關(guān)鍵詞： 科學(xué)數(shù)據(jù)； 數(shù)據(jù)引用； 網(wǎng)絡(luò)建模； 結(jié)構(gòu)特征

ＤＯＩ：１０．３９６９ ／ ｊ．ｉｓｓｎ．１００８－０８２１．２０２４．０５．００４

〔中圖分類(lèi)號(hào)〕Ｇ２０３ 〔文獻(xiàn)標(biāo)識(shí)碼〕Ａ 〔文章編號(hào)〕１００８－０８２１ （２０２４） ０５－０００１－０２

科學(xué)數(shù)據(jù)主要指在科研活動(dòng)過(guò)程中加工產(chǎn)生或再利用的數(shù)據(jù)產(chǎn)品或數(shù)據(jù)資料， 通?？梢园凑諄?lái)源劃分為實(shí)驗(yàn)數(shù)據(jù)、觀測(cè)數(shù)據(jù)和計(jì)算數(shù)據(jù)， 或者按照產(chǎn)生方式劃分為原始數(shù)據(jù)、驗(yàn)證數(shù)據(jù)和衍生數(shù)據(jù)［１］ 。隨著開(kāi)放科學(xué)實(shí)踐受到越來(lái)越多的關(guān)注， 科學(xué)數(shù)據(jù)從共享、發(fā)布、重用到引用的各個(gè)環(huán)節(jié)都得到了大量研究， 尤其是科學(xué)數(shù)據(jù)引用作為數(shù)據(jù)評(píng)價(jià)和數(shù)據(jù)溯源的重要手段， 在科學(xué)數(shù)據(jù)相關(guān)研究中扮演著至關(guān)重要的角色。

數(shù)據(jù)引用通常指研究人員在文獻(xiàn)中以引用標(biāo)注的方式， 表明其所使用數(shù)據(jù)來(lái)源出處的行為［２］ 。近年來(lái)， 雖然科研人員已經(jīng)逐步意識(shí)到數(shù)據(jù)引用的重要性， 一些國(guó)際組織如ＯＥＣＤ、ＥＳＩＰ、ＤＣＣ 等也紛紛制定了科學(xué)數(shù)據(jù)引用規(guī)范［３］ ， 但由于數(shù)據(jù)隱私及版權(quán)保護(hù)機(jī)制不健全、不同學(xué)科領(lǐng)域數(shù)據(jù)形式差異較大等原因， 學(xué)術(shù)界和出版界在數(shù)據(jù)引用標(biāo)準(zhǔn)上尚未達(dá)成共識(shí)， 數(shù)據(jù)引用仍然缺乏廣泛適用的統(tǒng)一標(biāo)準(zhǔn)， 研究人員在數(shù)據(jù)引用方面依舊較為隨意， 這給依賴(lài)于數(shù)據(jù)引用的后續(xù)研究帶來(lái)了極大挑戰(zhàn)。此外，隨著科學(xué)數(shù)據(jù)數(shù)量的不斷增長(zhǎng)， 數(shù)據(jù)之間的關(guān)系也變得錯(cuò)綜復(fù)雜， 對(duì)于數(shù)據(jù)的挖掘和利用變得愈發(fā)困難。國(guó)際數(shù)據(jù)公司（ＩＤＣ）在其白皮書(shū)“Ｄａｔａ Ａｇｅ ２０２５”中指出， 截至２０２０ 年， 全球信息化數(shù)據(jù)總量已經(jīng)超過(guò)４７ＺＢ， 并有望在２０２５ 年達(dá)到１７５ＺＢ， 但僅有３％左右的數(shù)據(jù)得到開(kāi)發(fā)和利用［４］ 。

隨著科學(xué)數(shù)據(jù)開(kāi)放共享與重復(fù)利用的需求日益顯著， 科學(xué)數(shù)據(jù)之間形成了一個(gè)龐大的復(fù)雜網(wǎng)絡(luò)，利用數(shù)學(xué)和統(tǒng)計(jì)學(xué)的理論方法進(jìn)行科學(xué)數(shù)據(jù)的研究已無(wú)法全面反映科學(xué)數(shù)據(jù)的發(fā)展脈絡(luò)和全局特征。如何利用數(shù)據(jù)引用關(guān)系建立引用網(wǎng)絡(luò)， 分析挖掘科學(xué)數(shù)據(jù)網(wǎng)絡(luò)的結(jié)構(gòu)特征和演化規(guī)律， 成為一個(gè)亟需研究的現(xiàn)實(shí)問(wèn)題。因此， 本研究的開(kāi)展一方面有利于細(xì)粒度挖掘科學(xué)數(shù)據(jù)之間的隱含聯(lián)系， 發(fā)現(xiàn)網(wǎng)絡(luò)中具有較高影響力的數(shù)據(jù)節(jié)點(diǎn)， 了解科研方向的發(fā)展史與知識(shí)鏈， 快速獲取研究課題所需的數(shù)據(jù)集合；另一方面對(duì)于加速數(shù)據(jù)資源的獲取和重用， 提升自身所共享數(shù)據(jù)的影響力和傳播效果， 加強(qiáng)科學(xué)數(shù)據(jù)的管理與評(píng)價(jià)等工作都具有十分重要的研究?jī)r(jià)值和現(xiàn)實(shí)意義。

１ 相關(guān)研究

科學(xué)數(shù)據(jù)引用的研究最早可以追溯到２０ 世紀(jì)７０ 年代。１９７９ 年， Ｄｏｄｄ Ｓ Ａ［５］ 就提出了引用數(shù)值數(shù)據(jù)文件的指導(dǎo)性建議， 從而可以更容易確定數(shù)據(jù)文件的可用性。隨后， 著名學(xué)者Ｗｈｉｔｅ Ｈ［６］ 也指出，社會(huì)科學(xué)學(xué)者們應(yīng)該在著作中引用所使用的數(shù)據(jù)文件， 并以區(qū)別于正文的規(guī)范化參考格式列出。然而科學(xué)數(shù)據(jù)引用實(shí)踐的開(kāi)展并不順利， 相關(guān)研究也大多處于起步階段， 當(dāng)前圍繞科學(xué)數(shù)據(jù)引用的研究主要包括４ 個(gè)方面的問(wèn)題， 即科學(xué)數(shù)據(jù)引用的參與主體、標(biāo)準(zhǔn)規(guī)范、技術(shù)方法和行為特征［７］ 。

