xué)者們很難在浩如煙海的學(xué)者群體里準(zhǔn)確找到與自身研究方向相近的學(xué)者，分析挖掘?qū)W者潛在的合作對(duì)象可以有效提高其科研效率。本文利用GDS中的鏈路預(yù)測(cè)算法對(duì)節(jié)點(diǎn)之間的接近度進(jìn)行計(jì)算，從而幫助學(xué)者找到潛在的合作機(jī)會(huì)。
鏈路預(yù)測(cè)算法是指通過(guò)已知節(jié)點(diǎn)的特征信息以及網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，預(yù)測(cè)尚未產(chǎn)生連接的節(jié)點(diǎn)對(duì)之間出現(xiàn)連邊的可能性。常見(jiàn)的鏈路預(yù)測(cè)算法包括基于鄰居節(jié)點(diǎn)的鏈路預(yù)測(cè)以及基于共有鄰居的鏈路預(yù)測(cè)，其中基于鄰居節(jié)點(diǎn)的算法包括所有鄰居（total neighbors）以及連接偏好（preferential attachment）等，基于共有鄰居的算法包括共有鄰居（common neighbors）、資源優(yōu)化（resource allocation）以及AA（adamic adar）算 法 等[31]。D. Liben-Nowell等[32]、T. Zhou等[33]通過(guò)實(shí)驗(yàn)對(duì)多種鏈路預(yù)測(cè)算法對(duì)比分析發(fā)現(xiàn)AA算法效果相對(duì)較優(yōu)。AA算法基于共有鄰居的相鄰節(jié)點(diǎn)集合，并對(duì)集合數(shù)量進(jìn)行非線性歸一化處理，計(jì)算兩個(gè)節(jié)點(diǎn)的緊密度，其預(yù)測(cè)網(wǎng)絡(luò)中學(xué)者合作鏈接的公式如下所示：
在該公式中，當(dāng)計(jì)算結(jié)果的值為0時(shí)，表示兩個(gè)節(jié)點(diǎn)不靠近；當(dāng)值越大時(shí)則表示節(jié)點(diǎn)越靠近。
在上述學(xué)者合作社區(qū)發(fā)現(xiàn)分析中，相較于不同社區(qū)來(lái)說(shuō)，同一社區(qū)學(xué)者的合作關(guān)系更為緊密，但是盡管在同一社區(qū)，他們的合作也存在疏密之分，本文選取第四大學(xué)者合作社區(qū)，以核心學(xué)者“劉煒”為研究對(duì)象，利用上述公式和Cypher查詢語(yǔ)言“MATCH (s1:author{Author:‘劉煒’}),MATCH (s2:author{Author:‘*’}),RETURN gds. alpha. linkprediction. adamicAdar (s1, s2) AS score”計(jì)算并呈現(xiàn)劉煒與其同一社區(qū)中其他學(xué)者的可能鏈接程度，預(yù)測(cè)值分?jǐn)?shù)見(jiàn)表2。其中劉煒和趙宇翔可能產(chǎn)生鏈接關(guān)系的得分最高，說(shuō)明他們發(fā)生合作的可能性最大，而劉煒和汪莉進(jìn)行合作的可能性則最小。與此同時(shí)，通過(guò)Cypher查詢語(yǔ)句將劉煒?biāo)诘纳鐓^(qū)的學(xué)者合作關(guān)系圖譜進(jìn)行呈現(xiàn)，見(jiàn)圖10。這個(gè)圖表明了同一社區(qū)的學(xué)者關(guān)聯(lián)緊密，但其中也存在少部分學(xué)者之間未建立直接的合作關(guān)系，如劉煒與岑炅蓮、曾輝、劉洪、汪莉這4位學(xué)者，相對(duì)應(yīng)他們的合作鏈接預(yù)測(cè)值也較低。通過(guò)分析表2和圖10不難發(fā)現(xiàn)，在已產(chǎn)生直接連接的學(xué)者中，宋士杰得分最低，此分?jǐn)?shù)可確定為產(chǎn)生新鏈接的最低閾值，即當(dāng)未發(fā)生直接連接的兩個(gè)學(xué)者得分大于這個(gè)閾值時(shí)，則能說(shuō)明其更能產(chǎn)生鏈接，其合作的可能性更大。由此可以看出劉煒與岑炅蓮、曾輝、劉洪更能進(jìn)行有效的科研交流，合作趨勢(shì)較為明顯。
圖10 學(xué)者劉煒?biāo)谏鐓^(qū)的學(xué)者合作關(guān)系圖譜
表2 同一社區(qū)學(xué)者之間合作預(yù)測(cè)值得分表
綜上所述，Neo4j的語(yǔ)句查詢和算法分析功能是學(xué)者合作趨勢(shì)預(yù)測(cè)的有效工具，為學(xué)者尋找自己的合作伙伴節(jié)省時(shí)間，提高合作效益。在學(xué)者交流活動(dòng)日趨頻繁的背景下，科研合作已然成為學(xué)者推動(dòng)學(xué)術(shù)研究發(fā)展的必要形式，學(xué)者間的合作越多樣多元，那么該領(lǐng)域的學(xué)術(shù)交流氛圍越活躍高效，不同的思維碰撞推動(dòng)數(shù)字人文領(lǐng)域的多元化、跨學(xué)科式發(fā)展。
4 結(jié)語(yǔ)
隨著數(shù)字時(shí)代的深入發(fā)展，“數(shù)字人文”對(duì)實(shí)施文獻(xiàn)搶救性保護(hù)、提供公共文化服務(wù)、弘揚(yáng)中華民族優(yōu)秀傳統(tǒng)文化等方面都具有重要的現(xiàn)實(shí)意義。在我國(guó)，數(shù)字人文作為專業(yè)學(xué)術(shù)研究已開(kāi)始加速發(fā)展，而且由這種跨學(xué)科的研究范式孕育而生的研究成果也將通過(guò)更多的合作形式來(lái)呈現(xiàn)。對(duì)于科研工作者來(lái)說(shuō)，合作能夠促使學(xué)者產(chǎn)生新的想法、新的研究思路，能夠提高合作者的產(chǎn)出量和影響力；對(duì)于學(xué)科發(fā)展來(lái)說(shuō)，合作能夠促使新的知識(shí)體系的形成，開(kāi)闊學(xué)者的知識(shí)視野和更新學(xué)者的知識(shí)結(jié)構(gòu)，在幫助學(xué)者們快速高效地尋找與自己研究興趣和方向高度關(guān)聯(lián)的跨學(xué)科學(xué)者、加強(qiáng)交流合作的同時(shí)推動(dòng)數(shù)字人文的多學(xué)科深度融合發(fā)展。本文利用處理復(fù)雜關(guān)聯(lián)數(shù)據(jù)的利器——圖數(shù)據(jù)庫(kù)Neo4j對(duì)我國(guó)數(shù)字人文的研究主體（即學(xué)者）及其間關(guān)系進(jìn)行存儲(chǔ)分析，利用GDS算法庫(kù)實(shí)現(xiàn)了學(xué)者合作社區(qū)的發(fā)現(xiàn)、核心學(xué)者的識(shí)別以及合作趨勢(shì)的預(yù)測(cè)。雖然社會(huì)網(wǎng)絡(luò)分析方法從中心性、凝聚子群、核心—邊緣等不同角度在各種關(guān)聯(lián)網(wǎng)絡(luò)結(jié)構(gòu)的分析中非常普遍，但是本文利用圖數(shù)據(jù)庫(kù)Neo4j實(shí)現(xiàn)了傳統(tǒng)的社會(huì)網(wǎng)絡(luò)分析方法能夠達(dá)成的功能外，還實(shí)現(xiàn)了數(shù)據(jù)存儲(chǔ)、實(shí)時(shí)更新、即查即得、預(yù)測(cè)推理等功能，這是對(duì)社會(huì)網(wǎng)絡(luò)分析方法的有力補(bǔ)充，為社會(huì)網(wǎng)絡(luò)分析提供了新的思路與方法。
