国内知识地图共词聚类分析.docVIP

国内知识地图共词聚类分析 　　摘 要：利用??CNKI中国期刊全文数据库中收录的2007-2017年与知识地图相关的核心期刊与优秀论文作为基础，采用ROST CM软件来进行词频统计和共词矩阵分析以及SPSS软件进行共词聚类分析，通过研究各个高频关键词之间的内在联系，分析知识地图领域的研究热点，发现知识地图领域的研究现状，以便能够进行知识地图领域的发展趋势分析。 　　关键词：知识地图；共词分析；聚类分析 　　1 引言 　　自从人类进入科技时代，科技的发展已是日异月新。知识地图作为时下一种非常有效的工具，在很多方面，尤其是在知识管理方面，有很好的应用[1]。知识地图是一种智能化的的知识管理工具，能将知识管理活动中的主体、资源及相互关系链接起来形成一种动态可变的网络结构[2]。知识地图是组织知识管理的重要工具，基于本体的组织知识地图不但能为用户提供知识导航和检索，还可以促进组织内知识的共享和交流，实现知识创新[3]。而在科技研究方面，知识地图作为一种有效的知识管理工具，通过知识地图的搜索功能，可以帮助科研人员在很短时间内找到所需知识[4]。因此，对于知识地图的研究热点与其发展趋势分析也就显得非常有必要了。 　　2 数据获取与预处理 　　在CNKI中以主题词“知识地图”进行期刊论文的检索，时间限定为“2007-2017”，则在CNKI检索的结果中显示共有1164篇，排除掉一些与“知识地图”无关并且剔除掉一些不合格的期刊论文，共计获得合格期刊论文为1111篇。本文采用ROST CM文献处理软件，获得关键词共计301个，共出现频次2704次，其中频次较多的关键词共计22个，见表1所示。从表1中可以看出的是，在关于“知识地图”研究方面，知识管理、隐性知识、本体、知识服务、知识组织以及竞争情报等方面为该领域的高频热点词汇。在对知识地图研究方面，知识管理、隐性知识、本体、图书馆以及情报学为主要研究结构，热点研究方向为知识可视化、个人知识管理以及数字图书馆等。 　　3 共词分析 　　共词分析方法，对知识地图领域的关键词进行分析，研究它们之间的关系以及内在联系。本文所选的期刊论文中，所获得的关键词在“知识地图”领域的研究热点方面具有一定的代表意义。在对其进行词频统计之后，采用共词分析方法，来对其进行分析。 　　3.1 构造共词矩阵 　　对高频关键词表中进行两两统计后，形成共词矩阵，表2为该共词矩阵的部分内容。 　　共词矩阵为对称矩阵，主对角线的数据定义为缺失，非主对角线中单元格的数据为两个关键词共同出现的次数。例如关键词“本体”与“知识管理”在共词矩阵中的共词频次为20，即表示有20篇期刊论文同时使用了这两个关键词。 　　3.2 构建相异矩阵 　　由于对其运用多元统计方法对矩阵的数据结构有不同的要求，为了能够进行统计分析的方便，采用Ochiia系数将表2共词矩阵转换为相关矩阵（Ochiia系数为两共词同时出现的频次除以两共词分别出现的频次的开方之后的积）。在相关矩阵中，由于统计结果中的0的次数太多，为了减小分析结果的误差，采用相异矩阵的形式来进行分析见表3。 　　4 统计分析 　　本文采用因子分析和聚类分析来对“知识地图”研究方向进行分析，主要通过利用SPSS软件对所得到的相异矩阵来进行分析。 　　4.1 因子分析 　　在对知识地图进行论证分析的时候，所采取到的大量数据，对于我们进行知识地图的研究分析，能够提供更丰富的信息以及更高的精确度。但是由于工作量的巨大，以及可能会因为变量之间存在相关性而增加了研究问题的的复杂性，因此本文采用因子分析的方法来对知识地图进行研究。因子分析法可以将提取到的观测值进行分类，将它们以相关性的密切度进行依据来划分分组。通过来对若干重要因子来进行分析，以达到以小见大的效果。我们将以抽取的关键词相关矩阵为基础对22个关键词进行因子分析，在统计软件SPSS中，选取主成分法和Varimax（方差最大正交旋转）方法进行操作。 　　在采用主成分法对知识地图的关键字进行主成分分析时，在主成分法中，主成分法的累计方差贡献率达到80%以上的几个主成分，都可以选作最后的主成分。通过运用SPSS软件，结果提取到了8个因子，其主成分的的累计方差贡献率达到了83.396%，所以在因子分析时，将知识地图研究分为8类是比较合理的如表4。为了能够直观的显示各主成分的情况，这里采用SPSS中的碎石图以及旋转因子空间成分图来帮助我们进行分析，得到因子个数的碎石图以及各成分之间的旋转因子空间成分图，如图1与图2。 　　图1 因子个数的碎石图 　　注：1 知识管理；2 企业；3 隐性知识；4 本体；5 图书馆；6 情报学；7 知识服务；8 知识组织；9 知识管理系统；10 知识共享；11 高校图书馆；12 竞争情报；