１.１ 科學(xué)數(shù)據(jù)引用的參與主體

科學(xué)數(shù)據(jù)的生命周期包括數(shù)據(jù)產(chǎn)生、共享到重用的多個(gè)階段， 這也注定了科學(xué)數(shù)據(jù)引用是一個(gè)由多主體共同參與的活動(dòng)。當(dāng)前， 國(guó)內(nèi)外眾多學(xué)者從各種角度探討了科學(xué)數(shù)據(jù)引用的參與主體， 概括起來(lái)主要包括政府協(xié)會(huì)、研究（資助）機(jī)構(gòu)、數(shù)據(jù)機(jī)構(gòu)、出版機(jī)構(gòu)、圖書(shū)情報(bào)機(jī)構(gòu)和科學(xué)家等。具體來(lái)說(shuō)， 政府協(xié)會(huì)是科學(xué)數(shù)據(jù)引用標(biāo)準(zhǔn)和政策的制定者，是科學(xué)數(shù)據(jù)引用發(fā)展規(guī)劃的頂層機(jī)構(gòu)［８］ ； 研究（資助）機(jī)構(gòu)是科學(xué)數(shù)據(jù)引用發(fā)展的重要推動(dòng)者， 王思明等［９］ 從科學(xué)數(shù)據(jù)引用流程出發(fā)， 指出并肯定了研究（資助）機(jī)構(gòu)在科學(xué)數(shù)據(jù)提交、引用評(píng)價(jià)等階段發(fā)揮的重要作用； 數(shù)據(jù)機(jī)構(gòu)主要包括數(shù)據(jù)中心和數(shù)據(jù)倉(cāng)儲(chǔ)， 由于科學(xué)數(shù)據(jù)學(xué)科差異大的特點(diǎn)， 學(xué)科數(shù)據(jù)中心和特色數(shù)據(jù)倉(cāng)儲(chǔ)成為了科學(xué)數(shù)據(jù)引用原則與規(guī)范制定的重要參與者［１０］ ； 出版機(jī)構(gòu)包括數(shù)據(jù)庫(kù)商和學(xué)術(shù)期刊， 隨著科學(xué)數(shù)據(jù)的重要程度越來(lái)越高，出版機(jī)構(gòu)成為科學(xué)數(shù)據(jù)引用實(shí)踐的開(kāi)拓者； 圖書(shū)情報(bào)機(jī)構(gòu)作為文獻(xiàn)資料的核心管理者， 在科學(xué)數(shù)據(jù)管理和引用中也發(fā)揮著重要作用， 劉曉慧等［１１］ 提出，學(xué)術(shù)圖書(shū)館推動(dòng)數(shù)據(jù)引用的４ 種角色， 即數(shù)據(jù)引用規(guī)范的制定者、數(shù)據(jù)引用服務(wù)的提供者、數(shù)據(jù)引用意識(shí)的宣傳者和數(shù)據(jù)引用平臺(tái)的建設(shè)者； 最后， 科學(xué)家是科學(xué)數(shù)據(jù)引用的執(zhí)行者， 是科學(xué)數(shù)據(jù)生產(chǎn)與引用的關(guān)鍵主體。

１.２ 科學(xué)數(shù)據(jù)引用的標(biāo)準(zhǔn)規(guī)范

科學(xué)數(shù)據(jù)引用的標(biāo)準(zhǔn)規(guī)范對(duì)于科學(xué)數(shù)據(jù)管理和評(píng)價(jià)極其重要。因此， 國(guó)外早在２００７ 年就開(kāi)始了相關(guān)研究， Ａｌｔｍａｎ Ｍ 等［１２］ 發(fā)表研究論文， 對(duì)數(shù)據(jù)引用所需包含的最小元素集、可選元素等進(jìn)行了詳細(xì)分析， 并提出了數(shù)據(jù)引用標(biāo)準(zhǔn)規(guī)范的早期建議。此后， 眾多致力于數(shù)據(jù)引用的國(guó)際標(biāo)準(zhǔn)化組織和主要數(shù)據(jù)中心等紛紛提出了自己的科學(xué)數(shù)據(jù)引用規(guī)范指南文件， 如ＤａｔａＣｉｔｅ、ＯＥＣＤ、ＰＡＮＧＡＥＡ、ＤＣＣ 等。２０１３ 年， 數(shù)據(jù)引用綜合工作組成立， 并于２０１４ 年１ 月正式發(fā)布《科學(xué)數(shù)據(jù)引用原則聯(lián)合聲明》， 聲明中提出的８ 項(xiàng)原則， 包括重要性、信用與屬性、證據(jù)性、唯一標(biāo)識(shí)、訪問(wèn)獲取、持續(xù)性、明確性與可驗(yàn)證性、互操作性與靈活性， 該聲明得到眾多科學(xué)數(shù)據(jù)相關(guān)主體的支持， 成為當(dāng)前科學(xué)數(shù)據(jù)引用的基本原則。Ｓｔａｒｒ Ｊ 等［１３］ 回顧了《科學(xué)數(shù)據(jù)引用原則聯(lián)合聲明》的主要內(nèi)容， 提出了具體可實(shí)施的數(shù)據(jù)引用框架和標(biāo)識(shí)符方案。我國(guó)國(guó)家標(biāo)準(zhǔn)自２０１８ 年７ 月起正式實(shí)施， 與《科技資源標(biāo)識(shí)》國(guó)家標(biāo)準(zhǔn)一起， 構(gòu)建了具備我國(guó)自主特色的科學(xué)數(shù)據(jù)引用標(biāo)準(zhǔn)和標(biāo)識(shí)系統(tǒng)。朱艷華等［１４］ 對(duì)我國(guó)《科學(xué)數(shù)據(jù)引用》國(guó)家標(biāo)準(zhǔn)的內(nèi)容進(jìn)行了解讀， 指出該國(guó)家標(biāo)準(zhǔn)的發(fā)布將為我國(guó)的科學(xué)數(shù)據(jù)共享和數(shù)據(jù)知識(shí)產(chǎn)權(quán)保護(hù)提供政策保障。

１.３ 科學(xué)數(shù)據(jù)引用的技術(shù)方法

科學(xué)數(shù)據(jù)引用的技術(shù)研究主要集中在元數(shù)據(jù)和永久標(biāo)識(shí)符兩個(gè)方面， 元數(shù)據(jù)主要包括數(shù)據(jù)引用的必備元素、推薦元素和可選元素， 黃如花等［１５］ 以ＤａｔａＣｉｔｅ 為例， 對(duì)其元數(shù)據(jù)內(nèi)容及引用規(guī)范中的元數(shù)據(jù)元素進(jìn)行了詳細(xì)介紹與分析； 在引用標(biāo)識(shí)符研究方面， 目前國(guó)際上較為通用的科學(xué)數(shù)據(jù)資源引用標(biāo)識(shí)符包括基于數(shù)字化對(duì)象的標(biāo)識(shí)符ＤＯＩ、基于對(duì)象的標(biāo)識(shí)符ＯＩＤ、基于科技資源的標(biāo)識(shí)ＳＴＲＩ、我國(guó)科技資源標(biāo)識(shí)ＣＳＴＲ 等， 國(guó)際目前使用最廣泛的標(biāo)識(shí)系統(tǒng)是ＤＯＩ［１６］ 。而科學(xué)數(shù)據(jù)引用的方法研究主要集中在對(duì)科學(xué)數(shù)據(jù)引用的識(shí)別方面， 科學(xué)數(shù)據(jù)的引用方式一般可以分為通過(guò)參考文獻(xiàn)列出的正式引用和通過(guò)正文提及等方式列出的非正式引用。由于當(dāng)前科學(xué)數(shù)據(jù)引用規(guī)范問(wèn)題還未得到很好地解決，科學(xué)數(shù)據(jù)還依賴(lài)于在文獻(xiàn)全文中進(jìn)行數(shù)據(jù)引用的識(shí)別和抽取。因此， 當(dāng)前科學(xué)數(shù)據(jù)引用識(shí)別主要集中在數(shù)據(jù)引用識(shí)別和抽取技術(shù)方法的研究， 主要方法可以歸納為基于人工標(biāo)注、術(shù)語(yǔ)搜索、特定規(guī)則和監(jiān)督學(xué)習(xí)４ 類(lèi)［１７］ 。周佳茵等［１８］ 對(duì)現(xiàn)有數(shù)據(jù)引用實(shí)踐中的引用特征和數(shù)據(jù)引用識(shí)別方法， 進(jìn)行了總結(jié)分析， 并對(duì)存在的問(wèn)題和未來(lái)發(fā)展方向進(jìn)行了展望。