此外，本文的不足之處在于：①在獲取相關(guān)文獻(xiàn)時(shí)忽略了一些篇名沒(méi)有以“數(shù)字人文”或“人文計(jì)算”命名但研究?jī)?nèi)容為“數(shù)字人文”的研究成果，使得學(xué)者節(jié)點(diǎn)和關(guān)系數(shù)據(jù)量偏小，在完整性上稍有欠缺；②數(shù)據(jù)量越大，復(fù)雜度越高，圖數(shù)據(jù)庫(kù)Neo4j處理數(shù)據(jù)的優(yōu)勢(shì)就越明顯，但本文在研究圖數(shù)據(jù)庫(kù)Neo4j的功能應(yīng)用上較為簡(jiǎn)單，沒(méi)有很好地發(fā)揮出其數(shù)據(jù)分析的優(yōu)勢(shì)。因此，在未來(lái)的研究中，筆者將繼續(xù)深入學(xué)習(xí)Neo4j極其強(qiáng)大的數(shù)據(jù)分析功能，不斷擴(kuò)大更新學(xué)者的數(shù)據(jù)量，從而充分展現(xiàn)學(xué)者之間復(fù)雜的合作關(guān)系，為學(xué)者們進(jìn)行潛在科研合作提供借鑒。
猜你喜歡
人文北京紀(jì)事(2024年1期)2024-01-03 03:16:55 學(xué)者介紹管子學(xué)刊(2022年2期)2022-05-10 04:13:10 學(xué)者簡(jiǎn)介中北大學(xué)學(xué)報(bào)(自然科學(xué)版)(2022年2期)2022-05-05 09:04:08 學(xué)者介紹管子學(xué)刊(2022年1期)2022-02-17 13:29:10 人文紹興中國(guó)三峽(2017年3期)2017-06-09 08:14:59 數(shù)據(jù)庫(kù)財(cái)經(jīng)(2017年2期)2017-03-10 14:35:35 學(xué)者介紹影視與戲劇評(píng)論(2016年0期)2016-11-23 05:26:00 人文社科全國(guó)新書(shū)目(2016年5期)2016-06-08 08:54:10 數(shù)據(jù)庫(kù)財(cái)經(jīng)(2016年15期)2016-06-03 07:38:02 數(shù)據(jù)庫(kù)財(cái)經(jīng)(2016年3期)2016-03-07 07:44:46
熊回香 黃曉捷 陳子薇 李昕然
華中師范大學(xué)信息管理學(xué)院 武漢 430079
數(shù)字人文作為計(jì)算機(jī)學(xué)科和人文學(xué)科交叉研究的一個(gè)跨學(xué)科領(lǐng)域，涉及的學(xué)科范圍較廣，包括語(yǔ)言學(xué)、文學(xué)、圖書(shū)情報(bào)學(xué)和計(jì)算機(jī)科學(xué)等，由人文計(jì)算領(lǐng)域發(fā)展而來(lái)[1]。在如今深度數(shù)字化時(shí)代，數(shù)字人文的研究熱度越來(lái)越高，雖然我國(guó)學(xué)術(shù)界對(duì)其研究起步稍晚，但發(fā)展勢(shì)頭迅猛，獲得了較好的發(fā)展前景[2]。目前，我國(guó)數(shù)字人文的研究主要集中在對(duì)國(guó)外數(shù)字人文項(xiàng)目的調(diào)查與分析、利用數(shù)字化技術(shù)對(duì)人文藝術(shù)等資源進(jìn)行可視化呈現(xiàn)及數(shù)字人文在圖情檔領(lǐng)域的應(yīng)用這三方面。此外，我國(guó)在數(shù)字人文的教育方面也取得了突破，上海圖書(shū)館、中國(guó)人民大學(xué)數(shù)字人文研究中心、武漢大學(xué)數(shù)字人文研究中心、北京大學(xué)信息管理系KVision實(shí)驗(yàn)室等科研機(jī)構(gòu)深入推進(jìn)數(shù)字人文和圖情檔的融合發(fā)展[3]。在這樣廣闊的發(fā)展平臺(tái)下，涌現(xiàn)出越來(lái)越多數(shù)字人文領(lǐng)域的學(xué)者，催生出龐大復(fù)雜的學(xué)術(shù)研究網(wǎng)絡(luò)，主題多樣，合作頻繁。但是，如何在浩瀚無(wú)邊的學(xué)術(shù)資源、學(xué)者、機(jī)構(gòu)等信息中精準(zhǔn)地找到自身需要的相關(guān)研究方向的合作對(duì)象是近些年科研合作預(yù)測(cè)研究的重點(diǎn)。因此，對(duì)學(xué)者合作關(guān)系網(wǎng)絡(luò)進(jìn)行分析，有利于發(fā)掘?qū)W者合作的規(guī)律和趨勢(shì)，了解核心科研團(tuán)隊(duì)及研究主題，對(duì)把握此領(lǐng)域的發(fā)展?fàn)顩r具有重要意義，進(jìn)而推動(dòng)數(shù)字人文研究的發(fā)展和創(chuàng)新。
