基于图多维分析科技文献分析工具研发设计与实现.doc

基于图多维分析的科技文献分析工具设计与实现 摘要 由于缺乏对大规模多关系型数据的处理能力，传统基于统计的文献分析方法更多关注某个科研人员或者科研机构某个属性上的统计，往往局限于对数据进行局部分析，而忽视了这些文献之间蕴含的巨大联系。 海量科技文献在数据挖掘领域一直是一个研究的热点，其中蕴含着大量的知识，通过对这些数据的发现，人们可以发现一些作者的研究方向和专业特长，发现一些学科的演化以及交叉研究领域的产生。近年来，随着复杂网络研究的兴起，网络分析方法逐步被应用到包括文献分析在内的多个领域。针对文献网络的特点，利用网络分析文献数据，结合网络的可视化特点与人的优势，可以帮助分析人员发现数据的隐藏特征。这也使得结合网络分析的文献可视化分析工具成为当前文献分析工具的主流。 文献网络中社团结构的发现是挖掘隐藏的信息的重要步骤本文典型的社团发现算法，并论了社团发现在文献网络中的具体应用。可视化技术提供了有效的方法来理解复杂网络的结构并从中挖掘有效信息本文重点NeSVA可视化框架。 使用图多维分析并结合可视化的文献分析方法，将有利于分析人员深入理解各类实体间的关系。传统的联机分析处理系统并不支持图结构，现有的主流分析工具也都不支持对图进行OLAP操作。Chen Chen等提出的支持图结构的GraphOLAP框架到目前为止还没有系统的实现，不支持对异构图OLAP操作。本文扩展GraphOLAP框架以支持对异构图的分析，并实现该框架关键字：GraphOLAP；社团发现；复杂网络；可视化 THE DESIGN AND IMPLEMENTATION OF SCIENTIFIC LITERATURE ANALYSIS TOOL BASED ON GRAPH MULTI-DIMENSIONAL ANALYSIS Abstract In the absence of large-scale multi-relational data processing capabilities, the traditional method based on statistical analysis of the literature pays more attention to some researchers or research institutions on a property statistics, often limited to local analysis of the data, while ignoring the the tremendous link between the literatures. Massive scientific literature ,which contains a lot of knowledge, has been a research focus in the field of data mining.Through the discovery of these data, one can find some of the research direction and professional expertise, find the evolution and cross-disciplinary research areas generated. In recent years, with the rise of complex networks, network analysis is gradually applied to a number of areas, including literature analysis.For the characteristics of the literature network, using of network analysis literature data, combined with network visualization features and the advantages of persons, can help analysts find the hidden features. This also makes the visual analysis tools which combines network analysis into the mainstream of current literature analysis tools. Community discovery is an important step for literature network analysis .This paper anal