１.４ 科學(xué)數(shù)據(jù)引用的行為特征

科學(xué)數(shù)據(jù)引用的行為特征研究涵蓋范圍較廣，既包括對(duì)于科學(xué)數(shù)據(jù)引用和重用行為特征規(guī)律的研究， 也包括科學(xué)數(shù)據(jù)引用和計(jì)量方面的研究。ＰａｒｋＨ 等［１９］ 通過(guò)調(diào)研生物醫(yī)學(xué)領(lǐng)域科學(xué)數(shù)據(jù)引用現(xiàn)狀后發(fā)現(xiàn)， 數(shù)據(jù)非正式引用比參考文獻(xiàn)中的數(shù)據(jù)正式引用更為常見(jiàn)， 這給數(shù)據(jù)引用計(jì)量和評(píng)價(jià)造成了極大誤差和困難。王雪等［２０］ 對(duì)生物信息學(xué)領(lǐng)域的數(shù)據(jù)引用行為特征進(jìn)行分析， 構(gòu)建了基于文獻(xiàn)計(jì)量和網(wǎng)絡(luò)計(jì)量的數(shù)據(jù)引用行為評(píng)價(jià)模型。Ｈｅｎｄｅｒｓｏｎ Ｔ等［２１］ 通過(guò)數(shù)據(jù)集名稱(chēng)、下載地址、作者等信息，識(shí)別并分析了達(dá)特茅斯大學(xué)ＣＲＡＷＤＡＤ 無(wú)線數(shù)據(jù)集的被引情況， 發(fā)現(xiàn)論文中的數(shù)據(jù)引用仍然存在諸多不規(guī)范的問(wèn)題。焦紅等［２２］ 通過(guò)模式識(shí)別方法對(duì)生物醫(yī)學(xué)論文中提及的科學(xué)數(shù)據(jù)集， 進(jìn)行識(shí)別和抽取， 并分析了該領(lǐng)域科學(xué)數(shù)據(jù)集的復(fù)用特征， 研究發(fā)現(xiàn)科學(xué)數(shù)據(jù)能夠在一定程度上擴(kuò)大研究成果的影響力。沈婷婷［２３］ 通過(guò)內(nèi)容分析法分析了社會(huì)學(xué)領(lǐng)域數(shù)據(jù)重用及評(píng)估的實(shí)踐特點(diǎn)和發(fā)展趨勢(shì)， 并對(duì)圖書(shū)館科學(xué)數(shù)據(jù)情報(bào)服務(wù)提出參考建議。張瑩等［２４］以管理學(xué)權(quán)威期刊論文為分析樣本， 揭示了國(guó)內(nèi)管理學(xué)領(lǐng)域科研人員的數(shù)據(jù)重用行為特征。

從當(dāng)前研究可以看出， 圍繞科學(xué)數(shù)據(jù)引用的各層面研究都還處于起步階段， 尤其是科學(xué)數(shù)據(jù)引用網(wǎng)絡(luò)的研究還鮮有開(kāi)展。這是因?yàn)閿?shù)據(jù)引用網(wǎng)絡(luò)的建立非常依賴(lài)于出版商或科學(xué)數(shù)據(jù)庫(kù)提供的數(shù)據(jù)引用信息， 而由于相關(guān)信息的缺失和難以獲取等問(wèn)題，導(dǎo)致此類(lèi)研究的數(shù)據(jù)規(guī)模和范圍都難以滿足研究需求。因此， 本研究將以生物醫(yī)學(xué)領(lǐng)域?yàn)檠芯繉?duì)象，通過(guò)模式識(shí)別方法在大規(guī)模論文全文中抽取數(shù)據(jù)集的提及信息， 構(gòu)建論文與數(shù)據(jù)集間的引用關(guān)系， 并基于該引用關(guān)系構(gòu)建全領(lǐng)域科學(xué)數(shù)據(jù)引用網(wǎng)絡(luò)， 再利用社會(huì)網(wǎng)絡(luò)分析方法， 從網(wǎng)絡(luò)結(jié)構(gòu)的角度分析生物醫(yī)學(xué)領(lǐng)域科學(xué)數(shù)據(jù)的引用特征和演化趨勢(shì)。

２ 數(shù)據(jù)和方法

２.１ 網(wǎng)絡(luò)建模

基于科學(xué)數(shù)據(jù)的元數(shù)據(jù)信息和論文與數(shù)據(jù)的引用信息可以分別構(gòu)建１－模網(wǎng)絡(luò)和２－模網(wǎng)絡(luò)。其中，利用科學(xué)數(shù)據(jù)的作者、機(jī)構(gòu)等元數(shù)據(jù)信息可以構(gòu)建作者合作網(wǎng)絡(luò)、機(jī)構(gòu)合作網(wǎng)絡(luò)等網(wǎng)絡(luò)模型， 進(jìn)而分析個(gè)人、機(jī)構(gòu)、國(guó)家的合作網(wǎng)絡(luò)特征， 理解不同層面的科學(xué)數(shù)據(jù)共享合作模式， 反映出科學(xué)合作對(duì)科學(xué)數(shù)據(jù)共享與重用的加強(qiáng)效果。該網(wǎng)絡(luò)為１－模網(wǎng)絡(luò)， 節(jié)點(diǎn)為科學(xué)數(shù)據(jù)的作者、機(jī)構(gòu)等實(shí)體， 邊為實(shí)體間的合作關(guān)系； 利用論文與數(shù)據(jù)的引用信息可以構(gòu)建數(shù)據(jù)引用網(wǎng)絡(luò)， 進(jìn)而從宏觀角度揭示科學(xué)數(shù)據(jù)在不同學(xué)科論文中的引用行為特征， 發(fā)現(xiàn)數(shù)據(jù)引用網(wǎng)絡(luò)的演化機(jī)制。該網(wǎng)絡(luò)不同于傳統(tǒng)引文網(wǎng)絡(luò)， 是一個(gè)由論文和數(shù)據(jù)組成的２－模網(wǎng)絡(luò)， 該網(wǎng)絡(luò)的節(jié)點(diǎn)為論文和數(shù)據(jù)， 邊為論文與論文、論文與數(shù)據(jù)之間的引用關(guān)系； 利用數(shù)據(jù)與數(shù)據(jù)之間的共被引關(guān)系可以構(gòu)建數(shù)據(jù)共被引網(wǎng)絡(luò)， 該網(wǎng)絡(luò)模型既能從宏觀角度揭示數(shù)據(jù)共被引網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)和演化特征，也可以從微觀視角觀察網(wǎng)絡(luò)中的核心與邊緣節(jié)點(diǎn)，發(fā)現(xiàn)并挖掘出有價(jià)值的科學(xué)數(shù)據(jù)。該網(wǎng)絡(luò)為１－模網(wǎng)絡(luò)， 節(jié)點(diǎn)為科學(xué)數(shù)據(jù)， 邊為數(shù)據(jù)與數(shù)據(jù)之間的共被引關(guān)系。３ 種網(wǎng)絡(luò)模型如圖１ 所示。