學(xué)者合作網(wǎng)絡(luò)是相關(guān)領(lǐng)域?qū)W者在科研創(chuàng)作中因合著或被引關(guān)系而形成的復(fù)雜關(guān)聯(lián)網(wǎng)絡(luò)。學(xué)者合作網(wǎng)絡(luò)可以加強(qiáng)學(xué)者之間的交流，對(duì)于知識(shí)共享、思維方式、科研創(chuàng)新等方面的進(jìn)步有著不容小覷的作用。因此，目前越來(lái)越多的學(xué)者開(kāi)始關(guān)注合作關(guān)系的研究，其中大多采用社會(huì)網(wǎng)絡(luò)分析方法，劉培[4]、劉志輝[5]、邱均平[6]等學(xué)者基于社會(huì)網(wǎng)絡(luò)分析法和關(guān)鍵詞耦合分析法挖掘分析作者潛在的合作關(guān)系并構(gòu)建合作網(wǎng)絡(luò)。具體到數(shù)字人文領(lǐng)域，徐晨飛等運(yùn)用文獻(xiàn)信息統(tǒng)計(jì)分析工具以及社會(huì)網(wǎng)絡(luò)分析方法對(duì)作者合著網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)特征、中心性、核心—邊緣結(jié)構(gòu)以及小型合著網(wǎng)絡(luò)展開(kāi)分析，總結(jié)該領(lǐng)域的科研合作特征[7]；宮雪等通過(guò)高頻關(guān)鍵詞雙聚類(lèi)分析以及對(duì)合著網(wǎng)絡(luò)和合著機(jī)構(gòu)進(jìn)行社會(huì)網(wǎng)絡(luò)分析，從多角度探討了當(dāng)前國(guó)內(nèi)數(shù)字人文研究的整體狀況及研究熱點(diǎn)[8]。
近年來(lái)，開(kāi)源或商用的圖數(shù)據(jù)庫(kù)不斷涌現(xiàn)，主流的圖數(shù)據(jù)庫(kù)包括國(guó)內(nèi)的GDB[9]、Huge Graph[10]以及國(guó)外的Neo4j[11]、Tiger Graph[12]等。這些圖數(shù)據(jù)庫(kù)集成了大量的社會(huì)網(wǎng)絡(luò)分析方法與應(yīng)用，主要包括中心性、路徑查找、鏈接預(yù)測(cè)、社區(qū)檢測(cè)和圖可視化等，有助于發(fā)現(xiàn)知識(shí)圖譜中的潛在知識(shí)，也能更好地發(fā)現(xiàn)社會(huì)網(wǎng)絡(luò)中的合作關(guān)系[13]。學(xué)術(shù)界內(nèi)部分學(xué)者開(kāi)始嘗試使用圖數(shù)據(jù)庫(kù)開(kāi)展社會(huì)網(wǎng)絡(luò)分析研究。郭坤銘[14]利用Neo4j對(duì)異構(gòu)網(wǎng)絡(luò)中社會(huì)關(guān)系的分析優(yōu)勢(shì)，存儲(chǔ)了百度百科上爬取的人物基本信息和關(guān)系，運(yùn)用Common Neighbors算法進(jìn)行網(wǎng)絡(luò)結(jié)構(gòu)相似度計(jì)算，并利用節(jié)點(diǎn)屬性相似度預(yù)測(cè)所構(gòu)建的異構(gòu)網(wǎng)絡(luò)中的人物社會(huì)關(guān)系。M. Kolomeets等[15]利用圖數(shù)據(jù)庫(kù)OrientDB構(gòu)建了VKontakte社交網(wǎng)絡(luò)，使用 PageRank評(píng)估了社交群體中最具影響力的意見(jiàn)領(lǐng)袖。丁洪麗[16]基于人員信息和話單等數(shù)據(jù)，采用Neo4j構(gòu)建了多維關(guān)系網(wǎng)絡(luò)并進(jìn)行可視化，利用Neo4j中的查詢分析功能挖掘人員關(guān)系，使得實(shí)驗(yàn)效率大幅提升。相較于傳統(tǒng)的社會(huì)網(wǎng)絡(luò)分析工具，圖數(shù)據(jù)庫(kù)能夠展示大規(guī)模實(shí)體之間不斷更新的龐大復(fù)雜關(guān)系，同時(shí)也能夠使得網(wǎng)絡(luò)節(jié)點(diǎn)和關(guān)系值間的查詢更加簡(jiǎn)單快捷，在映射真實(shí)實(shí)體和關(guān)系方面具有天然優(yōu)勢(shì)[17]。
針對(duì)數(shù)字人文領(lǐng)域中日益錯(cuò)綜復(fù)雜的學(xué)術(shù)社交網(wǎng)絡(luò)，如何對(duì)領(lǐng)域內(nèi)的學(xué)者合作關(guān)系進(jìn)行分析和挖掘逐漸成為該領(lǐng)域的一個(gè)研究重點(diǎn)。雖然傳統(tǒng)的社會(huì)網(wǎng)絡(luò)工具能夠在一定程度上對(duì)學(xué)者合作網(wǎng)絡(luò)進(jìn)行分析，但對(duì)異構(gòu)數(shù)據(jù)的處理仍有不足，且不具備圖數(shù)據(jù)庫(kù)的實(shí)時(shí)查詢、預(yù)測(cè)推理、因果關(guān)系分析等功能[13]。以Neo4j為主流的圖數(shù)據(jù)庫(kù)工具對(duì)多種關(guān)系數(shù)據(jù)的處理較為靈活，有望彌補(bǔ)這些不足。本文將在上述研究的基礎(chǔ)上，運(yùn)用Neo4j實(shí)現(xiàn)數(shù)字人文領(lǐng)域?qū)W者合作關(guān)系的構(gòu)建與存儲(chǔ)，并利用其強(qiáng)大的查詢分析功能，快速便捷地查找相關(guān)學(xué)者并進(jìn)行其合作關(guān)系的圖譜分析，以期為相關(guān)領(lǐng)域的數(shù)字人文研究提供參考。
1 圖數(shù)據(jù)庫(kù)Neo4j及其應(yīng)用優(yōu)勢(shì)
1.1 圖數(shù)據(jù)庫(kù)Neo4j
隨著互聯(lián)網(wǎng)的不斷發(fā)展，面對(duì)當(dāng)下高并發(fā)的海量大數(shù)據(jù)和實(shí)時(shí)應(yīng)用情景，圖數(shù)據(jù)庫(kù)以其易學(xué)、方便操作、高效處理復(fù)雜關(guān)系等獨(dú)特的優(yōu)勢(shì)備受企業(yè)和學(xué)者的關(guān)注，它以圖形數(shù)據(jù)結(jié)構(gòu)存儲(chǔ)實(shí)體及其相互關(guān)系，由節(jié)點(diǎn)、屬性和邊構(gòu)成，其中節(jié)點(diǎn)表示數(shù)據(jù)實(shí)體，屬性是節(jié)點(diǎn)的附屬信息，邊表示節(jié)點(diǎn)之間的關(guān)系，適合對(duì)關(guān)聯(lián)關(guān)系復(fù)雜、動(dòng)態(tài)關(guān)系多變的龐大數(shù)據(jù)進(jìn)行存儲(chǔ)和管理[18]。與傳統(tǒng)的關(guān)系型數(shù)據(jù)庫(kù)相比，圖數(shù)據(jù)庫(kù)處理的是非結(jié)構(gòu)化和不可預(yù)知的數(shù)據(jù)，更符合現(xiàn)在數(shù)據(jù)爆炸式增長(zhǎng)與用戶個(gè)性化需求的特點(diǎn)，并且有效支持實(shí)體間的關(guān)聯(lián)關(guān)系，當(dāng)加入新標(biāo)簽及新關(guān)系時(shí)，不需要調(diào)整先前的結(jié)構(gòu)，擁有多層關(guān)聯(lián)、最短路徑、集中度測(cè)量等多種擴(kuò)展功能，在社交網(wǎng)絡(luò)、推薦系統(tǒng)、關(guān)系圖譜等場(chǎng)景應(yīng)用廣泛，是大數(shù)據(jù)時(shí)代的新利器。
