《层次视角下概念知识网络的三元关系形态研究》.pdfVIP

胡昌平 ，陈果．层次视角下概念知识网络的三元关系形态研究 动3种现实场景 。在单模有向网络中，个体性质被 的认知模型 。在网络层级结构 的揭示上 ，M．Sales． 用于划分节点类型，通过区分多种三元闭包类型以更 Pardo等提出自顶向下的思想，采用 blockbox方法 ，根 细致地分析网络 的微观形态。LouTiancheng等 以 据节点间相似度推断网络的层次结构 ；A．Clauset等 Twitter为例，将用户区分为精英和普通用户，通过统计 直接使用最大似然法将网络转化为一组带有关联概率 不同类型三元闭包的分布差异来研究用户类型对关系 的树状图，根据该树状图揭示网络的层级结构 ；另 生成的影响。 一 种常见的方法是依据节点的k-core值来划分网络层 值得一提的是，当前国内图情领域对三元关系的 级结构 。 研究较少。董克等统计了作者引用网络中各种三元关 网络的k-core是指网络中满足以下条件的子图： 系的分布，并将其与随机网络对比，以研究作者引用网 子图中任意节点至少与k个节点邻居。其思路可理解 络的内部结构和整体结构倾 向 。冷伏海等提出了 为：网络中居于核心地位的节点，不仅其 自身需要达到 基于三元词共现的共词分析方法u 。李树青提出了 一 定的度数，而且必须有一定数量的至少与其同等重 三词有序共现分析方法和映入词、紧密环概念 。这 要的邻居节点。相应地 ，网络中节点的k．core值可定 些研究表明国内研究者已经开始以词语三元闭包为对 义为，该节点至少与 k个度数不低于 k的节点相连。 象来分析概念知识的关联特征。 可以看出，网络 中节点的k—core值与图情学科中的h 指数相近，旨在以一个更均衡的指标来区分研究对象 的重要程度。k-core值由于可揭示节点的核心程度 为了深入探究概念知识网络中各类微观单元的分 而可用于划分网络层次(称为k—shel1)，图 1是一个示 布特征，笔者以“数字图书馆”为例构建了一个更简单 例。基于k-core的网络分层中，较为经典的是 S．Carmi 可靠的关键词共现网络 ，采用 k—core方法划分 出网络 等发表于 PNAS上的文章 ，该研究基于k．core值对 层次，以三元闭包为基本单元，根据层次差异归纳了网 互联网进行逐层分解，统计多层融合时层内节点数、层 络多种微观结构形态及其内涵，以便在知识节点差异 内最大联通子图规模 、平均距离等参数 ，根据逾渗转变 化的基础上分析节点的关联结构。 理论确定阈值 ，将41个 k—shell划分成 3个大层，得到 3．1 数据 一 个清晰简洁的互联 网拓扑模型。本文即是参考其 “数字图书馆”是图情学科中的重要研究领域，相 “先分再合”的思路 ：先将共词 网络按 k—core值划分多 关论文数量充足，加之 已有较多研究者对其进行计量 个子层 ，然后将其融合成几个大层。所不同的是 ，本文 分析，当前该领域研究的知识结构已有较一致的结论 ， 以各层聚类系数为参数来确定融合形式。 因而相对更适用于作为实验对象。实验数据来源于 CNKI数据库，以标题或关键词中含 “数字图书馆”为 0shellIndex1 检索条件，获取2002—2012年间刊于图情学科核心期 刊的2674篇正式论文，从 中提取关键词和相应 的共 ●shellIndex2 现关系。为更