２.２ 數(shù)據(jù)獲取

由于科學(xué)數(shù)據(jù)在論文中常以提及等非規(guī)范引用形式出現(xiàn)， 為使本研究具備更強(qiáng)的普適性和魯棒性，避免現(xiàn)有數(shù)據(jù)引用庫(kù)信息滯后或不夠全面等問(wèn)題，科學(xué)數(shù)據(jù)引用關(guān)系的識(shí)別和抽取將采用基于規(guī)則的識(shí)別方法， 從生物醫(yī)學(xué)領(lǐng)域科學(xué)文獻(xiàn)全文中進(jìn)行獲取并構(gòu)建引用網(wǎng)絡(luò)。其中， 文獻(xiàn)數(shù)據(jù)來(lái)自ＮＣＢＩ 提供的免費(fèi)生物醫(yī)學(xué)期刊文獻(xiàn)全文數(shù)據(jù)庫(kù)ＰｕｂＭｅｄＣｅｎｔｒａｌ（ＰＭＣ）， 通過(guò)其提供的ＦＴＰ 服務(wù)共獲得３ ２１９ ９０８篇文獻(xiàn)?？茖W(xué)數(shù)據(jù)集數(shù)據(jù)來(lái)自于全球性基因表達(dá)綜合數(shù)據(jù)庫(kù)（ Ｇｅｎｅ Ｅｘｐｒｅｓｓｉｏｎ Ｏｍｎｉｂｕｓ，ＧＥＯ）， 該數(shù)據(jù)庫(kù)是由ＮＣＢＩ 創(chuàng)建并維護(hù)的全球性高通量分子豐度數(shù)據(jù)庫(kù)［２５］ ， 同時(shí)也是當(dāng)前全球存儲(chǔ)規(guī)模最大、數(shù)據(jù)最全面的基因表達(dá)數(shù)據(jù)庫(kù)， 收錄了世界各國(guó)（地區(qū)）研究者提交并共享的基因芯片數(shù)據(jù)和高通量測(cè)序數(shù)據(jù)。ＧＥＯ 數(shù)據(jù)庫(kù)將用戶或科研人員遞呈和共享的數(shù)據(jù)進(jìn)行分類(lèi)存儲(chǔ)并為其分配一個(gè)唯一且永恒不變的登錄號(hào)（Ａｃｃｅｓｓｉｏｎ Ｎｕｍｂｅｒ）， 并要求共享數(shù)據(jù)的研究文獻(xiàn)在公開(kāi)發(fā)表后， 將數(shù)據(jù)進(jìn)行公開(kāi)便于其他科研人員利用該數(shù)據(jù)進(jìn)行后續(xù)研究。

ＧＥＯ 的原始數(shù)據(jù)分為平臺(tái)（Ｐｌａｔｆｏｒｍ）、樣本（Ｓａｍｐｌｅ）和系列（Ｓｅｒｉｅｓ）。其中， 平臺(tái)包含用戶測(cè)定表達(dá)量所使用的芯片或測(cè)序平臺(tái)的描述信息和注釋信息， 通常包含多個(gè)樣本， 數(shù)據(jù)集名以“ＧＰＬ”為前綴； 樣本用于記錄單樣本的基因表達(dá)測(cè)序信息，是原始實(shí)驗(yàn)結(jié)果的基本單位， 數(shù)據(jù)集名以“ＧＳＭ”為前綴； 系列是由多個(gè)樣本組成的一項(xiàng)完整研究的數(shù)據(jù)， 還包括整個(gè)研究的描述和總結(jié)分析， 數(shù)據(jù)集名以“ＧＳＥ” 為前綴。本研究采用正則表達(dá)式， 對(duì)文獻(xiàn)中的登錄號(hào)信息進(jìn)行抽取， 規(guī)則為“Ｇ（？：ＰＬ｜ＳＭ｜ＳＥ） ＼ｄ＋”， 最終經(jīng)過(guò)抽取并清洗得到５７ ８４１個(gè)ＧＥＯ 數(shù)據(jù)集被３９ １８９篇文獻(xiàn)所引用， 引用次數(shù)合計(jì)２９４ ５１７次， 存在ＧＥＯ 數(shù)據(jù)集引用行為的文獻(xiàn)數(shù)量占全部文獻(xiàn)數(shù)量的１.２２％。ＧＥＯ 數(shù)據(jù)集的平均被引次數(shù)為５ 次， 篇均引用數(shù)據(jù)集數(shù)量約為１.５ 個(gè)。

因?yàn)楸疚年P(guān)注和研究的重點(diǎn)在于科學(xué)數(shù)據(jù)本身， 所以采用只包含數(shù)據(jù)節(jié)點(diǎn)和關(guān)系的數(shù)據(jù)共被引網(wǎng)絡(luò)模型進(jìn)行建模， 該網(wǎng)絡(luò)模型中節(jié)點(diǎn)為數(shù)據(jù)集，邊為數(shù)據(jù)共被引關(guān)系， 并從整體、個(gè)體和網(wǎng)絡(luò)社區(qū)３ 個(gè)角度了解分析科學(xué)數(shù)據(jù)引用網(wǎng)絡(luò)的結(jié)構(gòu)和演化情況。網(wǎng)絡(luò)構(gòu)建過(guò)程如圖２ 所示。

２.３ 測(cè)度指標(biāo)

社會(huì)網(wǎng)絡(luò)分析是研究社會(huì)復(fù)雜系統(tǒng)的有效定量分析方法， 可以了解網(wǎng)絡(luò)整體關(guān)系結(jié)構(gòu)以及網(wǎng)絡(luò)結(jié)構(gòu)對(duì)群體內(nèi)部個(gè)體的影響， 常用的分析指標(biāo)包括節(jié)點(diǎn)和連邊數(shù)量、度和度分布、網(wǎng)絡(luò)密度、平均聚集系數(shù)、中心度、網(wǎng)絡(luò)社區(qū)等。

針對(duì)整體網(wǎng)絡(luò)結(jié)構(gòu)及演化情況， 本文分別從節(jié)點(diǎn)數(shù)、連邊數(shù)、度分布、網(wǎng)絡(luò)密度、平均聚集系數(shù)、平均路徑長(zhǎng)度等維度進(jìn)行分析。網(wǎng)絡(luò)密度表示整個(gè)網(wǎng)絡(luò)各個(gè)節(jié)點(diǎn)之間連接的緊密程度， 反映了各節(jié)點(diǎn)之間的合作緊密度以及網(wǎng)絡(luò)整體是向著“互鎖式網(wǎng)絡(luò)” 還是“輻射式網(wǎng)絡(luò)” 發(fā)展； 平均聚集系數(shù)表示局部節(jié)點(diǎn)之間的相互連接程度， 反映了相鄰節(jié)點(diǎn)間的緊密程度； 平均路徑長(zhǎng)度與網(wǎng)絡(luò)的整體流動(dòng)性相關(guān)， 反映了網(wǎng)絡(luò)中信息傳播的效率。

針對(duì)網(wǎng)絡(luò)核心個(gè)體， 本文主要從節(jié)點(diǎn)中心性角度進(jìn)行分析， 主要包括度數(shù)中心度、中介中心度和接近中心度３ 個(gè)指標(biāo)。其中， 度數(shù)中心度表示一個(gè)節(jié)點(diǎn)的直接影響力， 可以反映出與之直接相連節(jié)點(diǎn)數(shù)量的多少以及節(jié)點(diǎn)的中心性程度； 中介中心度表示網(wǎng)絡(luò)中一個(gè)節(jié)點(diǎn)對(duì)其他節(jié)點(diǎn)間交流起到的中轉(zhuǎn)功能， 反映了節(jié)點(diǎn)對(duì)資源的控制能力； 接近中心度表示網(wǎng)絡(luò)中一個(gè)節(jié)點(diǎn)到其他節(jié)點(diǎn)的效率高低， 反映了在傳遞信息方面對(duì)其他節(jié)點(diǎn)的依賴(lài)程度。