常見(jiàn)的圖數(shù)據(jù)庫(kù)有Neo4j、Flock DB、Graph DB、AllegroGrap等類(lèi)型，其中，開(kāi)源的Neo4j以其高性能、高穩(wěn)定性、可擴(kuò)展性強(qiáng)等優(yōu)勢(shì)成為當(dāng)前應(yīng)用最為廣泛的原生圖數(shù)據(jù)庫(kù)之一[19]。它采用原生圖存儲(chǔ)和處理數(shù)據(jù)，反映了關(guān)系網(wǎng)絡(luò)中實(shí)體聯(lián)系的本質(zhì)，在查詢中能以快捷的路徑返回關(guān)聯(lián)數(shù)據(jù)，表現(xiàn)出非常高效的查詢性能；支持非結(jié)構(gòu)化數(shù)據(jù)的存儲(chǔ)與大規(guī)模數(shù)據(jù)的增長(zhǎng)，能很好地適應(yīng)需求的變化，具有很大的靈活性。此外，它還可以對(duì)實(shí)體間復(fù)雜的關(guān)系進(jìn)行分析與推理，支持邏輯語(yǔ)言分析與面向約束的推理。Neo4j擁有自己的查詢語(yǔ)言——Cypher語(yǔ)言，它是一種面向圖分析、聲明式、表達(dá)能力強(qiáng)的描述性圖形查詢語(yǔ)言[20]，對(duì)用戶十分友好，操作簡(jiǎn)便，主要使用的關(guān)鍵字有create（主要用于創(chuàng)建圖形節(jié)點(diǎn)、關(guān)系及屬性）、match（在已有圖形數(shù)據(jù)庫(kù)中匹配目標(biāo)信息）、where（是match功能的條件）、return（完成匹配后，返回指定值），基于這些查詢語(yǔ)句實(shí)現(xiàn)對(duì)圖形數(shù)據(jù)的分析與推理。
1.2 Neo4j分析學(xué)者合作網(wǎng)絡(luò)的優(yōu)勢(shì)
隨著網(wǎng)絡(luò)技術(shù)的快速發(fā)展以及跨學(xué)科研究的日益突出，學(xué)者之間的合作關(guān)系也呈現(xiàn)復(fù)雜多樣的特點(diǎn)，產(chǎn)生了越來(lái)越多的非結(jié)構(gòu)化關(guān)聯(lián)網(wǎng)絡(luò)數(shù)據(jù)，Neo4j圖數(shù)據(jù)庫(kù)正是一個(gè)能夠適應(yīng)異構(gòu)數(shù)據(jù)大規(guī)模增長(zhǎng)和需求不斷變化的數(shù)據(jù)庫(kù)，它沒(méi)有模式結(jié)構(gòu)的定義，使用非結(jié)構(gòu)化的方式來(lái)存儲(chǔ)關(guān)聯(lián)數(shù)據(jù)，不但適應(yīng)能力強(qiáng)，而且自始至終都可以保持高效的查詢性能，因此在處理學(xué)者之間復(fù)雜關(guān)系時(shí)顯現(xiàn)出了獨(dú)特的優(yōu)勢(shì)。
1.2.1 反映學(xué)者之間復(fù)雜的合作關(guān)系
合作關(guān)系是指學(xué)者們?cè)趯W(xué)術(shù)研究過(guò)程中所進(jìn)行的合作行為。常見(jiàn)的學(xué)者合作關(guān)系包括合著關(guān)系和引用關(guān)系。在學(xué)術(shù)網(wǎng)絡(luò)中，如果兩個(gè)學(xué)者的合著行為越頻繁，那么他們更有可能興趣相似且彼此信任，除此之外，學(xué)者的合著者也會(huì)與其他學(xué)者產(chǎn)生合著行為，基于這種學(xué)者間的合作關(guān)系便構(gòu)建了學(xué)者合著網(wǎng)絡(luò)，這種關(guān)系可以采用圖結(jié)構(gòu)存儲(chǔ)，在此基礎(chǔ)上，可以采取社會(huì)網(wǎng)絡(luò)分析法和圖挖掘算法對(duì)學(xué)者間的關(guān)系進(jìn)行分析與聚類(lèi)，從而發(fā)現(xiàn)最為匹配的合作者及合作團(tuán)隊(duì)。另外，學(xué)者間的另一種合作關(guān)系為引用關(guān)系，其被分為引用與被引，基于這兩種引用行為，學(xué)者間構(gòu)成了引文網(wǎng)絡(luò)，是施引文獻(xiàn)與被引成果的紐帶，反映了引用者的借鑒、肯定以及相關(guān)問(wèn)題的深層次研究。通常根據(jù)這樣的引用關(guān)系實(shí)現(xiàn)資源聚合與學(xué)者聚合，以學(xué)者為節(jié)點(diǎn)，以文獻(xiàn)之間的引用關(guān)系作為節(jié)點(diǎn)之間的聯(lián)系邊，以此構(gòu)建相關(guān)引用文獻(xiàn)之間的引用網(wǎng)絡(luò)，從而更好地從引文關(guān)系網(wǎng)絡(luò)中挖掘出核心學(xué)者或核心團(tuán)隊(duì)。不管是哪種合作關(guān)系，隨著相關(guān)問(wèn)題研究的多元化，學(xué)者間的合作關(guān)系也越來(lái)越復(fù)雜，而Neo4j恰好可以存儲(chǔ)并反映這種量大、復(fù)雜而又變化的關(guān)聯(lián)數(shù)據(jù)，支持大規(guī)模數(shù)據(jù)的增長(zhǎng)與更新，且可清晰呈現(xiàn)各節(jié)點(diǎn)之間的關(guān)聯(lián)關(guān)系。
1.2.2 實(shí)時(shí)查詢目標(biāo)學(xué)者的合作關(guān)系
除了存儲(chǔ)功能，圖數(shù)據(jù)庫(kù)Neo4j的檢索功能也非常強(qiáng)大，這依賴于Cypher查詢語(yǔ)言，它是一種聲明式圖數(shù)據(jù)庫(kù)查詢語(yǔ)言，用法簡(jiǎn)潔且表現(xiàn)力豐富，查詢效率高，擁有良好的擴(kuò)展性，用戶可以定制自己的查詢方式。在檢索功能中，Cypher語(yǔ)言由start、match、where、return 4個(gè)部分組成：①start表示在圖中指定一個(gè)或多個(gè)起始節(jié)點(diǎn)，通過(guò)索引查找獲得，也可以通過(guò)節(jié)點(diǎn)的編號(hào)直接獲得；②match用于圖形的匹配模式，也是進(jìn)行實(shí)例具體化的重要部分；③where提供過(guò)濾模式匹配結(jié)果的條件；④return用來(lái)指明在已經(jīng)匹配查詢的數(shù)據(jù)中，哪些節(jié)點(diǎn)、關(guān)系和屬性是需要返回給客戶端的。通過(guò)這樣遍歷查找的過(guò)程，容易定位聚焦到想要了解的學(xué)者節(jié)點(diǎn)，再利用條件的匹配，得到目標(biāo)學(xué)者的合作關(guān)系，從而進(jìn)行針對(duì)性分析。此外，Neo4j還支持實(shí)時(shí)更新圖數(shù)據(jù)庫(kù)，且不影響已有的數(shù)據(jù)結(jié)構(gòu)，這樣可以不斷地?cái)U(kuò)充現(xiàn)有關(guān)系圖譜，展示越來(lái)越完備復(fù)雜的合作關(guān)系網(wǎng)絡(luò)。
