共现聚类分析结果判读-中国医科大学.pdfVIP

共现聚类分析结果的判读 概念与关系的逻辑思维 供中国医科大学2009 级研究生《文本挖掘在科研选 题中的应用》课程使用 崔雷 2009-10-14 表现文献内容的标识（如关键词、分类号）可以用根据它们共现的情况进行 聚类分析，一些表现文献外部特征的标识，如作者、引文等等，也可以进行共现 分析，如作者的合著分析、引文的同被引分析、作者的同被引分析，这些都可以 为展示某一学科领域里科学研究获得的结构和特点提供手段。这些分析的方法原 理都是大同小异的，都属于基于共现的聚类分析。比较常用的方法是通过对特定 领域或者学科的高频主题词以及高被引论文进行共现聚类分析，通过这些分析， 可以把主题词和论文分类为不同的群组，客观地反映出这些概念 （主题词）或者 概念群 （论文）之间的亲疏关系。但是，如何解读这些聚类结果，由此反映出当 前该领域研究的结构和热点，成为共现聚类分析的一大难点。本文就是针对这个 问题，总结多年来共现聚类分析实践所积累的经验，提出一些判读聚类分析结果 的基本原则和体会，共同道在使用中参考。 一．词共现聚类分析的结果判读 以使用SPSS进行聚类分析为例，可以选择Analysis-Classify-Hierarchical 过程，经过设置相应的参数后，对胃癌治疗的高频主题词共现矩阵进行分析，最 后获得该研究领域高频主题词的共现聚类分析树图（如图1）。 1.聚类树图的结构分析 首先从宏观上观察聚类树图的结构。聚类树图中的最左边的一列标号（Label） 和数字（Num）代表着高频主题词，由于采用的是系统聚类法的凝聚聚类算法， 因此，最初每一个主题词都是单独的一个类，通过计算每一对主题词之间的相似 性，发现2号和3号主题词的相似性在所有主题词词对之间是最小的，因此，它们 首先聚集成为一个类，然后它们又和7号主题词合成为一个类。图中最上方的带 有数字的标尺表示分类对象之间的距离 （在SPSS中是重新量化计算的）。随着被 分类的对象（主题词）之间的距离越来越大，最终所有的主题词都成为一个类， 我们可以根据需要在不同的距离水平上分割整个聚类树图。 通过树图的结构我们可以看到，所有的主题词从整体上可以分为三个部分： 由2、3、7号词组成的一个类别（A），由1、4、8、5、9号主题词组成的一个类 别（B），和由6号词单独组成的一个类别（C）。 2.各类的内容分析 主要是通过各个类别主题词之间语义关系的分析。基于凝聚聚类算法的原理， 对聚类分析结果的语义分析也采用了“自下而上”的步骤。即首先获取各个小类 的含义，然后将各个小类的含义在语义上叠加而组合成为大类的含义。具体而言， 就是首先从每个小类中关系最近的两个主题词着手，分析二者之间的语义关系， 获得该类的“种子”概念，在“种子”概念的基础上，根据同类别中其他主题词 与该“种子”的距离，逐次加入主题词，丰富该类别的内容，一般而言，距离比 较远的主题词往往是该核心的相关因素，如核心概念的具体的应用或者影响因素。 本例中，对于3个高频主题词的类别中的主题词进行具体的语义分析，可以 发现： 在A类中，“Stomach Neoplasms/drug therapy，胃肿瘤/药物治疗”（2） 与 “Antineoplastic Combined Chemotherapy Protocols/therapeutic use， 抗肿瘤联合化疗方案/治疗应用”（3）组合在一起表明的是对胃肿瘤采用联合化 疗，加上“Adenocarcinoma/drug therapy，腺癌/药物治疗”（7）表明这一类 主要是关于胃腺癌的联合化疗的主题。 2 图1 胃癌治疗高频主题词聚类分析结果（部分） 在B类中，“Stomach Neoplasms/surgery，胃肿瘤/手术”(1)与“Gastrectomy / methods，胃切除/方法”（4）表明是关于胃肿瘤外科手术切除治疗的主题， 同样，“Adenocarcinoma/surgery，腺癌/手术”（8）也是说明主要是针对胃腺 癌的手术切除治疗，“Stomach Neoplasms/pathology，胃肿瘤/病理”则是说明 这种疗法会受到不同的病理类型的影响。这一类别最边缘的主题词“Gastrectomy， 胃切除”（9）没有副主题词，则是表示对胃切除的概述，是对上述主题的强化， 由于与其他主题词距离比较大，也可以忽略不计。 C类则是单独一个单词，“Stomach Neoplasms/therapy，胃肿