針對(duì)網(wǎng)絡(luò)的社區(qū)結(jié)構(gòu)， 本文采用Ｌｅｉｄｅｎ 社區(qū)發(fā)現(xiàn)算法進(jìn)行網(wǎng)絡(luò)社區(qū)劃分， 并針對(duì)模塊度最大的社區(qū)劃分結(jié)果， 從社區(qū)整體結(jié)構(gòu)、社區(qū)內(nèi)部結(jié)構(gòu)、社區(qū)機(jī)構(gòu)合作、社區(qū)研究主題等角度進(jìn)行分析解讀。本文所使用的主要社會(huì)網(wǎng)絡(luò)分析指標(biāo)及參數(shù)說(shuō)明， 如表１ 所示。

３ 結(jié)果分析

３.１ 整體網(wǎng)絡(luò)結(jié)構(gòu)及演化分析

在全部被引用的５７ ８４１個(gè)數(shù)據(jù)集中， 有５０ ００５個(gè)數(shù)據(jù)集存在共被引情況， 占總數(shù)的８６. ５％， 共被引次數(shù)２ ７３９ ２１４次。其中， 最早被共被引的數(shù)據(jù)集出現(xiàn)在２００４ 年， 研究人員使用了３ 個(gè)數(shù)據(jù)集ＧＰＬ２０５、ＧＰＬ２１８、ＧＰＬ３５６ 進(jìn)行微陣列數(shù)據(jù)分析工具校正問(wèn)題的測(cè)試和研究。在此之后， 數(shù)據(jù)共被引網(wǎng)絡(luò)中節(jié)點(diǎn)和連邊數(shù)量呈顯著增加趨勢(shì)， 尤其在２０１４ 年有了一次跨越式的增長(zhǎng)， 節(jié)點(diǎn)和連邊數(shù)量分別由２０１３ 年的８ ３１９個(gè)和１２１ ０４１條猛增至２０１４年的１２ ９９６個(gè)和１ ３１９ ２１５條， 數(shù)據(jù)集被共同引用的規(guī)模急劇增加。

度和度分布能夠體現(xiàn)網(wǎng)絡(luò)中數(shù)據(jù)節(jié)點(diǎn)之間的連接規(guī)模和特點(diǎn)。經(jīng)計(jì)算， ＧＥＯ 數(shù)據(jù)共被引網(wǎng)絡(luò)中最大度為４ ８４７， 該節(jié)點(diǎn)為昂飛（Ａｆｆｙｍｅｔｒｉｘ）公司提供的商業(yè)數(shù)據(jù)集ＧＰＬ５７０。平均度由２００４ 年的２ 增長(zhǎng)至２０１４ 年的２０３， 其后一直穩(wěn)定在１００ 以上， 即平均每個(gè)數(shù)據(jù)集與１００ 個(gè)以上的數(shù)據(jù)集被共同引用，網(wǎng)絡(luò)整體連接規(guī)模較好， 節(jié)點(diǎn)平均度的年度分布如圖４（ａ）所示。對(duì)數(shù)據(jù)共被引網(wǎng)絡(luò)節(jié)點(diǎn)度分布進(jìn)行雙對(duì)數(shù)坐標(biāo)表示， 如圖４（ｂ）所示， 可以發(fā)現(xiàn)絕大部分節(jié)點(diǎn)度很小， 只有少數(shù)節(jié)點(diǎn)度很大， 即大多數(shù)節(jié)點(diǎn)和其他節(jié)點(diǎn)具有很少的聯(lián)系， 只有為數(shù)不多的一些節(jié)點(diǎn)和其他節(jié)點(diǎn)有較多的聯(lián)系。ＧＥＯ 數(shù)據(jù)共被引網(wǎng)絡(luò)的度分布近似于冪律分布， 表明該網(wǎng)絡(luò)具備“無(wú)標(biāo)度網(wǎng)絡(luò)” 特性。但與傳統(tǒng)ＢＡ 模型的冪律分布存在一定區(qū)別， 網(wǎng)絡(luò)中有一部分特殊節(jié)點(diǎn)的數(shù)量和度都較大， 這也導(dǎo)致網(wǎng)絡(luò)節(jié)點(diǎn)的平均度較大。

平均路徑長(zhǎng)度可以衡量網(wǎng)絡(luò)的整體連通性和全局效率， ＧＥＯ 數(shù)據(jù)共被引網(wǎng)絡(luò)的平均路徑長(zhǎng)度為４.７， 任意兩個(gè)數(shù)據(jù)集平均只需要經(jīng)過(guò)４ 次連接就可以相互影響， 網(wǎng)絡(luò)的傳播效率較高， 具備“小世界” 特征。網(wǎng)絡(luò)密度反映的是共被引網(wǎng)絡(luò)整體節(jié)點(diǎn)間關(guān)聯(lián)的緊密程度， 網(wǎng)絡(luò)密度越大說(shuō)明數(shù)據(jù)的某些維度越相似， 容易被共同使用來(lái)進(jìn)行一項(xiàng)研究。由圖５ 可以發(fā)現(xiàn)， ＧＥＯ 數(shù)據(jù)共被引網(wǎng)絡(luò)的整體密度隨時(shí)間逐步遞減， 隨著測(cè)序技術(shù)的更新?lián)Q代及研究物種的不斷豐富， ＧＥＯ 的數(shù)據(jù)共被引網(wǎng)絡(luò)的節(jié)點(diǎn)不斷增加， 結(jié)構(gòu)呈現(xiàn)出輻射式網(wǎng)絡(luò)結(jié)構(gòu)發(fā)展態(tài)勢(shì)， 加之?dāng)?shù)據(jù)的類(lèi)型不斷增多， 節(jié)點(diǎn)間的相似度不斷降低。聚集系數(shù)反映了網(wǎng)絡(luò)局部的聚集程度， 即如果某兩個(gè)數(shù)據(jù)集同時(shí)與第３ 個(gè)數(shù)據(jù)集之間存在共被引關(guān)系， 則這兩個(gè)數(shù)據(jù)集之間存在共被引關(guān)系的概率。圖中可以發(fā)現(xiàn)， ＧＥＯ 數(shù)據(jù)共被引網(wǎng)絡(luò)的平均聚集系數(shù)一直穩(wěn)定在０.８ 以上， 說(shuō)明局部相同領(lǐng)域內(nèi)的數(shù)據(jù)集被共同引用的概率極大。

３.２ 網(wǎng)絡(luò)核心個(gè)體分析

網(wǎng)絡(luò)的整體結(jié)構(gòu)特征無(wú)法觀察節(jié)點(diǎn)在網(wǎng)絡(luò)中位置的完整信息， 而利用中心度指標(biāo)則可以進(jìn)一步研究各節(jié)點(diǎn)在網(wǎng)絡(luò)中的重要程度， 具體包括度數(shù)中心度、中介中心度和接近中心度３ 個(gè)指標(biāo)。

度數(shù)中心度的概念來(lái)自于社會(huì)計(jì)量學(xué)中的“明星” 概念， 即該點(diǎn)與網(wǎng)絡(luò)中的其他點(diǎn)有較多的直接聯(lián)系， 擁有較多的連邊。在ＧＥＯ 數(shù)據(jù)共被引網(wǎng)絡(luò)中， 數(shù)據(jù)集的度數(shù)中心度就是與該數(shù)據(jù)集直接相連的其他數(shù)據(jù)集的個(gè)數(shù)， 度數(shù)中心度高的數(shù)據(jù)集居于局部網(wǎng)絡(luò)的中心， 是其所在某個(gè)局部領(lǐng)域的核心數(shù)據(jù)集。ＧＥＯ 數(shù)據(jù)共被引網(wǎng)絡(luò)的度數(shù)中心度前１０ 位的數(shù)據(jù)集信息， 如表２ 所示。