1.2.3 預(yù)測(cè)學(xué)者之間潛在的合作趨勢(shì)
目前人物關(guān)系推理的方法主要有兩種：基于本體的方法和基于圖數(shù)據(jù)庫(kù)的方法[21]。基于本體的人物關(guān)系推理時(shí)間復(fù)雜度較高，推理速度隨人物關(guān)系數(shù)據(jù)量的增多而迅速降低，難以滿足大數(shù)據(jù)時(shí)代下的人物關(guān)系推理需求，而基于圖數(shù)據(jù)庫(kù)的人物關(guān)系推理是人物關(guān)系數(shù)據(jù)分析的新趨勢(shì)。圖數(shù)據(jù)庫(kù)的數(shù)據(jù)存儲(chǔ)結(jié)構(gòu)和數(shù)據(jù)查詢方式都以圖論為基礎(chǔ)，適用于含有大量聯(lián)系的人物關(guān)系數(shù)據(jù)的增刪查改（CRUD）?；趫D數(shù)據(jù)庫(kù)的人物關(guān)系推理方法，首先將人物關(guān)系數(shù)據(jù)轉(zhuǎn)換為圖數(shù)據(jù)庫(kù)的存儲(chǔ)方式，然后采用圖數(shù)據(jù)庫(kù)查詢語(yǔ)言進(jìn)行人物關(guān)系分析[22]。作為支持效率高、擴(kuò)展性強(qiáng)的聲明式圖查詢語(yǔ)言及具有豐富開(kāi)發(fā)模式的圖數(shù)據(jù)庫(kù)系統(tǒng)，Neo4j存儲(chǔ)學(xué)者關(guān)系知識(shí)圖譜具有不可比擬的優(yōu)勢(shì)，復(fù)雜的關(guān)系鏈接也使其具備了推理能力，從而預(yù)測(cè)學(xué)者潛在的合作趨勢(shì)，為不同領(lǐng)域、不同學(xué)科的科研合作提供可能的研究方向。
2 基于圖數(shù)據(jù)庫(kù)Neo4j的學(xué)者合作關(guān)系圖譜構(gòu)建
2.1 數(shù)據(jù)的選擇與獲取
本文選取中國(guó)知網(wǎng)學(xué)術(shù)資源總庫(kù)中的CSSCI期刊作為數(shù)據(jù)來(lái)源進(jìn)行數(shù)據(jù)獲取，以“數(shù)字人文”或“人文計(jì)算”為主題進(jìn)行檢索，截至2021年4月3日，共檢索到615篇文獻(xiàn)。通過(guò)NoteExpress文獻(xiàn)管理器對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，刪除重復(fù)文獻(xiàn)、會(huì)議征文、與數(shù)字人文主題不太相關(guān)的文獻(xiàn)，最終獲得有效文獻(xiàn)334篇。對(duì)于多位作者署名的文獻(xiàn)，本文統(tǒng)一選取前三位作者作為研究對(duì)象，經(jīng)過(guò)重復(fù)項(xiàng)去除后，獲得410個(gè)學(xué)者節(jié)點(diǎn)，244個(gè)機(jī)構(gòu)節(jié)點(diǎn)和636個(gè)關(guān)鍵詞節(jié)點(diǎn)，數(shù)據(jù)處理結(jié)果示例見(jiàn)圖1；然后利用Python獲取學(xué)者與學(xué)者之間的合著、被引關(guān)系，學(xué)者與機(jī)構(gòu)之間的工作關(guān)系和學(xué)者與關(guān)鍵詞之間的研究主題關(guān)系數(shù)據(jù)，本文主要基于上述3種節(jié)點(diǎn)和4種關(guān)系對(duì)學(xué)者合作關(guān)系進(jìn)行圖譜構(gòu)建，數(shù)據(jù)模型見(jiàn)圖2。
圖1 數(shù)據(jù)處理結(jié)果示例
圖2 學(xué)者合作關(guān)系圖譜數(shù)據(jù)模型
2.2 數(shù)據(jù)文件的導(dǎo)入
圖數(shù)據(jù)要具體存儲(chǔ)到圖數(shù)據(jù)庫(kù)中，就涉及到了特定的圖數(shù)據(jù)模型，即關(guān)于采用什么實(shí)現(xiàn)方式來(lái)存圖數(shù)據(jù)的問(wèn)題。常見(jiàn)的圖數(shù)據(jù)模型有屬性圖、超圖和三元組。由于屬性圖模型直觀且易于理解，能夠描述絕大部分圖的使用場(chǎng)景，Neo4j采用的便是當(dāng)下最流行的屬性圖模型。首先，將節(jié)點(diǎn)和關(guān)系數(shù)據(jù)的Excel文件都另存為“.csv”文件；然后利用Cypher語(yǔ)言的create語(yǔ)句，將節(jié)點(diǎn)文件和關(guān)系文件按照代碼示例，見(jiàn)圖3，輸入到代碼編輯區(qū)；最后運(yùn)行結(jié)果見(jiàn)圖4，清晰地展示了節(jié)點(diǎn)的個(gè)數(shù)、關(guān)系的對(duì)數(shù)以及學(xué)者合作關(guān)系圖譜。具體于某一節(jié)點(diǎn)，以中國(guó)社會(huì)科學(xué)院文學(xué)研究所為例，通過(guò)此節(jié)點(diǎn)可查詢到在這個(gè)機(jī)構(gòu)工作的兩位學(xué)者，進(jìn)而其合作的學(xué)者、研究主題等相關(guān)關(guān)系得到清晰的呈現(xiàn)，見(jiàn)圖5。
圖3 導(dǎo)入數(shù)據(jù)代碼示例
圖4 學(xué)者合作關(guān)系圖譜構(gòu)建樣例
圖5 具體實(shí)例展示
3 基于圖數(shù)據(jù)庫(kù)Neo4j的學(xué)者合作圖譜分析
面對(duì)龐大復(fù)雜的非結(jié)構(gòu)化關(guān)系數(shù)據(jù)，圖數(shù)據(jù)庫(kù)Neo4j為技術(shù)的應(yīng)用提供了有效的解決途徑，但是通過(guò)梳理國(guó)內(nèi)相關(guān)文獻(xiàn)可知，目前利用Neo4j的內(nèi)嵌圖算法和Cypher查詢語(yǔ)言進(jìn)行數(shù)據(jù)分析與處理的研究相對(duì)較少，本文將充分利用Neo4j強(qiáng)大的圖算法功能這一優(yōu)勢(shì)，對(duì)數(shù)字人文研究領(lǐng)域的學(xué)者合作網(wǎng)絡(luò)進(jìn)行分析。Neo4j的算法庫(kù) Graph Data Science（GDS）可以實(shí)現(xiàn)各種復(fù)雜的社會(huì)網(wǎng)絡(luò)分析，包括centrality algorithms（中心性算法）、community detection algorithms（社區(qū)檢測(cè)算法）、path finding algorithms（路徑查找算法）、link prediction algorithms（鏈路預(yù)測(cè)算法）等。本文通過(guò)采用相關(guān)圖算法，實(shí)現(xiàn)學(xué)者合作社區(qū)的發(fā)現(xiàn)、核心學(xué)者的識(shí)別以及學(xué)者合作趨勢(shì)的預(yù)測(cè)，從不同角度為數(shù)字人文領(lǐng)域?qū)W者尋找自己的合作對(duì)象和資源提供借鑒。
3.1 合作社區(qū)發(fā)現(xiàn)
近年來(lái)，數(shù)字人文技術(shù)快速發(fā)展，吸引了越來(lái)越多的學(xué)者對(duì)相關(guān)問(wèn)題進(jìn)行廣泛而深入的研究，因而構(gòu)成了復(fù)雜的學(xué)者網(wǎng)絡(luò)，社區(qū)結(jié)構(gòu)便是復(fù)雜網(wǎng)絡(luò)中的一個(gè)重要性質(zhì)，體現(xiàn)為社區(qū)中的節(jié)點(diǎn)緊密相連且不同社區(qū)的節(jié)點(diǎn)稀疏連接[23]。它可以對(duì)有相似特征或共同屬性的學(xué)者進(jìn)行聚類(lèi)，幫助學(xué)者發(fā)現(xiàn)并找到具有相似興趣的同行或可以相互交流的跨學(xué)科合作者。在Louvain、Label Propagation、infomap等社區(qū)檢測(cè)算法中，Louvain在效率和效果上都表現(xiàn)較好，并能夠發(fā)現(xiàn)層次性的社區(qū)結(jié)構(gòu)。郭理等[24]使用經(jīng)典數(shù)據(jù)集American College Football對(duì)Louvain算法與常用重疊社區(qū)發(fā)現(xiàn)算法CPM、LFM和COPRA進(jìn)行實(shí)驗(yàn)對(duì)比，結(jié)果表明Louvain算法明顯優(yōu)于其他的算法。G. Drakopoulos等[25]針對(duì)Twitter上的社交信息，在Neo4j中構(gòu)建了爭(zhēng)議性話題和普通性話題兩個(gè)社交網(wǎng)絡(luò)圖，分別使用Lonvain、Edge Betweeness、Walktrap以及CNM等4種社區(qū)發(fā)現(xiàn)算法進(jìn)行評(píng)估，實(shí)證發(fā)現(xiàn)Louvain算法產(chǎn)生的社區(qū)聚集性較高，社區(qū)成員的聯(lián)系最為緊密。因此，本文選用Louvain方法在已構(gòu)建學(xué)者合作網(wǎng)絡(luò)中檢測(cè)社區(qū)以實(shí)現(xiàn)對(duì)學(xué)者的模塊化聚類(lèi)，從而更好地分析學(xué)者聚集分區(qū)的特點(diǎn)以及它們加強(qiáng)或分散的趨勢(shì)。在GDS中應(yīng)用Louvain算法共發(fā)現(xiàn)100個(gè)學(xué)者合作社區(qū)，部分結(jié)果見(jiàn)圖6，按社區(qū)規(guī)模降序呈現(xiàn)。其中最大的社區(qū)包含26個(gè)學(xué)者，學(xué)者鄧君、王阮、鐘楚依、宋先智和孫紹丹之間合著頻率較高，他們就數(shù)字人文視角下的歷史項(xiàng)目進(jìn)行分析研究；賀晨芝和徐孝娟對(duì)圖書(shū)館數(shù)字人文眾包項(xiàng)目進(jìn)行實(shí)踐研究；李道新從電影藝術(shù)的角度分析了數(shù)字人文的應(yīng)用路徑等。由此可見(jiàn)，在模塊化的社區(qū)里有合著頻次較高的學(xué)者，也有跨學(xué)科相互引用的學(xué)者，同一社區(qū)的學(xué)者關(guān)聯(lián)緊密程度較高，他們有著相通的研究方向和研究熱點(diǎn)，表現(xiàn)出高度相似性。與此同時(shí)，圖7的學(xué)者合作關(guān)系圖譜也清晰地展現(xiàn)了不同社區(qū)學(xué)者的分布及其緊密程度，相同顏色的節(jié)點(diǎn)代表其處于同一個(gè)社區(qū)，研究主題相似的同時(shí)不同學(xué)者之間相互引證，進(jìn)一步加強(qiáng)了學(xué)者之間的關(guān)聯(lián)程度，為知識(shí)的交流與共享提供學(xué)習(xí)平臺(tái)。
圖7 學(xué)者合作社區(qū)部分關(guān)系圖譜
3.2 核心學(xué)者識(shí)別
核心學(xué)者是指在某個(gè)研究領(lǐng)域內(nèi)研究成果數(shù)量較多、學(xué)術(shù)影響力較大、為該領(lǐng)域發(fā)展做出貢獻(xiàn)的學(xué)者，他們是推動(dòng)該領(lǐng)域?qū)W術(shù)進(jìn)步的中堅(jiān)力量[26]。核心學(xué)者的分析為學(xué)者們開(kāi)展研究提供便利，幫助其全面地查詢到自己感興趣的核心學(xué)者群并快速查閱到該領(lǐng)域的核心科技文獻(xiàn)，從而快速了解該領(lǐng)域研究的現(xiàn)狀與不足，為自己深入研究奠定堅(jiān)實(shí)的基礎(chǔ)。中介中心性（Betweenness Centrality）算法是網(wǎng)絡(luò)中心性衡量的經(jīng)典指標(biāo)，本文利用GDS中的Betweenness Centrality算法來(lái)衡量學(xué)者網(wǎng)絡(luò)中不同節(jié)點(diǎn)的重要性，即檢測(cè)其中一個(gè)節(jié)點(diǎn)對(duì)圖中信息流的影響程度。該算法計(jì)算一個(gè)網(wǎng)絡(luò)中所有節(jié)點(diǎn)對(duì)之間的未加權(quán)最短路徑，每個(gè)節(jié)點(diǎn)根據(jù)通過(guò)該節(jié)點(diǎn)的最短路徑的數(shù)量得到一個(gè)分?jǐn)?shù)，更頻繁地位于其他節(jié)點(diǎn)之間最短路徑上的節(jié)點(diǎn)的得分更高。