由表２ 可以看出， ＧＥＯ 數(shù)據(jù)共被引網(wǎng)絡(luò)的度數(shù)中心度前１０ 位的數(shù)據(jù)集公開(kāi)時(shí)間分布于２００２—２０１３ 年。其中， 前４ 位的數(shù)據(jù)集類(lèi)型為平臺(tái)數(shù)據(jù)，其余為系列數(shù)據(jù)。除美國(guó)生物芯片公司昂飛（Ａｆｆｙ?ｍｅｔｒｉｘ）、因美納（Ｉｌｌｕｍｉｎａ） 提供的商業(yè)數(shù)據(jù)集外，美國(guó)華盛頓大學(xué)共享的ＳＡＲＳ 研究方面的數(shù)據(jù)集也得到了大量共被引， 體現(xiàn)出其在微生物及病毒研究方面的極強(qiáng)實(shí)力。

接近中心度是一種測(cè)度節(jié)點(diǎn)是否處于網(wǎng)絡(luò)核心位置的指標(biāo)， 與度數(shù)中心度不同的是， 節(jié)點(diǎn)的連接數(shù)多少并不代表其是否處于整體網(wǎng)絡(luò)的核心位置。在ＧＥＯ 數(shù)據(jù)共被引網(wǎng)絡(luò)中， 數(shù)據(jù)集的接近中心度即數(shù)據(jù)集到網(wǎng)絡(luò)中所有其他數(shù)據(jù)集路徑長(zhǎng)度之和的倒數(shù)， 數(shù)據(jù)集的接近中心度越大， 該節(jié)點(diǎn)越接近網(wǎng)絡(luò)幾何結(jié)構(gòu)的中心位置。ＧＥＯ 數(shù)據(jù)共被引網(wǎng)絡(luò)的接近中心度前１０ 位的數(shù)據(jù)集信息， 如表３ 所示。

由表３ 可以看出， ＧＥＯ 數(shù)據(jù)共被引網(wǎng)絡(luò)的接近中心度前１０ 位的數(shù)據(jù)集中， 公開(kāi)時(shí)間分布于２００２—２０１１ 年， 共有４ 個(gè)數(shù)據(jù)集也出現(xiàn)在度數(shù)中心度前１０ 位中， 包括ＧＰＬ５７０、ＧＰＬ９６、ＧＰＬ６２４４和ＧＰＬ１０５５８。其中， 平臺(tái)數(shù)據(jù)與系列數(shù)據(jù)各占５位， 除前文提到的兩個(gè)美國(guó)公司以外， 還出現(xiàn)了美國(guó)安捷倫（Ａｇｉｌｅｎｔ）、杰羅科（Ｇｅｎｅ Ｌｏｇｉｃ）等公司提供的商業(yè)數(shù)據(jù)集。其余發(fā)布機(jī)構(gòu)為科研機(jī)構(gòu)和大學(xué)，包括荷蘭伊拉斯姆斯醫(yī)學(xué)中心、西奈山醫(yī)學(xué)院和臺(tái)灣大學(xué)， 這些機(jī)構(gòu)和大學(xué)提供的肝癌、肺癌和腫瘤基因組數(shù)據(jù)集在各自的研究領(lǐng)域中都處于較為核心的位置， 對(duì)相關(guān)研究起到非常重要的關(guān)鍵作用。

中介中心度用于測(cè)量網(wǎng)絡(luò)個(gè)體對(duì)資源的控制程度， 即測(cè)量一個(gè)點(diǎn)在多大程度上位于圖中其他點(diǎn)對(duì)最短路徑的中間位置。在ＧＥＯ 數(shù)據(jù)共被引網(wǎng)絡(luò)中，如果一個(gè)數(shù)據(jù)集處于其他許多數(shù)據(jù)共被引對(duì)的捷徑上， 該數(shù)據(jù)集就具有較高的中介中心度。中介中心度與度數(shù)中心度沒(méi)有絕對(duì)的關(guān)聯(lián)， 一個(gè)點(diǎn)度中心度相對(duì)較低的數(shù)據(jù)集也可能起到重要的“中介” 作用， 具有信息獲取優(yōu)勢(shì)和資源控制的重要地位。ＧＥＯ 數(shù)據(jù)共被引網(wǎng)絡(luò)的中介中心度前１０ 位的數(shù)據(jù)集信息， 如表４ 所示。

由表４ 可以看出， ＧＥＯ 數(shù)據(jù)共被引網(wǎng)絡(luò)的中介中心度前１０ 位的數(shù)據(jù)集中， 公開(kāi)時(shí)間分布于２００２—２０１３ 年， 這些數(shù)據(jù)集在ＧＥＯ 數(shù)據(jù)共被引網(wǎng)絡(luò)中的活躍度較高， 數(shù)據(jù)集之間的中轉(zhuǎn)較依賴(lài)于這些數(shù)據(jù)集。有３９ ４８６個(gè)數(shù)據(jù)集的中介中心度為０，表明近７８ ９％的數(shù)據(jù)集在網(wǎng)絡(luò)中極不活躍， 不承擔(dān)任何中介功能且對(duì)應(yīng)的度值也較低。除商業(yè)公司提供的平臺(tái)數(shù)據(jù)外， 由唐納德植物科學(xué)中心（Ｄｏｎ?ａｌｄ Ｄａｎｆｏｒｔｈ Ｐｌａｎｔ Ｓｃｉｅｎｃｅ Ｃｅｎｔｅｒ）、北京大學(xué)、華盛頓大學(xué)、神經(jīng)分泌生物科學(xué)公司（Ｎｅｕｒｏｃｒｉｎｅ Ｂｉｏｓｃｉ?ｅｎｃｅｓ）共享的各類(lèi)物種和病毒的基因組測(cè)序數(shù)據(jù)集在網(wǎng)絡(luò)中都具備較強(qiáng)的控制能力， 在跨物種的交叉研究中起到重要的中介作用。

３.３ 網(wǎng)絡(luò)社區(qū)結(jié)構(gòu)特征及演化分析

ＧＥＯ 數(shù)據(jù)共被引網(wǎng)絡(luò)的最大連通子圖包含３４ ４０４個(gè)節(jié)點(diǎn)和２ １３５ ２８６條邊， 對(duì)其進(jìn)行社區(qū)劃分后共得到１１３ 個(gè)社區(qū)， 最優(yōu)模塊度Ｑ ＝ ０.６８３， 表明網(wǎng)絡(luò)的社區(qū)結(jié)構(gòu)顯著且劃分結(jié)果準(zhǔn)確度高。１１３個(gè)社區(qū)中， 規(guī)模最大的社區(qū)包含７ ９７０個(gè)數(shù)據(jù)集，規(guī)模最小的社區(qū)僅包含３ 個(gè)數(shù)據(jù)集， 社區(qū)規(guī)模存在顯著異質(zhì)性， 社區(qū)的整體結(jié)構(gòu)分布如圖６ 所示。

圖中節(jié)點(diǎn)大小與社區(qū)節(jié)點(diǎn)數(shù)量成正比， 由圖６可以發(fā)現(xiàn)， 網(wǎng)絡(luò)中存在３ 個(gè)大型社區(qū)， 社區(qū)的節(jié)點(diǎn)數(shù)量均超過(guò)４０００， 而排名前１０ 位的社區(qū)節(jié)點(diǎn)總數(shù)達(dá)到２６ ５５１， 約占網(wǎng)絡(luò)節(jié)點(diǎn)總數(shù)的７７. ２％。以社區(qū)內(nèi)部節(jié)點(diǎn)間的共被引關(guān)系構(gòu)建獨(dú)立的社區(qū)共被引網(wǎng)絡(luò)， 計(jì)算節(jié)點(diǎn)數(shù)量前１０ 位的社區(qū)網(wǎng)絡(luò)結(jié)構(gòu)指標(biāo)，結(jié)果如表５ 所示。

由表５ 可知， ＧＥＯ 數(shù)據(jù)共被引網(wǎng)絡(luò)的社區(qū)內(nèi)部連通性和密度都好于整體網(wǎng)絡(luò)， 規(guī)模較大的社區(qū)１和社區(qū)３ 的平均聚集系數(shù)和網(wǎng)絡(luò)密度接近整體網(wǎng)絡(luò)，但其他社區(qū)的網(wǎng)絡(luò)結(jié)構(gòu)指標(biāo)均優(yōu)于整體網(wǎng)絡(luò)。尤其是社區(qū)４、社區(qū)８ 和社區(qū)１０ 的平均度、網(wǎng)絡(luò)密度和平均聚集系數(shù)都較高， 表明這３ 個(gè)社區(qū)內(nèi)部連接頻繁、聚集程度極高。１０ 個(gè)社區(qū)的平均路徑長(zhǎng)度均值為３.０７７， 說(shuō)明同一社區(qū)內(nèi)的兩個(gè)數(shù)據(jù)集只需經(jīng)過(guò)３ 次連接就可以相互影響， 少于整體網(wǎng)絡(luò)的４次連接。網(wǎng)絡(luò)指標(biāo)充分表明， ＧＥＯ 數(shù)據(jù)共被引網(wǎng)絡(luò)的社區(qū)結(jié)構(gòu)穩(wěn)定， 內(nèi)部節(jié)點(diǎn)相互影響較深， 已經(jīng)形成多個(gè)數(shù)據(jù)共被引群體。

按照社區(qū)進(jìn)行研究方向分析， 分別計(jì)算各個(gè)社區(qū)中數(shù)據(jù)集的樣本來(lái)源分布概率， 可得到ＧＥＯ 數(shù)據(jù)共被引網(wǎng)絡(luò)社區(qū)的樣本來(lái)源分布， 如表６ 所示。

由表６ 可知， ＧＥＯ 數(shù)據(jù)共被引網(wǎng)絡(luò)社區(qū)的樣本來(lái)源呈現(xiàn)明顯的團(tuán)體結(jié)構(gòu)， 根據(jù)樣本來(lái)源可以較為清晰地分辨出各個(gè)社區(qū)的主要研究方向和研究?jī)?nèi)容， 如社區(qū)３ 的數(shù)據(jù)集主要用于淋巴細(xì)胞生物學(xué)相關(guān)的研究， 社區(qū)４ 的數(shù)據(jù)集主要用于肺組織相關(guān)的癌癥及傳染疾病的研究， 社區(qū)５ 的數(shù)據(jù)集主要用于植物方面的研究等， 社區(qū)分布具有較為明顯的研究領(lǐng)域集群特征。

按照社區(qū)進(jìn)行研究機(jī)構(gòu)和科研合作分析， 分別計(jì)算各個(gè)社區(qū)中數(shù)據(jù)集貢獻(xiàn)機(jī)構(gòu)的分布概率， 可得到ＧＥＯ 數(shù)據(jù)共被引網(wǎng)絡(luò)社區(qū)的科研機(jī)構(gòu)分布， 如表７ 所示。

由表７ 可知， ＧＥＯ 數(shù)據(jù)共被引網(wǎng)絡(luò)社區(qū)的科研機(jī)構(gòu)和科研合作呈現(xiàn)明顯的團(tuán)體結(jié)構(gòu)， 社區(qū)邊界清晰。除ＥＮＣＯＤＥ 和布羅德研究所同屬于社區(qū)３和社區(qū)８ 外， 各社區(qū)的科研機(jī)構(gòu)基本不存在重疊現(xiàn)象。如果某一個(gè)或幾個(gè)科研機(jī)構(gòu)在社區(qū)內(nèi)處于絕對(duì)的領(lǐng)先地位， 則代表該社區(qū)中的數(shù)據(jù)集基本來(lái)自于這些科研機(jī)構(gòu)， 研究領(lǐng)域和科研方向具備高度集中性， 這也導(dǎo)致此類(lèi)社區(qū)內(nèi)部的網(wǎng)絡(luò)密度和連通性極高， 數(shù)據(jù)集被共同引用情況頻繁， 如社區(qū)４ 的華盛頓大學(xué)、社區(qū)８ 的ＥＮＣＯＤＥ 等。

按照社區(qū)進(jìn)行測(cè)序平臺(tái)分析， 分別計(jì)算各個(gè)社區(qū)中數(shù)據(jù)集測(cè)序平臺(tái)的分布概率， 可得到ＧＥＯ 數(shù)據(jù)共被引網(wǎng)絡(luò)社區(qū)的測(cè)序平臺(tái)分布， 如表８ 所示。

由表８ 可知， ＧＥＯ 數(shù)據(jù)共被引網(wǎng)絡(luò)社區(qū)的測(cè)序平臺(tái)也呈現(xiàn)較為明顯的團(tuán)體結(jié)構(gòu)， 除社區(qū)１ 和社區(qū)２ 使用ＧＰＬ５７０ 和ＧＰＬ９６ 平臺(tái)較多外， 其他社區(qū)的數(shù)據(jù)集基本都來(lái)自于不同的測(cè)序平臺(tái)。對(duì)平臺(tái)數(shù)據(jù)進(jìn)行進(jìn)一步研究發(fā)現(xiàn)， 同一社區(qū)內(nèi)部的平臺(tái)數(shù)據(jù)基本都來(lái)自于同一測(cè)序設(shè)備或設(shè)備制造公司。如社區(qū)３ 的ＧＰＬ１１１５４、ＧＰＬ１３１１２、ＧＰＬ９２５０ 等平臺(tái)數(shù)據(jù)均出自因美納公司的Ｇｅｎｏｍｅ Ａｎａｌｙｚｅｒ、ＨｉＳｅｑ ２０００等基因測(cè)序設(shè)備， 社區(qū)４ 的ＧＰＬ６４８０、ＧＰＬ７２０２、ＧＰＬ４１３４ 等平臺(tái)數(shù)據(jù)均出自安捷倫公司的測(cè)序產(chǎn)品。這種現(xiàn)象說(shuō)明， 出自同一平臺(tái)或同一公司的數(shù)據(jù)進(jìn)行處理與合并分析得到的效果更好， 可以避免前期數(shù)據(jù)處理的復(fù)雜問(wèn)題， 因此常被用于同一項(xiàng)研究。

最后， 分別?。玻埃埃?年、２０１０ 年、２０１５ 年、２０２０年為時(shí)間節(jié)點(diǎn)生成網(wǎng)絡(luò)的整體結(jié)構(gòu)， 可以更加直觀看到網(wǎng)絡(luò)整體結(jié)構(gòu)的演化情況， 如圖７ 所示。