在GDS中，Betweenness Centrality算法通過(guò)對(duì)410位學(xué)者的最短路徑進(jìn)行打分，按照分?jǐn)?shù)降序排列的同時(shí)給每位學(xué)者賦予一個(gè)編號(hào)，識(shí)別結(jié)果見(jiàn)表1。學(xué)者劉煒得分最高，趙宇翔次之。得分越高，說(shuō)明這些學(xué)者在數(shù)字人文研究領(lǐng)域的活躍度較高，同時(shí)也說(shuō)明他們?cè)诖祟I(lǐng)域建樹(shù)頗豐并有著較高的學(xué)術(shù)影響力。根據(jù)識(shí)別結(jié)果數(shù)據(jù)繪制散點(diǎn)圖，如圖8所示，在節(jié)點(diǎn)16后出現(xiàn)了明顯的斷崖式下降，由此初步認(rèn)為前16位學(xué)者可被識(shí)別為數(shù)字人文領(lǐng)域研究的核心學(xué)者，在這些核心學(xué)者中，劉煒和夏翠娟工作于上海圖書(shū)館，朱學(xué)芳和葉鷹工作于南京大學(xué)，趙宇翔工作于南京理工大學(xué)，王曉光工作于武漢大學(xué)等，從一定程度上可以反映出這些學(xué)者的工作單位是其科學(xué)研究的主要陣地，以他們?yōu)榇頁(yè)碛兄擃I(lǐng)域研究的核心團(tuán)隊(duì)，他們帶領(lǐng)自己的學(xué)生及合作者深入地開(kāi)展著數(shù)字人文的研究，成果頗多。其中，上海圖書(shū)館主持有關(guān)于數(shù)字人文的國(guó)家哲學(xué)社會(huì)科學(xué)基金項(xiàng)目，夏翠娟和劉煒學(xué)者是數(shù)字人文團(tuán)隊(duì)中的重要成員，其團(tuán)隊(duì)基于數(shù)字人文構(gòu)建了家譜知識(shí)服務(wù)平臺(tái)[27]、名人手稿檔案庫(kù)[28]、中文古籍聯(lián)合目錄及循證平臺(tái)[29]等，在國(guó)內(nèi)將數(shù)字人文的研究和應(yīng)用推向新的發(fā)展階段。為了進(jìn)一步清晰地反映核心學(xué)者，可利用Neo4j所呈現(xiàn)的圖譜中學(xué)者節(jié)點(diǎn)的大小來(lái)反映其在數(shù)字人文研究領(lǐng)域中所處的位置，如圖9所示，節(jié)點(diǎn)越大，其學(xué)術(shù)影響力越大。這對(duì)于相關(guān)研究者找尋領(lǐng)域內(nèi)核心學(xué)者具有重要參考意義，且更加方便快捷，清晰明了。
圖9 部分核心學(xué)者關(guān)系圖譜
表1 部分核心學(xué)者識(shí)別結(jié)果
圖8 核心學(xué)者識(shí)別的得分散點(diǎn)圖
3.3 合作趨勢(shì)預(yù)測(cè)
在大數(shù)據(jù)時(shí)代，學(xué)術(shù)研究的合作化趨勢(shì)日益明顯，作為科研活動(dòng)的重要組成部分，合作形式在提升科研效率、促進(jìn)科研產(chǎn)出時(shí)發(fā)揮著極其重要的作用。研究表明，在過(guò)去的20多年里，各個(gè)學(xué)科中的合作研究的數(shù)量都呈顯著增長(zhǎng)趨勢(shì)，具有相同研究領(lǐng)域、相似研究方向的學(xué)者更易于在未來(lái)進(jìn)行合作[30]。但是，由于時(shí)間、空間位置的阻礙，學(xué)者們很難在浩如煙海的學(xué)者群體里準(zhǔn)確找到與自身研究方向相近的學(xué)者，分析挖掘?qū)W者潛在的合作對(duì)象可以有效提高其科研效率。本文利用GDS中的鏈路預(yù)測(cè)算法對(duì)節(jié)點(diǎn)之間的接近度進(jìn)行計(jì)算，從而幫助學(xué)者找到潛在的合作機(jī)會(huì)。
鏈路預(yù)測(cè)算法是指通過(guò)已知節(jié)點(diǎn)的特征信息以及網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，預(yù)測(cè)尚未產(chǎn)生連接的節(jié)點(diǎn)對(duì)之間出現(xiàn)連邊的可能性。常見(jiàn)的鏈路預(yù)測(cè)算法包括基于鄰居節(jié)點(diǎn)的鏈路預(yù)測(cè)以及基于共有鄰居的鏈路預(yù)測(cè)，其中基于鄰居節(jié)點(diǎn)的算法包括所有鄰居（total neighbors）以及連接偏好（preferential attachment）等，基于共有鄰居的算法包括共有鄰居（common neighbors）、資源優(yōu)化（resource allocation）以及AA（adamic adar）算 法 等[31]。D. Liben-Nowell等[32]、T. Zhou等[33]通過(guò)實(shí)驗(yàn)對(duì)多種鏈路預(yù)測(cè)算法對(duì)比分析發(fā)現(xiàn)AA算法效果相對(duì)較優(yōu)。AA算法基于共有鄰居的相鄰節(jié)點(diǎn)集合，并對(duì)集合數(shù)量進(jìn)行非線性歸一化處理，計(jì)算兩個(gè)節(jié)點(diǎn)的緊密度，其預(yù)測(cè)網(wǎng)絡(luò)中學(xué)者合作鏈接的公式如下所示：
在該公式中，當(dāng)計(jì)算結(jié)果的值為0時(shí)，表示兩個(gè)節(jié)點(diǎn)不靠近；當(dāng)值越大時(shí)則表示節(jié)點(diǎn)越靠近。