根據(jù)圖７ 可以看出， ＧＥＯ 數(shù)據(jù)共被引網(wǎng)絡(luò)在２００５ 年初期發(fā)展階段， 由于數(shù)據(jù)的數(shù)量較少， 這些數(shù)據(jù)被共同引用的次數(shù)較多， 但總體結(jié)構(gòu)比較清晰， 甚至開(kāi)始形成了兩個(gè)較大網(wǎng)絡(luò)社區(qū)， 社區(qū)之間的界限也較為明顯。隨著數(shù)據(jù)的逐漸增多， 到２０１０年整個(gè)網(wǎng)絡(luò)的規(guī)模開(kāi)始增大， 社區(qū)結(jié)構(gòu)仍然較為明顯， 各社區(qū)節(jié)點(diǎn)數(shù)量趨向均勻， 但社區(qū)之間的連接增多， 說(shuō)明ＧＥＯ 的數(shù)據(jù)的學(xué)科領(lǐng)域、物種、研究方向開(kāi)始細(xì)分， 但不同領(lǐng)域的數(shù)據(jù)還存在關(guān)聯(lián)， 因此常被共同使用和引用。到了２０１５ 年， 網(wǎng)絡(luò)規(guī)模呈指數(shù)級(jí)增長(zhǎng)， 但從整體來(lái)看， 網(wǎng)絡(luò)中的社區(qū)結(jié)構(gòu)依然較為清晰， 社區(qū)與社區(qū)之間存在一定聯(lián)系， 但研究邊界依然存在。到２０２０ 年， 網(wǎng)絡(luò)核心區(qū)域的社區(qū)已經(jīng)開(kāi)始逐漸模糊， 各社區(qū)之間聯(lián)系明顯增強(qiáng)，網(wǎng)絡(luò)中也形成了幾個(gè)超大規(guī)模社區(qū)， 占據(jù)了網(wǎng)絡(luò)的主要位置。

４結(jié)論

本研究以生物醫(yī)學(xué)領(lǐng)域著名基因表達(dá)數(shù)據(jù)庫(kù)ＧＥＯ 中的科學(xué)數(shù)據(jù)集為研究對(duì)象， 以數(shù)據(jù)集為節(jié)點(diǎn)， 數(shù)據(jù)集之間的共被引關(guān)系為邊， 構(gòu)建了ＧＥＯ數(shù)據(jù)共被引網(wǎng)絡(luò)。同時(shí)， 運(yùn)用社會(huì)網(wǎng)絡(luò)分析方法對(duì)網(wǎng)絡(luò)的整體結(jié)構(gòu)演化和核心個(gè)體進(jìn)行分析， 并在此基礎(chǔ)上運(yùn)用Ｌｅｉｄｅｎ 算法進(jìn)行社區(qū)劃分， 進(jìn)而分析其群體分布和結(jié)構(gòu)特征， 得到以下結(jié)論：

１） ＧＥＯ 數(shù)據(jù)共被引網(wǎng)絡(luò)的規(guī)模隨著時(shí)間增長(zhǎng)迅速， 尤其是２０１４ 年后隨著科學(xué)范式的發(fā)展轉(zhuǎn)變，網(wǎng)絡(luò)規(guī)模形成了指數(shù)級(jí)增長(zhǎng)態(tài)勢(shì)。數(shù)據(jù)集的度和度分布差異明顯， 分布趨勢(shì)近似于冪律分布， 呈現(xiàn)出“無(wú)標(biāo)度網(wǎng)絡(luò)” 特征。此外， ＧＥＯ 數(shù)據(jù)共被引網(wǎng)絡(luò)具有較短的平均路徑長(zhǎng)度和較大的平均聚集系數(shù)，網(wǎng)絡(luò)平均路徑長(zhǎng)度僅為４.７， 意味著該網(wǎng)絡(luò)雖然規(guī)模龐大， 但大部分?jǐn)?shù)據(jù)集之間都可以通過(guò)４ 次中轉(zhuǎn)取得聯(lián)系， “小世界網(wǎng)絡(luò)” 特征明顯。

２） 知名生物技術(shù)公司提供的商業(yè)數(shù)據(jù)集在網(wǎng)絡(luò)中占據(jù)絕對(duì)的核心地位， ＧＰＬ５７０、ＧＰＬ９６、ＧＰＬ６２４４等平臺(tái)數(shù)據(jù)集均具備較大的接近中心度和中介中心度， 在網(wǎng)絡(luò)中處于幾何位置中心的同時(shí)也承擔(dān)了主要中介功能。另外， ７８.９％的數(shù)據(jù)集在網(wǎng)絡(luò)中極不活躍， 不承擔(dān)任何中介功能且對(duì)應(yīng)的度值也較低，在網(wǎng)絡(luò)中處于邊緣的端點(diǎn)位置。

３） ＧＥＯ 數(shù)據(jù)共被引網(wǎng)絡(luò)中的數(shù)據(jù)集可劃分為１１３ 個(gè)社區(qū)， 超過(guò)１ ０００個(gè)節(jié)點(diǎn)的社區(qū)有５ 個(gè)， １００～１ ０００個(gè)節(jié)點(diǎn)的社區(qū)有２９ 個(gè)， 其余７９ 個(gè)社區(qū)包含的數(shù)據(jù)集節(jié)點(diǎn)在１００ 以?xún)?nèi)， 社區(qū)規(guī)模差異較大。社區(qū)內(nèi)部的網(wǎng)絡(luò)密度、平均聚集系數(shù)、平均路徑長(zhǎng)度均優(yōu)于整體網(wǎng)絡(luò)， 社區(qū)的結(jié)構(gòu)穩(wěn)定， 內(nèi)部節(jié)點(diǎn)相互影響程度深， 目前已經(jīng)形成了多個(gè)數(shù)據(jù)共被引群體。

４） 通過(guò)樣本來(lái)源、科研機(jī)構(gòu)和測(cè)序平臺(tái)的分布， 可以較為明顯地分析出社區(qū)形成的原因。首先，不同社區(qū)包含的樣本來(lái)源可以較為明顯地凸顯出社區(qū)所屬的研究領(lǐng)域； 其次， 不同社區(qū)的科研機(jī)構(gòu)也體現(xiàn)出了社區(qū)的研究領(lǐng)域和科研方向具備高度集中性， 與科研機(jī)構(gòu)的研究領(lǐng)域和合作方向有著緊密關(guān)聯(lián)； 最后， 通過(guò)社區(qū)內(nèi)測(cè)序平臺(tái)的分布可以發(fā)現(xiàn)，出自同一平臺(tái)或同一公司的數(shù)據(jù)進(jìn)行處理與合并分析得到的效果更好， 因此常被科研人員用于同一項(xiàng)研究中。

５） 從網(wǎng)絡(luò)整體結(jié)構(gòu)演化趨勢(shì)看， ＧＥＯ 數(shù)據(jù)知識(shí)擴(kuò)散網(wǎng)絡(luò)的規(guī)模日益增大， 網(wǎng)絡(luò)中形成幾個(gè)超大規(guī)模社區(qū)， 占據(jù)了主要的資源位置。網(wǎng)絡(luò)結(jié)構(gòu)變得日趨復(fù)雜， 社區(qū)與社區(qū)間的界限變得模糊， 信息交換變得更加頻繁， 不同領(lǐng)域、物種、平臺(tái)的數(shù)據(jù)被共同使用和引用的現(xiàn)象變得越來(lái)越多。

本文研究只針對(duì)ＧＥＯ 數(shù)據(jù)庫(kù)中的科學(xué)數(shù)據(jù)集進(jìn)行研究和建模， 研究范圍存在一定局限性。此外，對(duì)于數(shù)據(jù)引用網(wǎng)絡(luò)的研究目前還處于起步階段， 對(duì)于網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)特征以及網(wǎng)絡(luò)的演化過(guò)程關(guān)注較多。希望本文能夠?yàn)橄嚓P(guān)研究提供思路， 便于后續(xù)研究利用更深入的理論和技術(shù)， 挖掘出科學(xué)數(shù)據(jù)引用更深層次的特征和規(guī)律。

（責(zé)任編輯： 郭沫含）