在上述學(xué)者合作社區(qū)發(fā)現(xiàn)分析中，相較于不同社區(qū)來(lái)說(shuō)，同一社區(qū)學(xué)者的合作關(guān)系更為緊密，但是盡管在同一社區(qū)，他們的合作也存在疏密之分，本文選取第四大學(xué)者合作社區(qū)，以核心學(xué)者“劉煒”為研究對(duì)象，利用上述公式和Cypher查詢語(yǔ)言“MATCH (s1:author{Author:‘劉煒’}),MATCH (s2:author{Author:‘*’}),RETURN gds. alpha. linkprediction. adamicAdar (s1, s2) AS score”計(jì)算并呈現(xiàn)劉煒與其同一社區(qū)中其他學(xué)者的可能鏈接程度，預(yù)測(cè)值分?jǐn)?shù)見(jiàn)表2。其中劉煒和趙宇翔可能產(chǎn)生鏈接關(guān)系的得分最高，說(shuō)明他們發(fā)生合作的可能性最大，而劉煒和汪莉進(jìn)行合作的可能性則最小。與此同時(shí)，通過(guò)Cypher查詢語(yǔ)句將劉煒?biāo)诘纳鐓^(qū)的學(xué)者合作關(guān)系圖譜進(jìn)行呈現(xiàn)，見(jiàn)圖10。這個(gè)圖表明了同一社區(qū)的學(xué)者關(guān)聯(lián)緊密，但其中也存在少部分學(xué)者之間未建立直接的合作關(guān)系，如劉煒與岑炅蓮、曾輝、劉洪、汪莉這4位學(xué)者，相對(duì)應(yīng)他們的合作鏈接預(yù)測(cè)值也較低。通過(guò)分析表2和圖10不難發(fā)現(xiàn)，在已產(chǎn)生直接連接的學(xué)者中，宋士杰得分最低，此分?jǐn)?shù)可確定為產(chǎn)生新鏈接的最低閾值，即當(dāng)未發(fā)生直接連接的兩個(gè)學(xué)者得分大于這個(gè)閾值時(shí)，則能說(shuō)明其更能產(chǎn)生鏈接，其合作的可能性更大。由此可以看出劉煒與岑炅蓮、曾輝、劉洪更能進(jìn)行有效的科研交流，合作趨勢(shì)較為明顯。
圖10 學(xué)者劉煒?biāo)谏鐓^(qū)的學(xué)者合作關(guān)系圖譜
表2 同一社區(qū)學(xué)者之間合作預(yù)測(cè)值得分表
綜上所述，Neo4j的語(yǔ)句查詢和算法分析功能是學(xué)者合作趨勢(shì)預(yù)測(cè)的有效工具，為學(xué)者尋找自己的合作伙伴節(jié)省時(shí)間，提高合作效益。在學(xué)者交流活動(dòng)日趨頻繁的背景下，科研合作已然成為學(xué)者推動(dòng)學(xué)術(shù)研究發(fā)展的必要形式，學(xué)者間的合作越多樣多元，那么該領(lǐng)域的學(xué)術(shù)交流氛圍越活躍高效，不同的思維碰撞推動(dòng)數(shù)字人文領(lǐng)域的多元化、跨學(xué)科式發(fā)展。
4 結(jié)語(yǔ)
隨著數(shù)字時(shí)代的深入發(fā)展，“數(shù)字人文”對(duì)實(shí)施文獻(xiàn)搶救性保護(hù)、提供公共文化服務(wù)、弘揚(yáng)中華民族優(yōu)秀傳統(tǒng)文化等方面都具有重要的現(xiàn)實(shí)意義。在我國(guó)，數(shù)字人文作為專業(yè)學(xué)術(shù)研究已開(kāi)始加速發(fā)展，而且由這種跨學(xué)科的研究范式孕育而生的研究成果也將通過(guò)更多的合作形式來(lái)呈現(xiàn)。對(duì)于科研工作者來(lái)說(shuō)，合作能夠促使學(xué)者產(chǎn)生新的想法、新的研究思路，能夠提高合作者的產(chǎn)出量和影響力；對(duì)于學(xué)科發(fā)展來(lái)說(shuō)，合作能夠促使新的知識(shí)體系的形成，開(kāi)闊學(xué)者的知識(shí)視野和更新學(xué)者的知識(shí)結(jié)構(gòu)，在幫助學(xué)者們快速高效地尋找與自己研究興趣和方向高度關(guān)聯(lián)的跨學(xué)科學(xué)者、加強(qiáng)交流合作的同時(shí)推動(dòng)數(shù)字人文的多學(xué)科深度融合發(fā)展。本文利用處理復(fù)雜關(guān)聯(lián)數(shù)據(jù)的利器——圖數(shù)據(jù)庫(kù)Neo4j對(duì)我國(guó)數(shù)字人文的研究主體（即學(xué)者）及其間關(guān)系進(jìn)行存儲(chǔ)分析，利用GDS算法庫(kù)實(shí)現(xiàn)了學(xué)者合作社區(qū)的發(fā)現(xiàn)、核心學(xué)者的識(shí)別以及合作趨勢(shì)的預(yù)測(cè)。雖然社會(huì)網(wǎng)絡(luò)分析方法從中心性、凝聚子群、核心—邊緣等不同角度在各種關(guān)聯(lián)網(wǎng)絡(luò)結(jié)構(gòu)的分析中非常普遍，但是本文利用圖數(shù)據(jù)庫(kù)Neo4j實(shí)現(xiàn)了傳統(tǒng)的社會(huì)網(wǎng)絡(luò)分析方法能夠達(dá)成的功能外，還實(shí)現(xiàn)了數(shù)據(jù)存儲(chǔ)、實(shí)時(shí)更新、即查即得、預(yù)測(cè)推理等功能，這是對(duì)社會(huì)網(wǎng)絡(luò)分析方法的有力補(bǔ)充，為社會(huì)網(wǎng)絡(luò)分析提供了新的思路與方法。
此外，本文的不足之處在于：①在獲取相關(guān)文獻(xiàn)時(shí)忽略了一些篇名沒(méi)有以“數(shù)字人文”或“人文計(jì)算”命名但研究?jī)?nèi)容為“數(shù)字人文”的研究成果，使得學(xué)者節(jié)點(diǎn)和關(guān)系數(shù)據(jù)量偏小，在完整性上稍有欠缺；②數(shù)據(jù)量越大，復(fù)雜度越高，圖數(shù)據(jù)庫(kù)Neo4j處理數(shù)據(jù)的優(yōu)勢(shì)就越明顯，但本文在研究圖數(shù)據(jù)庫(kù)Neo4j的功能應(yīng)用上較為簡(jiǎn)單，沒(méi)有很好地發(fā)揮出其數(shù)據(jù)分析的優(yōu)勢(shì)。因此，在未來(lái)的研究中，筆者將繼續(xù)深入學(xué)習(xí)Neo4j極其強(qiáng)大的數(shù)據(jù)分析功能，不斷擴(kuò)大更新學(xué)者的數(shù)據(jù)量，從而充分展現(xiàn)學(xué)者之間復(fù)雜的合作關(guān)系，為學(xué)者們進(jìn)行潛在科研合作提供借鑒。
猜你喜歡
北京紀(jì)事(2024年1期)2024-01-03 03:16:55
管子學(xué)刊(2022年2期)2022-05-10 04:13:10
中北大學(xué)學(xué)報(bào)(自然科學(xué)版)(2022年2期)2022-05-05 09:04:08
管子學(xué)刊(2022年1期)2022-02-17 13:29:10
中國(guó)三峽(2017年3期)2017-06-09 08:14:59
財(cái)經(jīng)(2017年2期)2017-03-10 14:35:35
影視與戲劇評(píng)論(2016年0期)2016-11-23 05:26:00
全國(guó)新書(shū)目(2016年5期)2016-06-08 08:54:10
財(cái)經(jīng)(2016年15期)2016-06-03 07:38:02
財(cái)經(jīng)(2016年3期)2016-03-07 07:44:46
